ass日本风韵熟妇pics男人扒开女人屁屁桶到爽|扒开胸露出奶头亲吻视频|邻居少妇的诱惑|人人妻在线播放|日日摸夜夜摸狠狠摸婷婷|制服 丝袜 人妻|激情熟妇中文字幕|看黄色欧美特一级|日本av人妻系列|高潮对白av,丰满岳妇乱熟妇之荡,日本丰满熟妇乱又伦,日韩欧美一区二区三区在线

摘要:東北黑土地保護性用養(yǎng)技術(shù)主要包括保護性耕作和地力培育等技術(shù)。本文在綜述保護性用養(yǎng)技術(shù)應(yīng)用面積,、技術(shù)模式和實施效應(yīng)的基礎(chǔ)上,，重點闡述了免少耕播種、深松,、秸稈還田和有機肥施用關(guān)鍵技術(shù)的工作原理,、技術(shù)特點,，并分析歸納了現(xiàn)有保護性用養(yǎng)技術(shù)模式及配套機具的發(fā)展動態(tài),。結(jié)合黑土地保護與利用的研究進展與發(fā)展需求，在厘清當(dāng)前黑土地保護性用養(yǎng)技術(shù)與機具發(fā)展存在的主要問題基礎(chǔ)上,，從加強基礎(chǔ)理論研究,、突破關(guān)鍵技術(shù)瓶頸、提升保護性用養(yǎng)技術(shù)與機具智能化,、加強農(nóng)機農(nóng)藝融合和因地制宜發(fā)展黑土地保護性用養(yǎng)技術(shù)體系等方面展望了未來的發(fā)展方向,。

摘要:當(dāng)前傳統(tǒng)化學(xué)和物理除草方法面臨環(huán)境污染和效率低等問題,，因此智能化機械除草技術(shù)成為一種可行的替代方案,。本文系統(tǒng)闡述了旱田智能機械除草機工作原理與關(guān)鍵技術(shù),，結(jié)合國內(nèi)外研究現(xiàn)狀與應(yīng)用案例，重點探討了作物行檢測,、避苗控制以及多傳感器融合等核心環(huán)節(jié),。智能除草機基于高精度圖像識別與深度學(xué)習(xí)算法，實現(xiàn)雜草精準定位與識別,，并利用機械臂或其他執(zhí)行機構(gòu)完成高效除草作業(yè),，不僅有效降低了對化學(xué)除草劑的依賴，且可顯著提高作物產(chǎn)量,，兼具突出的環(huán)境與經(jīng)濟效益,。然而，田間環(huán)境的復(fù)雜性和成本高昂等限制了其廣泛應(yīng)用,。進一步探討了作物行檢測,、避苗控制以及多傳感器融合等旱田智能機械除草系統(tǒng)的關(guān)鍵技術(shù)，強調(diào)了提升系統(tǒng)實時性和除草精準度的必要性,，并提出未來發(fā)展方向：多傳感器融合,、模塊化設(shè)計及適應(yīng)多樣化作物環(huán)境個性化解決方案，以推動農(nóng)業(yè)可持續(xù)發(fā)展,。

摘要:玉米苗期行間除草是保障作物健康生長的重要環(huán)節(jié),，其作業(yè)精度直接影響除草效果。為提高玉米苗期行間除草精度和效率,，設(shè)計了一種二級機械對行裝置,，并對其結(jié)構(gòu)組成與關(guān)鍵參數(shù)進行了優(yōu)化。裝置由一級導(dǎo)向機構(gòu)和二級行距調(diào)整機構(gòu)組成,，其中一級導(dǎo)向機構(gòu)通過液壓缸驅(qū)動平行懸臂實現(xiàn)整機對行,，二級行距調(diào)整機構(gòu)通過伺服電缸和滑輪組調(diào)整除草單體位置以適應(yīng)不同行距。理論分析確定一級導(dǎo)向機構(gòu)液壓缸最小推力需滿足7536.37N,，二級行距調(diào)整機構(gòu)伺服電缸額定推力為1409N,。分別開展了室內(nèi)模擬試驗與田間試驗，對伺服電缸性能及裝置在不同速度下對行誤差特性進行評估,。室內(nèi)試驗結(jié)果表明,，伺服電缸效率為82.3%，響應(yīng)時間為21ms,，具有較好的控制精度,。在雜草密度大于30株/m2的非標準種植玉米田中開展田間試驗,，設(shè)定3種作業(yè)速度0.5、1.0,、1.5m/s,。試驗結(jié)果表明，當(dāng)速度為0.5,、1.0m/s時,，一級機構(gòu)對行平均誤差分別為1.987、3.619cm,，角度誤差為2.510°和2.660°,，性能穩(wěn)定；當(dāng)速度為1.5m/s時,，偏移誤差增至2.603cm,，角度誤差增至3.024°，且二級機構(gòu)誤差出現(xiàn)離群值,。原因為,，在高速作業(yè)時系統(tǒng)動態(tài)響應(yīng)能力下降，可能受地表不平整和圖像識別頻率限制的影響,。該裝置在低速和中速條件下具備良好穩(wěn)定性和作業(yè)精度,，能夠滿足精細化除草需求。但在高速作業(yè)條件下需優(yōu)化控制算法,，以提升動態(tài)響應(yīng)能力和整體穩(wěn)定性,。研究結(jié)果為玉米苗期行間除草裝置設(shè)計與應(yīng)用提供了技術(shù)支持。

摘要:針對玉米大壟雙行種植模式下追肥作業(yè)效率低和排肥均勻性較差等問題,，依據(jù)該種植模式下的追肥作業(yè)特點,，設(shè)計一種適用于該種植模式的螺旋輸送器排肥、多行集排,、氣流輸肥的追肥裝置,，并對螺旋輸送器式排肥裝置和氣力輸送裝置關(guān)鍵參數(shù)進行了理論計算和優(yōu)化設(shè)計。依據(jù)排肥流量需求設(shè)計螺旋輸送器葉片結(jié)構(gòu),，并確定螺旋輸送器驅(qū)動電機功率,；確定氣-肥輸送主管道和氣-肥輸送分配管道結(jié)構(gòu)尺寸；采用三通管將氣-肥輸送分配管道合并方式,，使雙苗帶中間施肥量多于兩側(cè),。對該裝置進行排肥試驗,，結(jié)果表明：螺旋輸送器式排肥裝置排肥穩(wěn)定，排肥量與轉(zhuǎn)速具有較好的線性相關(guān)性,；設(shè)計二因素三水平排肥試驗探究風(fēng)速和排肥轉(zhuǎn)速對肥料分配均勻性的影響,，排肥轉(zhuǎn)速、風(fēng)速以及排肥轉(zhuǎn)速與風(fēng)速的交互作用均對各行排肥量一致性變異系數(shù)影響顯著,，各行排肥量一致性變異系數(shù)隨著轉(zhuǎn)速和風(fēng)速的增大而增大,；氣-肥輸送分配管道合并后，各行排肥量一致性變異系數(shù)略有增加,，未合并出肥口各行排肥量一致性變異系數(shù)為6.5%~7.1%,，合并出肥口各行排肥量一致性變異系數(shù)為3.8%~5.8%，合并出肥口排肥量為未合并出肥口排肥量的1.7倍左右,，排肥性能達到設(shè)計目標,，滿足玉米追肥機械作業(yè)標準要求。

摘要:針對現(xiàn)有玉米電驅(qū)精量播種機檢測系統(tǒng)精度低,、功能集成度差和同步性不足等問題，對檢測參數(shù)所需傳感器進行了選型,，構(gòu)建了傳感器-檢測參數(shù)模型,，開發(fā)了信號同步采集、處理及交互程序,，設(shè)計了基于cDAQ控制器的玉米電驅(qū)精量播種機作業(yè)工況參數(shù)檢測系統(tǒng),。該系統(tǒng)基于高頻、實時,、同步采樣原則,，為各參數(shù)信號分別配置單獨的采樣通道，結(jié)合LabVIEW平臺設(shè)計信號處理程序與人機交互界面,，為所有信號采集循環(huán)設(shè)置統(tǒng)一的軟件觸發(fā)器,，并配置網(wǎng)絡(luò)，由上位機通過網(wǎng)絡(luò)端口為系統(tǒng)提供時鐘信號,，實現(xiàn)作業(yè)速度,、排種盤轉(zhuǎn)速、排種量,、播種深度,、下壓力,、風(fēng)壓、振動等多種參數(shù)實時高精度檢測,。對系統(tǒng)開展了排種盤轉(zhuǎn)速,、排種量檢測臺架試驗以及作業(yè)速度、播種深度檢測和下壓力檢測田間試驗,。試驗結(jié)果表明,，排種盤轉(zhuǎn)速檢測平均絕對誤差不大于0.44r/min，平均相對誤差均不大于3.56%,；排種量檢測準確率不小于98.50%,。當(dāng)作業(yè)速度為0~15km/h時，作業(yè)速度檢測平均相對誤差為4.42%,；當(dāng)作業(yè)速度大于6km/h時,，3行單體播種深度檢測平均值、標準差,、變異系數(shù)相對誤差分別為2.70%~7.53%,、10.07%~19.29%和13.99%~17.42%；下壓力靜態(tài)檢測試驗中,，兩組單體下壓力平均差值接近實際差值,，相對誤差不大于5.93%，在低速3~6km/h與高速12~15km/h作業(yè)下,，系統(tǒng)檢測2組單體下壓力平均差值與實際值最大相對誤差分別為14.91%和19.30%,。本系統(tǒng)檢測精度高、檢測參數(shù)多,、同步性高,，可以滿足玉米電驅(qū)精量播種機工況參數(shù)檢測需求。

摘要:針對玉米免耕播種機播種鎮(zhèn)壓力穩(wěn)定性差和鎮(zhèn)壓強度不均等問題,，設(shè)計了一種基于PID控制的鎮(zhèn)壓力精準調(diào)控系統(tǒng),。該系統(tǒng)由鎮(zhèn)壓力檢測單元、液壓調(diào)節(jié)裝置,、控制器、終端和機械執(zhí)行部件組成,?；诶鞲衅?、角度傳感器測量數(shù)據(jù)，采用Origin軟件構(gòu)建鎮(zhèn)壓力與兩傳感器測量數(shù)據(jù)之間的關(guān)系模型,。系統(tǒng)通過鎮(zhèn)壓力進行閉環(huán)反饋,，應(yīng)用PID控制算法計算控制變量，實時調(diào)節(jié)液壓缸伸縮,，實現(xiàn)對鎮(zhèn)壓力的精確控制,。系統(tǒng)階躍響應(yīng)測試結(jié)果表明，鎮(zhèn)壓力精準調(diào)控系統(tǒng)調(diào)節(jié)時間均值為1.13s,，穩(wěn)態(tài)誤差均值為2.7N,，超調(diào)量均值為3.23%。田間試驗結(jié)果表明,，當(dāng)設(shè)定目標鎮(zhèn)壓力為159,、182N、播種機作業(yè)速度為5～9km/h時,，基于液控調(diào)節(jié)方式下鎮(zhèn)壓力相對誤差為3.08%～5.38%,，均方根誤差為6.63～10.09N，機械調(diào)節(jié)方式下鎮(zhèn)壓力相對誤差為5.05%～11.48%,，均方根誤差為11.67～22.49N,。基于液控調(diào)節(jié)方式的播種機試驗指標顯著優(yōu)于基于機械調(diào)節(jié)方式的指標,，提高了鎮(zhèn)壓力穩(wěn)定性,，為保障玉米免耕播種質(zhì)量提供了技術(shù)裝備支撐。

摘要:針對深松作業(yè)質(zhì)量評價指標單一,、橫向比較偏差顯著等問題,，通過在農(nóng)機上裝載智能終端設(shè)備，采集農(nóng)機作業(yè)GNSS,、作業(yè)深度等信息,，基于最小-最大歸一化法，分析深松作業(yè)面積,、作業(yè)效率,、作業(yè)覆蓋率、作業(yè)深度達標率、作業(yè)時間利用率等深松作業(yè)特征向量,，并基于專家打分的調(diào)查問卷法確定特征向量權(quán)重,，構(gòu)建深松作業(yè)質(zhì)量指數(shù)（AMQI），評估深松作業(yè)綜合質(zhì)量,。2022年在黑龍江省紅星農(nóng)場開展深松作業(yè)質(zhì)量監(jiān)測實驗,，通過對33臺不同深松設(shè)備跟蹤分析，并與傳統(tǒng)分析方法進行對比,，結(jié)果表明,，歸一化特征向量消除不同特征間量綱影響，反映農(nóng)機特征大小分布,，AMQI也反映深松作業(yè)綜合質(zhì)量,，與達標面積評價法相比，評級維度更多,，且評價更加全面和科學(xué),，可以為農(nóng)機作業(yè)評價提供數(shù)據(jù)支撐。

摘要:針對現(xiàn)有玉米播種裝備缺乏土壤墑情在線檢測系統(tǒng),，且已有的土壤墑情在線檢測系統(tǒng)檢測精度不高、環(huán)境適應(yīng)差的問題,，本文提出了一種基于電容法和深度補償?shù)耐寥缐勄闄z測方法,，開發(fā)了一套機載式玉米播種種溝墑情在線檢測系統(tǒng)。開展了電容器結(jié)構(gòu)優(yōu)化參數(shù)仿真試驗,，確定了最佳電容極板參數(shù)為：極板間距75.8mm,、極板厚度0.7mm、極板相對面積5073mm2,，其長度為100mm,，寬度為50.73mm；系統(tǒng)硬件部分主要包括FDC2214型電容傳感器,、F4046型壓力傳感器和STM32F103型單片機,，電容傳感器用于獲取待測土壤電容，壓力傳感器用于獲取待測土壤壓力,，間接反推待測區(qū)域土壤深度,；系統(tǒng)軟件則利用Matlab平臺進行開發(fā),，用于對土壤電容信號和壓力信號的實時采集、計算,、顯示與存儲,?；谠撓到y(tǒng)探究了土壤墑情檢測模型影響因素,，構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)的土壤墑情檢測模型，建模試驗結(jié)果表明,，當(dāng)土壤墑情為7.23%～21.14%時,，模型預(yù)測性能指標R2、RMSE和RPD分別為0.927,、0.008和3.70,，預(yù)測效果較好。最終,，將構(gòu)建的模型集成到土壤墑情在線檢測系統(tǒng),，開展了臺架與田間驗證試驗。臺架試驗結(jié)果表明,，土壤墑情實際值與檢測值的擬合決定系數(shù)R2均為0.852～0.927,，土壤墑情預(yù)測結(jié)果絕對誤差為-2.89%～2.57%，絕對誤差平均值為1.01%,；田間試驗結(jié)果表明,，土壤墑情檢測值與實際值擬合曲線決定系數(shù)R2為0.842，土壤墑情檢測絕對誤差為-0.96%～0.45%,，平均絕對誤差為0.39%,。本研究所研制的檢測系統(tǒng)性能滿足玉米播種機田間作業(yè)時土壤墑情檢測需求。

摘要:針對保護性耕作深松作業(yè)機具土壤擾動大的問題,，設(shè)計了一種間隔深松機直注深松鏟。利用離散元法和田間試驗研究了不同鏟體幅寬對土壤擾動行為的影響,。以耕作比阻,、土壤膨松度和土壤擾動系數(shù)為試驗指標，對比不同鏟體幅寬條件下土壤運動狀態(tài)及各方向微觀運動情況,，分析直注深松鏟土壤擾動效果,。結(jié)果表明，當(dāng)鏟體幅寬為350mm時,，耕作阻力最??；當(dāng)鏟體幅寬為450mm時，耕作比阻最??；土壤擾動隨鏟體幅寬增加而增大，鏟體幅寬主要影響土壤側(cè)向擾動,、土壤回落及土壟高度,，適當(dāng)減小幅寬有利于減小土壤側(cè)向擾動、增加土壤回落,、降低壟高,；鏟體幅寬對土壤膨松度和土壤擾動系數(shù)有重要影響，當(dāng)鏟體幅寬為350mm時,，土壤膨松度相對較小,，土壤擾動系數(shù)相對較大；不同鏟體幅寬對耕作阻力和擾動面積均有一定的影響,，鏟體幅寬對擾動面積影響大于對耕作阻力的影響,；試驗范圍內(nèi)土壤膨松度和擾動系數(shù)試驗值和仿真值平均誤差分別為6.36%和6.84%，耕作阻力和比阻試驗值和仿真值平均誤差分別為9.02%和12.41%,。間隔深松機降低土壤擾動效果明顯,，可為深松機優(yōu)化設(shè)計提供參考。

摘要:針對玉米根茬與土壤形成的根土復(fù)合體影響保護性耕作條件下免耕播種的問題,，提出了一種“對行挖掘-擠壓破碎-振動清土”的玉米根茬處理模式,，設(shè)計了一種對行挖掘式玉米根茬清土機，主要由雙圓盤挖掘鏟,、撥茬機構(gòu),、凹板-滾筒式根土分離機構(gòu)、抖動式桿條輸送機構(gòu)等組成,，可一次性完成玉米根土復(fù)合體挖掘,、撿拾、根土分離等作業(yè),。對其關(guān)鍵部件結(jié)構(gòu)進行了設(shè)計與運動分析,，分析了雙圓盤挖掘鏟受力和運動，確定了其主要結(jié)構(gòu)參數(shù)和作業(yè)參數(shù),；分析了根土復(fù)合體在根土分離各階段輸送狀態(tài)及受力狀況,，確定了撥茬機構(gòu),、凹板-滾筒式根土分離機構(gòu)、抖動式桿條輸送機構(gòu)主要結(jié)構(gòu)參數(shù)和運動參數(shù),，保證了根土復(fù)合體能逐步實現(xiàn)根土分離,。雙圓盤挖掘鏟田間試驗結(jié)果表明，玉米根土復(fù)合體挖凈率可達100%,。整機土槽試驗結(jié)果表明,，根土分離率為97.4%，分離效果較好,，所設(shè)計的對行挖掘式玉米根茬清土機具備有效的根茬挖掘及根土分離能力,。

摘要:針對東北地區(qū)玉米免耕播種時被動式防堵裝置難以兼顧切斷效果與作業(yè)載荷的問題,，基于動態(tài)滑切原理設(shè)計了一種被動式鋸齒圓盤防堵裝置,，在充分應(yīng)用滑切減阻效應(yīng)的同時可有效提高秸稈切斷效果。根據(jù)鋸齒圓盤動態(tài)滑切特性構(gòu)建了動態(tài)滑切轉(zhuǎn)換模型,，開展了支撐切割下玉米秸稈鋸齒滑切特性試驗,，得到了鋸齒結(jié)構(gòu)下最優(yōu)動態(tài)滑切角為15°~30°，針對在鋸齒結(jié)構(gòu)下所產(chǎn)生的兩種特殊切割過程及力學(xué)曲線,，假設(shè)鋸齒前角對于接觸切割過程產(chǎn)生影響,，在此基礎(chǔ)上對圓盤鋸齒結(jié)構(gòu)參數(shù)進行設(shè)計，結(jié)合土槽試驗及離散元仿真試驗對假設(shè)進行了驗證,。開展二次回歸旋轉(zhuǎn)正交試驗,，得到鋸齒結(jié)構(gòu)最優(yōu)作業(yè)參數(shù)為：前進速度2.0m/s、鋸齒前角21.3°,、齒高6.0mm,。根據(jù)仿真結(jié)果完成圓盤加工并開展田間試驗，試驗結(jié)果表明：當(dāng)秸稈覆蓋量為1.97kg/m2,、作業(yè)速度2.0m/s時,，鋸齒圓盤秸稈切斷率為76.2%，峰值下壓力為875.7N,，平均下壓力為544.1N,，通過對平面圓盤進行鋸齒結(jié)構(gòu)設(shè)計，切斷率提高34.7個百分點,，峰值下壓力和平均下壓力降低5.7%,、7.9%。圓盤作業(yè)性能良好,，滿足東北地區(qū)免耕播種要求,。

摘要:為解決玉米株心定位困難及定位精度低的問題，針對復(fù)雜自然環(huán)境玉米葉冠數(shù)據(jù),，本文開發(fā)了一種基于高貼合旋轉(zhuǎn)框的玉米株心定位方法,，并提出了一種能有效減少邊緣精度損失的標注策略。該定位方法首先通過使用高精度標注策略和構(gòu)建具有自適性的輕量化漸進特征金字塔網(wǎng)絡(luò)LC-AFPN,，得到LCA-YOLO v7OBB玉米葉冠目標檢測算法,，然后利用色彩空間濾波算法分割葉冠區(qū)域，并使用間隙填充算法提升圖像質(zhì)量,，最后利用圖像矩原理準確計算株心坐標,。實驗結(jié)果表明，模型抗干擾能力強,，株心定位準確度高,。LCA-YOLO v7OBB模型平均檢測精度可達85.19%，精確率和召回率達到91.83%和83.04%,。與Rotated-FasterRCNN等12種旋轉(zhuǎn)目標檢測模型相比,，LCA-YOLO v7OBB在準確性和召回率等綜合性能方面表現(xiàn)最佳。模型泛化能力強,，在自建黃瓜,、茄子2種數(shù)據(jù)集上進行驗證，其平均精度,、精確率,、召回率和F1值均有明顯提升。本文方法能夠為精準施肥,、農(nóng)機視覺導(dǎo)航等提供理論基礎(chǔ)和技術(shù)支持,。

摘要:為提高風(fēng)蝕儀集沙效率,，準確掌握風(fēng)沙運動規(guī)律，采用計算流體力學(xué)仿真方法并結(jié)合風(fēng)洞試驗分析風(fēng)蝕儀內(nèi)部風(fēng)沙分離器結(jié)構(gòu)參數(shù)對集沙效率的影響,。在Fluent平臺中建立風(fēng)沙分離器模型,，基于RNG k-ε模型進行數(shù)值分析，并采用離散相模型(DPM)方法計算集沙效率,，完成風(fēng)蝕儀內(nèi)部相關(guān)顆粒動力學(xué)模擬,。將風(fēng)蝕儀從楔形改進為圓柱形,，優(yōu)化了風(fēng)蝕儀結(jié)構(gòu)，提高了集沙效率,。研究了進氣管入口風(fēng)速,、沙塵顆粒粒徑與風(fēng)沙分離器結(jié)構(gòu)參數(shù)（進氣管長度、排氣管內(nèi)插深度,、錐形導(dǎo)流板錐角,、筒體長度）對集沙效率的影響。仿真結(jié)果表明,，當(dāng)風(fēng)速為13.8m/s時,，粒徑小于0.01mm沙塵是影響集沙效率的主要粒子。對風(fēng)沙分離器結(jié)構(gòu)參數(shù)進行單因素試驗,，優(yōu)選出試驗因素范圍,，開展Box-Behnken試驗對參數(shù)進行優(yōu)化取值，得到最優(yōu)參數(shù)組合：進氣管長度為12mm,、排氣管內(nèi)插深度為70mm,、錐形導(dǎo)流板錐角為40°、筒體長度為160mm,，此時集沙效率為77.05%。按最優(yōu)參數(shù)組合加工風(fēng)蝕儀模型并進行風(fēng)洞試驗,，得到集沙效率為74.38%,，與仿真結(jié)果的誤差為3.47%，相較常見楔形風(fēng)沙分離器具有更好的集沙效果,。

摘要:針對東北壟作區(qū)秸稈還田后滅茬阻力大,、功耗高、滅茬率低,、作業(yè)后壟形差等問題，設(shè)計了一種與深松鏟互作的鋸齒式滅茬刀。通過離散元仿真確定鋸齒式滅茬刀與深松鏟安裝間距為60mm,，同時為滿足鋸齒式滅茬刀作業(yè)時正切刃與不同深度（30,、60、90,、120mm）的土壤顆粒產(chǎn)生相同的相對加速度,，結(jié)合滅茬刀與深松鏟動力學(xué)分析,，得到不同深度的滑切角，確定了鋸齒式滅茬刀正切刃的刃口曲線,。以刀盤直徑和滅茬刀安裝角為試驗因素,，作業(yè)阻力、功耗為試驗指標,，進行二因素五水平中心組合試驗,，得到刀盤直徑312mm、安裝角73.2°時作業(yè)阻力和功耗最?。ㄗ鳂I(yè)阻力為1167N,、功耗為14.6kW）；田間試驗以滅茬刀入土深度,、機具前進速度為試驗因素,，作業(yè)阻力、壟高寬比,、滅茬率為試驗指標,，優(yōu)化得到滅茬刀入土深度為102mm、機具前進速度為0.65m/s時,，滅茬刀作業(yè)阻力為1467N,、壟高寬比為0.529、滅茬率為95.4%,。在此最優(yōu)作業(yè)參數(shù)下進行田間性能對比試驗,，結(jié)果表明鋸齒式滅茬刀比傳統(tǒng)滅茬刀作業(yè)阻力降低13%、壟高寬比提高6%,、滅茬率提高1個百分點,，工作性能穩(wěn)定，滿足機具作業(yè)質(zhì)量及農(nóng)藝要求,。

摘要:針對我國東北地區(qū)玉米原茬地免耕播種機高速作業(yè)時,，播種施肥觸土部件堵塞導(dǎo)致播種作業(yè)質(zhì)量降低等問題,，改進設(shè)計一種適用于高速免少耕播種作業(yè)的側(cè)向清茬刀。通過對正切刃折彎曲線及作業(yè)過程理論分析,，確定了側(cè)向清茬刀的結(jié)構(gòu)和工作參數(shù),，構(gòu)建了清茬防堵裝置在田間作業(yè)過程中刀齒-土壤-根茬離散元仿真模型，進行了以清茬刀正切刃折彎角、作業(yè)速度和刀軸轉(zhuǎn)速為影響因子,，根茬清除率,、土壤擾動率和當(dāng)量功耗為評價指標的二次回歸正交中心旋轉(zhuǎn)組合仿真試驗。依據(jù)參數(shù)優(yōu)化仿真結(jié)果試制樣機并進行田間性能試驗,，結(jié)果表明：在玉米殘茬覆蓋量1.73kg/m2,、平均留茬高度400mm、土壤硬度20.8kg/cm2條件下,，當(dāng)正切刃折彎角34.5°,、作業(yè)速度14.4km/h、刀軸轉(zhuǎn)速380r/min時性能最優(yōu),，此時根茬清除率91.6%,、土壤擾動率26.6%、當(dāng)量功耗12.62kW,；安裝優(yōu)化清茬刀的清茬裝置比安裝側(cè)向清秸刀齒的根茬清除率提高12.67%,。

摘要:針對大型凈作精播機在原茬地上無法正常作業(yè)的問題,，本文設(shè)計一種寬幅折疊式前置側(cè)向種床整備裝置,，與現(xiàn)有大型凈作精播機組成一套聯(lián)合作業(yè)機組，在任何狀態(tài)原茬地上,，無需處理,，一次進地可完成種床整備、施肥,、播種、覆土鎮(zhèn)壓等全部播種作業(yè)環(huán)節(jié),。通過理論分析確定清秸單體結(jié)構(gòu),、清秸刀齒排布方式和折疊機構(gòu)關(guān)鍵參數(shù)范圍，其中液壓缸行程為500mm,，通過仿真確定折疊與展開過程中折疊機構(gòu)角速度,、線速度變化均符合設(shè)計要求，牙嵌離合器碰撞沖擊力隨著主動牙嵌盤線速度呈非線性增長,，當(dāng)主動牙嵌盤軌跡線速度為150mm/s,、折疊角速度為0.314rad/s時，碰撞沖擊力為417N,，液壓系統(tǒng)各執(zhí)行元件同步性能,、轉(zhuǎn)速和扭矩均滿足作業(yè)技術(shù)要求。應(yīng)用三因素三水平正交試驗方法，以作業(yè)速度,、刀軸轉(zhuǎn)速和刀齒入土深度為試驗因素,，以清秸率、清秸行間一致性系數(shù),、當(dāng)量功耗,、覆秸均勻度為評價指標，實施田間參數(shù)優(yōu)化組合試驗,。試驗結(jié)果表明,，當(dāng)作業(yè)速度為7.2km/h、刀軸轉(zhuǎn)速為600r/min,、入土深度為40mm時,，種床整備裝置清秸率為90.02%、覆秸均勻度為91.11%,、當(dāng)量功耗為6.08kW和清秸行間一致性系數(shù)為91.26%,。研究結(jié)果為提高大型凈作精播機利用率，增加大型機具道路運輸便捷性,，減少機器多次進地對土壤產(chǎn)生壓實破壞,，降低生產(chǎn)成本提供技術(shù)支持。

摘要:針對試驗臺檢測排種器時未考慮種子觸土偏移，導(dǎo)致檢測結(jié)果理想化的問題,，設(shè)計了一款鋪料式排種器試驗臺,。論證了試驗臺檢測機理與地輪驅(qū)動式播種機排種機理之間的差異以及播種機所排種子殘余速度的形成機理，推導(dǎo)出播種機殘余速度的計算公式,，并計算出工作速度為2.12km/h的花生分層施肥旋耕起壟播種機殘余速度為0.25~0.42m/s,。使用EDEM軟件進行仿真分析，并記錄球型種子與具有各向異性種子（以花生為例）在投種高度10~20cm,、殘余速度0~0.42m/s以及30種觸土方式時的偏移距離與墜入深度,，結(jié)果表明：種子墜入深度越大，偏移距離越??；殘余速度一定、投種高度過低時,，種子的墜入深度較小,、偏移距離較大；投種高度越大、殘余速度越小時,，種子墜入深度越大,、偏移距離越小,；角速度與殘余速度的特定組合可以減少種子偏移距離,。使用本試驗臺對旋耕播種機的排種器進行中心組合試驗，得到該排種器在工作速度為2km/h,、投種高度為15cm,、殘余速度為0.21m/s時作業(yè)效果最好，作業(yè)合格率達到87%,。田間試驗結(jié)果表明：工作速度為2.12km/h,、投種高度為15cm時作業(yè)效果最好，粒距合格率達到84%,，證明所設(shè)計試驗臺可以準確檢測排種器排種合格率并探究其最佳工作參數(shù),。

摘要:針對玉豆帶狀復(fù)合種植機械化播種過程中田間秸稈量大、代用機具播種質(zhì)量差,、作業(yè)效率低等問題,，設(shè)計一種在收獲后原茬地條件下一次進地可同步完成“清秸防堵種床整理-玉米大豆精播施肥-秸稈均勻覆蓋”一體機。按照玉豆帶狀復(fù)合種植農(nóng)藝要求,，設(shè)計了一體機結(jié)構(gòu),；采用正交試驗與離散元仿真相結(jié)合方法，對清秸覆秸裝置結(jié)構(gòu)進行了仿真分析和參數(shù)組合優(yōu)化,，當(dāng)作業(yè)速度為9.9km/h,、刀軸轉(zhuǎn)速為625r/min、清秸總成螺旋線頭數(shù)為3,、殘茬拋撒控制板傾角為90°時，清秸率為91.03%,、覆秸勻度為87.05%,，當(dāng)量功耗為9.79kW；在機收經(jīng)粉碎秸稈殘留量1.48kg/m2的玉米原茬地實施整機田間性能試驗,，結(jié)果表明：當(dāng)作業(yè)速度為7.2km/h（保證試驗樣機排種器正常工作）,、大豆粒距為8cm、玉米粒距為10cm、刀齒入土深度為50mm時,，機具通過性良好,，大豆、玉米粒距合格指數(shù)分別為79.50%,、88.66%,，重播指數(shù)分別為4.03%、3.66%,，漏播指數(shù)分別為16.48%,、7.68%，變異系數(shù)分別為28.49%,、21.31%,，大豆、玉米播深合格率為90%,，施肥深度合格率為80%,，種肥水平間距合格率為80%，覆秸勻度為88.97%,，播后田間無晾籽現(xiàn)象,。

摘要:針對大粒徑油莎豆種子表面凹凸不平,、尺寸差異大而導(dǎo)致穴播器充種、攜種不穩(wěn)定及難以實現(xiàn)精量播種的問題,，結(jié)合油莎豆一穴2粒,、等距穴播的農(nóng)藝要求，設(shè)計了一種雙孔并行氣吸式油莎豆精量穴播器,。以油莎豆為研究對象,，闡述了穴播器的結(jié)構(gòu)和基本原理，對穴播器關(guān)鍵部件進行設(shè)計,，確定其結(jié)構(gòu)參數(shù),，對充種、攜種過程進行力學(xué)分析并構(gòu)建種子動力學(xué)模型,。采用Fluent仿真模擬分析雙孔不同分布組合下不同位置截面流場的壓力,、速度分布情況，優(yōu)選確定了型孔最佳組合方式,。結(jié)合單因素試驗,，進一步分析影響穴播器排種性能的主要參數(shù),，選取排種盤轉(zhuǎn)速、氣室負壓,、型孔直徑為試驗因素,，以合格指數(shù)、漏播指數(shù),、重播指數(shù)為排種性能評價指標進行三因素五水平二次旋轉(zhuǎn)正交組合試驗,。對試驗結(jié)果進行多元回歸分析，確定影響穴播器性能指標的主次影響因素,，并通過多目標優(yōu)化確定最佳參數(shù)組合：排種盤轉(zhuǎn)速為34.3r/min,、負壓為19.79kPa、型孔直徑為6.83mm,，對此參數(shù)組合進行臺架驗證試驗,，合格指數(shù)為92.1%，漏播指數(shù)為3.63%,，重播指數(shù)為4.27%,，滿足油莎豆精量播種要求，提高了排種均勻性,。

摘要:針對我國中小型育苗工廠育苗機械化程度低,、不同批次標準化難控制,、缺少芽苗播種輔助機械等問題，設(shè)計了一臺輕簡化分體式蔬菜育苗基質(zhì)裝穴機,，主要包含5部分：攪拌機構(gòu),、出料機構(gòu)、穴盤傳送系統(tǒng),、刮平機構(gòu)與控制系統(tǒng),；試驗結(jié)果顯示其能夠依次完成基質(zhì)的加藥預(yù)濕攪拌、出料,、裝穴以及穴盤基質(zhì)刮平等工序,，以及數(shù)字化顯示預(yù)濕基質(zhì)的溫濕度、pH值和電導(dǎo)率（EC）,；當(dāng)出料口直徑為34mm,、雙螺旋布料輥轉(zhuǎn)速為80r/min、輸送帶運送速度為0.44m/s時,，基質(zhì)裝穴合格率最高,，達到99.05%，此時裝盤效率為300盤/h,；所選傳感器可數(shù)字化顯示攪拌后基質(zhì)的溫度,、濕度、pH值EC值,，便于大批量標準化工廠育苗,。

摘要:針對茄果類種苗嫁接前通過人工預(yù)切割效率低的問題,，提出采用整盤機械式預(yù)切割的方法，以利于后續(xù)盤上嫁接作業(yè)空間增大和工作效率的提高,。設(shè)計了一種高度可調(diào)節(jié)的種苗整盤預(yù)切割裝置,，能夠適應(yīng)不同砧、穗苗品種,。采用ANSYS建立基于顯微鏡成像的番茄種苗,、辣椒種苗和茄子種苗組織結(jié)構(gòu)模型和不同刃角切刀的模型，進行不同刃角切刀切苗效果仿真,，結(jié)果顯示采用30°刃角切刀切割后苗截面最平整,；以整盤番茄種苗、辣椒種苗和〖JP3〗茄子種苗為預(yù)切割對象,，基于Design-Expert開展四因素三水平響應(yīng)面分析試驗,。試驗結(jié)果表明，當(dāng)傳送帶速度0.3m/s,、切割速率0.633m/s（電機轉(zhuǎn)速3500r/min）,、氣吹角度140°、氣流壓強0.5MPa時,，預(yù)切割效果最佳,，平均成功率98.9%，預(yù)切割效率為600盤/h（72穴規(guī)格）,。

摘要:為探究油菜毯狀苗移栽機非圓齒輪行星系栽植機構(gòu)因前進速度提升,，導(dǎo)致倒伏率升高的根本原因,，對栽植機構(gòu)運移苗,、推苗到苗塊落地的運動過程進行了分析，建立了栽植過程動力學(xué)模型,，推導(dǎo)了苗塊與秧針,、推苗部件、土壤作用的運動受力方程和立苗平衡方程,；分析了橢圓齒輪行星輪系栽植機構(gòu)軌跡參數(shù)對苗塊落地角度,、角速度和立苗的影響；基于Matlab GUI編寫了毯苗運動過程輔助分析軟件,，優(yōu)化出一組能夠滿足油菜毯狀苗栽植工作要求的軌跡參數(shù)(橢圓齒輪偏心率為1.5,、齒輪模數(shù)為2.3mm、齒數(shù)為19,、行星架初始安裝角為38°,、栽植臂與行星架初始相位角為42°、行星輪中心到秧針尖長度為142mm),；進行了栽植軌跡驗證和對比臺架試驗,。結(jié)果表明：在苗齡35d、苗高80mm油菜毯狀苗,、栽植頻率220穴/min作業(yè)條件下,，隨著前進速度增加，倒伏率增加,、栽植合格率降低,；在小于該試驗條件下理論計算的立苗臨界前進速度670mm/s時，當(dāng)前進速度為600mm/s時,，栽植機構(gòu)倒伏率為9.67%(較優(yōu)化前降低68.81%),，栽植合格率為88.67%(較優(yōu)化前提高31.69%)，苗塊落地姿態(tài)好,，滿足油菜毯狀苗的移栽要求,，驗證了理論模型正確性和軌跡參數(shù)優(yōu)化合理性。該研究可為油菜毯狀苗移栽立苗機理分析和栽植機構(gòu)優(yōu)化設(shè)計提供參考,。

摘要:針對西北梯田地田小路窄的典型作業(yè)工況,，馬鈴薯聯(lián)合收獲掉頭轉(zhuǎn)彎困難,，以及大壟雙行覆膜覆土種植方式下，多數(shù)聯(lián)合收獲裝備存在作業(yè)效率低,、分離效果差,、傷薯率及含雜率高等問題,，本文設(shè)計一種多模轉(zhuǎn)向減粘碎土型馬鈴薯聯(lián)合收獲機。該機一次性完成挖掘,、薯土分離,、薯膜分離、清潔分選,、收集裝袋、自動卸袋等工作,。結(jié)合西北梯田地馬鈴薯主產(chǎn)區(qū)收獲農(nóng)藝要求及作業(yè)工況,，確定了整機結(jié)構(gòu)和關(guān)鍵參數(shù)。利用仿生學(xué)原理,、三維掃描技術(shù),、逆向工程建模方法和動力學(xué)數(shù)值分析等方法，設(shè)計并確定了多模轉(zhuǎn)向輪式底盤,、復(fù)合仿生楔形挖掘鏟裝置,、碎土型分離升運裝置、膜秧清除裝置,、人工除雜與自動清選裝置等關(guān)鍵部件結(jié)構(gòu)及核心參數(shù),。對整機進行設(shè)計并進行了田間試驗。田間試驗結(jié)果表明,，平均損失率為1.98%,，平均傷薯率為1.59%，平均破皮率為2.15%,，平均含雜率為1.84%,，平均生產(chǎn)率為0.21~0.36hm2/h。設(shè)計的多模轉(zhuǎn)向減粘碎土型馬鈴薯聯(lián)合收獲機各項試驗指標均滿足國家及行業(yè)標準要求,。

摘要:為實現(xiàn)蘋果自動化采摘，設(shè)計了一種結(jié)構(gòu)簡單,、便攜安裝在自動化采摘設(shè)備上的單驅(qū)動無纜式氣動蘋果采摘手,，該采摘手采用微泵直驅(qū)，3根弧形爪指呈中心對稱分布由單個線性氣動柔性驅(qū)動器驅(qū)動,。手爪保持常閉狀態(tài),，作業(yè)時充壓張開，泄壓被動收攏抓取蘋果,。根據(jù)吉林地區(qū)蘋果特征參數(shù),，確定了采摘手關(guān)鍵部件設(shè)計及其尺寸參數(shù),，設(shè)計集成無纜式采摘系統(tǒng)?；隍?qū)動器變形和力學(xué)特性,，建立了手爪運動學(xué)和抓持力模型，并進行了采摘手性能測試,，獲得了其充泄壓下開合角度變化和力學(xué)特性,，結(jié)果表明采摘手開合動作迅速，抓持力和開合角度滿足目標蘋果采摘需求,。利用臂式移動機器人,，開展了試驗環(huán)境下蘋果采摘試驗和果園現(xiàn)場采摘試驗，試驗結(jié)果表明,，在采摘全程中該采摘手能安全且穩(wěn)定地抓持蘋果,，采摘成功率為84.9%，可實現(xiàn)復(fù)雜果園環(huán)境下蘋果采摘作業(yè),。

摘要:為解決基于機器視覺的茶鮮葉分級輸送速度控制精度低的問題，本文設(shè)計一種引入自適應(yīng)權(quán)重與Circle混沌映射的PSO優(yōu)化模糊PID控制器（AW-CPSO-Fuzzy-PID）,，并開展基于改進模糊PID的茶鮮葉分級輸送速度控制,。在茶鮮葉輸送傳動系統(tǒng)作業(yè)過程中，當(dāng)設(shè)定輸送速度為78.5mm/s時,，每1ms記錄一次,，輸送速度波動可控制在0.7mm/s內(nèi)；改進模糊PID茶鮮葉輸送傳動系統(tǒng)響應(yīng)時間比傳統(tǒng)PID與模糊PID分別減少81.41%,、61.74%,；超調(diào)量分別降低81.24%、41.82%,；采集目標圖像平均峰值信噪比分別提高5.8,、10.4dB。結(jié)果表明,，本文提出的方法具有更好的尋優(yōu)性能和收斂速度,。研究結(jié)果為基于機器視覺的茶鮮葉自動分級系統(tǒng)精確而穩(wěn)定的控制奠定了理論基礎(chǔ)，為解決由輸送速度波動導(dǎo)致的圖像模糊問題提供了技術(shù)方案,。

摘要:針對目前割膠機械割深不均勻、樹皮起伏適應(yīng)能力差等問題,設(shè)計一種激光測距控深割膠機,，通過構(gòu)建數(shù)學(xué)模型分析割膠作業(yè)中的軌跡動態(tài),，得到軌跡解析方程?；诟钅z執(zhí)行機構(gòu)與橡膠樹的幾何關(guān)系確定割膠刀距離調(diào)整計算方法,，明確測距點間隔角度對割膠刀調(diào)整誤差的影響機制，利用Arduino控制板實現(xiàn)了割膠過程中的軌跡行走和刀具精準控制,。以位移電機轉(zhuǎn)速,、耗皮量與切割深度閾值為試驗因素，以單次割膠刀具調(diào)整次數(shù),、壓力方差和切割深度合格率為評價指標，進行正交試驗,。試驗結(jié)果表明：位移電機轉(zhuǎn)速24r/min,、不同耗皮量和切割深度閾值設(shè)定范圍條件下，切割深度合格率均可達到87%,，當(dāng)位移電機轉(zhuǎn)速為24r/min,、耗皮量為1.3mm、切割深度閾值為-0.1～0.1mm時取得最優(yōu)割膠效果,，切割深度合格率為95.74%,，平均刀具調(diào)整次數(shù)為22.33次，壓力方差為14.89N2,，且割面平滑度較好,，滿足割膠作業(yè)要求。

摘要:葉頂間隙不可避免地存在于軸流泵的葉輪室內(nèi),，其所誘導(dǎo)產(chǎn)生的葉頂間隙泄漏渦及其空化流動極易造成揚程效率等關(guān)鍵性能參數(shù)的降低,，并伴隨振動、噪聲等不良現(xiàn)象的增強,，嚴重影響軸流泵的安全穩(wěn)定高效運行,，甚至造成水泵裝置的損壞。為了研究葉頂間隙對水泵裝置空化流動特性的影響，基于計算流體力學(xué)采用SST-CC模型結(jié)合ZGB空化模型對某傾斜安裝的軸流泵（斜式軸流泵）開展數(shù)值研究,，葉頂間隙尺寸選取?。é?R=0.0010）、中（δ/R=0.0033）,、大（δ/R=0.0067）以及無葉頂間隙4個方案,，分析空化與水泵能量性能的相互作用關(guān)系。結(jié)果表明：葉頂間隙可降低斜式軸流泵的能量性能,，所產(chǎn)生的能量損失與葉頂間隙尺寸呈正相關(guān),。空化流態(tài)方面,，小葉頂間隙方案與無葉頂間隙方案相差較小,，空化形態(tài)主要呈現(xiàn)為葉面空化；但是在中,、大葉頂間隙方案中可見明顯的片狀空化,，其與葉面空化相融合，最終形成楔形空化區(qū),。通過葉輪吸力面的流態(tài)和邊界渦量流分布得知,，空化導(dǎo)致葉輪吸力面產(chǎn)生水流匯聚，隨后流向葉頂區(qū)域并導(dǎo)致流動分離,；流動分離與葉輪尾流相互作用,，并最終形成葉道渦。這種現(xiàn)象隨著葉頂間隙尺寸的產(chǎn)生與增加呈現(xiàn)出更明顯,、更高程度的趨勢,。此外，針對葉頂間隙區(qū)域的三維流態(tài)分析表明,，空化區(qū)域與葉頂間隙泄漏流區(qū)域高度重合,，即片狀空化為葉頂間隙泄漏流挾帶空化氣泡所形成。通過熵產(chǎn)理論分析表明,，空化工況下斜式軸流泵能量性能下降的主要因素為葉道渦和葉頂間隙泄漏渦,，兩種渦的強度、影響范圍及其造成的能量損失隨著葉頂間隙尺寸的增加而增加,。

摘要:針對當(dāng)前固體廢棄物在遙感影像中標注困難,、特征復(fù)雜,、邊界提取精度低等問題,，提出了一種基于弱監(jiān)督學(xué)習(xí)的兩階段方法：第1階段采用圖像級標簽數(shù)據(jù)集，在5種網(wǎng)絡(luò)模型中進行對比實驗,，最后選擇Swin Transformer作為特征學(xué)習(xí)模型,。然后，采用梯度加權(quán)類激活映射圖進行特征區(qū)域可視化,，以得到熱力圖,。隨后融合自適應(yīng)閾值法和色差法作用于熱力圖，獲取固體廢棄物粗輪廓,。第2階段采用DeepSnake模型進行優(yōu)化以得到精細化輪廓,。利用無人機多光譜遙感影像數(shù)據(jù)，對河北省廊坊市開發(fā)區(qū)內(nèi)6個典型城鄉(xiāng)結(jié)合地區(qū)進行實驗,。第1階段,，對5種網(wǎng)絡(luò)模型進行測試，Swin Transformer優(yōu)勢顯著,，精確率93.8%,、召回率95.0%、F1分數(shù)94.4%,，同時通過注意力區(qū)域可視化對比也顯示其識別效果最好,；自適應(yīng)閾值和色差法融合法的粗輪廓提取在二值化對比實驗下顯示出優(yōu)勢。第2階段,，精輪廓提取定量分析采用了COCO數(shù)據(jù)集的評價指標平均精度(Average precision,AP)進行評價，在IOU為0.5時,，AP為91.3%,；IOU為0.75時，AP為77.5%,。同時,，在1、2階段輪廓提取的定性比較下,，顯示出DeepSnake的優(yōu)化作用,。實驗結(jié)果表明：本研究能夠利用圖像級標簽數(shù)據(jù)集精確識別提取固體廢棄物，具有顯著的精度優(yōu)勢,，可為我國城鄉(xiāng)生態(tài)環(huán)境治理等提供可行方法,。

摘要:在維護生態(tài)安全和實現(xiàn)高質(zhì)量發(fā)展的背景下,，科學(xué)構(gòu)建濱海地區(qū)生態(tài)安全格局可以有效協(xié)調(diào)區(qū)域發(fā)展與生態(tài)環(huán)境保護之間的關(guān)系。以東營市為例,，采用生態(tài)敏感性評價提取生態(tài)源地,，并根據(jù)陸、河、灘等重要生態(tài)要素的分布特征將生態(tài)源地分區(qū),，分別從初始生態(tài)源地和分區(qū)后生態(tài)源地2個角度構(gòu)建“面（生態(tài)源地）-線（生態(tài)廊道）-點（生態(tài)夾點,、生態(tài)障礙點）”生態(tài)安全格局，綜合識別國土空間生態(tài)保護與修復(fù)關(guān)鍵區(qū)域,。結(jié)果表明：東營市初始生態(tài)源地共49處,，主要分布在北部和東部的低海拔濱海濕地區(qū)，經(jīng)歸并后劃分成17個生態(tài)源地片區(qū),；研究區(qū)綜合阻力最高達98.742,，高阻力集中在建成區(qū)及其周邊；以初始生態(tài)源地和生態(tài)源地片區(qū)分別構(gòu)建生態(tài)廊道84條和24條,，2類結(jié)果重疊的生態(tài)廊道具有顯著生態(tài)意義,；此外，識別生態(tài)夾點72處,，位于河流廊道上的生態(tài)夾點需重點維護與管理,；生態(tài)障礙點54處，主要分布在東營區(qū),、墾利區(qū)和利津縣,。對于不同類別的關(guān)鍵區(qū)，提出相應(yīng)的保護,、維護,、管理以及修復(fù)策略，統(tǒng)籌“陸-河-灘-?！比蛏鷳B(tài)保護,，可為其他濱海地區(qū)生態(tài)安全格局構(gòu)建與優(yōu)化提供參考。

摘要:為解決星載LiDAR(Light laser detection and ranging)GEDI（Global ecosystem dynamics investigation）發(fā)射波激光脈沖難以穿透密林區(qū)森林冠層從而精準獲取林下地形信息，以及在高坡度地形會增加GEDI林分冠層回波與林下地形回波重疊度進而難以高精度估測森林冠層高度的問題,，結(jié)合冬季闊葉林落葉特性及GEDI發(fā)射波激光脈沖有強穿透性的特點,，對GEDI波形長度參數(shù)按照不同季節(jié)森林構(gòu)建冠層高度估測模型，分析GEDI不同百分比波形長度參數(shù)rh_aN在夏季,、冬季森林冠層高度估測精度,；之后引入地形坡度因子DTM數(shù)據(jù)修正森林冠層高度估測模型，分坡度估測森林冠層高度,，解決由高坡度地形引起的林分冠層回波與林下地形回波重疊導(dǎo)致森林冠層高度估測精度偏低問題,。研究結(jié)果表明,，夏季森林冠層高度估測決定系數(shù)R2為0.573，均方根誤差（RMSE）為3.695m,；冬季估測R2為0.633,，RMSE為3.671m；冬季森林冠層高度估測模型經(jīng)地形坡度校正后整體估測精度R2為0.709,，RMSE為3.271m,。冬季森林冠層高度估測精度明顯優(yōu)于夏季，且引入地形坡度因子后能有效提高不同地形坡度條件下森林冠層高度估測精度,。

摘要:煙葉加料作為煙草加工制絲工藝中的關(guān)鍵環(huán)節(jié)，對改善煙葉的物理和化學(xué)特性,，以及提升產(chǎn)品品質(zhì)具有重要意義,，但現(xiàn)有加料精度檢測主要集中在用量監(jiān)控，缺乏加料后效果的評估,。本文針對加料后煙葉的微量添加物含量的無損檢測及可視化分析,，構(gòu)建了基于高光譜成像和卷積神經(jīng)網(wǎng)絡(luò)（CNN）方法的煙葉微量添加物含量檢測模型、光譜預(yù)處理方法與特征波長選擇技術(shù)優(yōu)化開展建模探究,。通過高光譜成像系統(tǒng)采集添加不同比例丙二醇煙葉樣本的光譜數(shù)據(jù),，分別采用標準正態(tài)變換（SNV）、多元散射校正（MSC）,、Savitzky-Golay濾波平滑3種數(shù)據(jù)預(yù)處理方法對比,，并通過競爭性自適應(yīng)重加權(quán)算法（CARS）、主成分分析（PCA）篩選特征波長以及光譜曲線波谷點對應(yīng)波長,，確定了1146、1614,、2511,、2517、2522,、1941nm 6個共同的一致關(guān)鍵波長,。分別構(gòu)建CNN、隨機森林（RF）,、偏最小二乘回歸（PLSR）模型進行加料煙葉微量添加物丙二醇含量的檢測,。結(jié)果表明，SNV-PCA-CNN模型在訓(xùn)練集和測試集中的檢測效果最佳,，取前4個主成分數(shù)量累計貢獻率可達99%,，訓(xùn)練集決定系數(shù)R2C為0.9880,、均方根誤差RMSE為0.0020kg/kg，測試集決定系數(shù)R2P為0.9896,、均方根誤差RMSE為0.0021kg/kg,，具備優(yōu)良的擬合與泛化能力，深度學(xué)習(xí)CNN模型在測試集上的表現(xiàn)顯著優(yōu)于機器學(xué)習(xí)RF和PLSR方法,。因此基于高光譜成像的CNN模型能夠?qū)恿蠠熑~微量添加物丙二醇含量及可視化進行準確檢測及評估,。

摘要:為了實現(xiàn)生物炭表面碳氧元素與活性基團的高精快速預(yù)測,，基于課題組積累的120組生物炭樣品，建立了包含生物炭中紅外光譜和表面碳氧元素及其賦存形態(tài)定量表征信息的數(shù)據(jù)集,；采用支持向量機(SVM),、隨機森林(RF)機器學(xué)習(xí)智能建模方法，結(jié)合區(qū)間偏最小二乘法(IPLS)和主成分分析法(PCA)等特征篩選策略,，構(gòu)建了IPLS+RF,、IPLS+SVM、PCA+RF,、PCA+SVM共4種預(yù)測模型,，實現(xiàn)了表面碳氧元素含量(S_C、S_O)以及8種碳氧賦存形態(tài)共計10個預(yù)測目標的定量快速預(yù)測,。其中,，碳氧賦存形態(tài)有來自C1s能譜的C=C、C—C,、C—O,、C=O、O=C—O共5種形態(tài)(C_C=C,、C_C—C,、C_C—O、C_C=O,、C_O=C—O)以及來自O(shè)1s能譜的C=O,、C—O、O=C—O共3種形態(tài)(O_C=O,、O_C—O,、O_O=C—O)。研究結(jié)果表明：生物炭表面碳元素的主要賦存形態(tài)為C_C=C,、O_C—O,生物炭表面氧元素的主要賦存形態(tài)為C_C—O,、C_C=O,、C_O=C—O以及O_C=O；特征波段4000~3464cm-1和1588~650cm-1均包含與生物炭表面碳氧元素含量及其賦存形態(tài)高度相關(guān)的特征信息,，但1588~650cm-1蘊含的信息更為豐富,；從模型預(yù)測精度來看，IPLS+RF,、IPLS+SVM,、PCA+RF、PCA+SVM這4種預(yù)測模型均具有良好的預(yù)測能力,，IPLS+SVM和PCA+SVM尤為突出,，對10個預(yù)測目標的最優(yōu)模型決定系數(shù)均在093以上；但從模型穩(wěn)定性和泛化能力來看,，C_C—C,、C_O=C—O、O_C=O,、O_C—O還有待進一步提升,。

摘要:針對自然環(huán)境下水稻病害檢測準確性與效率不高等問題,，本文提出一種改進YOLO v5s的輕量化檢測模型YOLO-RD，并將其部署至邊緣計算設(shè)備,，設(shè)計便攜式檢測裝置,，實現(xiàn)水稻病害快速檢測。通過引入GhostNet網(wǎng)絡(luò)減少計算量和參數(shù)量,。結(jié)合輕量級注意力機制Shuffle Attention和動態(tài)檢測頭DyHead(Dynamic head),，增強模型對水稻病害圖像的特征提取和自適應(yīng)檢測能力。使用Shape-IoU替代CIoU損失函數(shù),，提升自然環(huán)境下檢測精度,。試驗結(jié)果表明，YOLO-RD模型在平均精度均值(mean Average Precision, mAP)達到94.2%的同時,，大幅降低計算復(fù)雜度和參數(shù)量,，具有良好的輕量化效果,，與基準模型相比計算量,、參數(shù)量和內(nèi)存占用量分別減少44.4%,、43.2%和41.3%,。與YOLO 11n,、YOLO v8n和YOLO v5n等目標檢測模型對比,，本模型檢測效果最佳,。將模型在樹莓派4B邊緣計算設(shè)備上部署，單幅圖像檢測時間為1.97s,，滿足實際應(yīng)用需求,，可為水稻病害智能化檢測提供高效可行的解決方案。

摘要:機器人自動化采收是溫室串番茄收獲作業(yè)的有效解決方案，其中串番茄成熟度是機器人采摘決策的重要依據(jù),。本文利用Deep White-Balance與Zero-DCE深度神經(jīng)網(wǎng)絡(luò)分別實現(xiàn)串番茄圖像偏色修正和陰影細節(jié)增強,，改善補光環(huán)境與夜間環(huán)境下圖像偏色與局部弱光等問題。同時引入深度殘差收縮網(wǎng)絡(luò),，在YOLO v5s中構(gòu)建RSBottleneck-CW模塊對特征圖進行軟閾值化處理,，抑制圖像中的噪聲干擾。實驗結(jié)果表明,，在夜間環(huán)境下,，圖像經(jīng)Zero-DCE算法增強處理后，檢測模型召回率達到0.924,，捕獲到了更多的番茄果實與果串目標,。在補光環(huán)境下，圖像經(jīng)過Deep White-Balance與Zero-DCE聯(lián)合處理后恢復(fù)了真實色彩并增強了紋理細節(jié),，檢測模型平均精度均值(mAP)達到0.849,，相比于處理前提升0.038。而嵌入RSBottleneck-CW模塊的YOLO v5s對特征圖噪聲表現(xiàn)出了很強的適應(yīng)性能,，不管是否對圖像進行深度增強,，其mAP與F1值始終比原始YOLO v5s更高，夜間環(huán)境下mAP和F1值最高分別為0.902,、0.844,，補光環(huán)境下mAP和F1值最高分別為0.868、0.817,。檢測模型檢測出果實與果串后,，利用邊框匹配算法可以獲取到串番茄最終的成熟度。當(dāng)串番茄成熟度為90%~100%時,，夜間環(huán)境與補光環(huán)境下串番茄成熟度識別平均絕對誤差分別為1.837%,、1.067%，可為串番茄采摘機器人夜間自動采收作業(yè)提供決策依據(jù),。

摘要:針對三七葉片病害中灰霉病與疫病表型特征高度相似,、炭疽病等病害病灶區(qū)域小且形態(tài)復(fù)雜導(dǎo)致的圖像分割特征提取困難與識別精度不足問題，本文提出了Transformer-DCNv2-BlendMask（TD-BlendMask）三七葉片多類別病害圖像分割模型,。首先,，為了解決三七葉病害視覺相似問題，引入了Transformer編碼器來捕獲多種病害類別的長距離依賴性,。其次,，可變形卷積網(wǎng)絡(luò)（DCNv2）通過引入偏移量，使其在分割各種復(fù)雜形狀的病害方面具有更好的適應(yīng)性,。最后,，與其他常用的實例分割模型（如BoxInst、ConInst,、SOLOv2,、Mask R-CNN和YOLO v8-seg）在包含多類別疾病的三七葉片病害數(shù)據(jù)集上進行比較。實驗結(jié)果表明,，所提出模型精確度（AP）達到86.14%,，比基準模型高3.17個百分點，相比經(jīng)典的Mask R-CNN模型高出4.37個百分點,。在灰霉病,、疫病和炭疽病類別上，分別提高0.16,、4.32,、4.46個百分點。因此,，本文所提出的方法為在復(fù)雜環(huán)境中準確分割形狀復(fù)雜且視覺高度相似的病害提供了有效解決方案,，有助于實現(xiàn)病害準確量化。

摘要:針對傳統(tǒng)蟻群算法在農(nóng)機導(dǎo)航路徑規(guī)劃中存在前期搜索盲目,、死鎖,、收斂速度慢、收斂路徑質(zhì)量低的問題，本文提出基于跳點優(yōu)化蟻群算法(Jump point optimized ant colony algorithm, JPOACO)的路徑規(guī)劃方法,。首先，使用優(yōu)化跳點搜索算法對地圖進行預(yù)處理,，獲得簡化跳點,；其次，通過簡化跳點對柵格地圖進行信息素初始化,，以加強簡化跳點的引導(dǎo)能力和減少前期盲目搜索,；接著，設(shè)計螞蟻死亡懲罰機制,，以降低陷入死鎖螞蟻走過路徑的信息素,，減少死鎖問題的發(fā)生；再者,，通過重新設(shè)計啟發(fā)式信息函數(shù)并引入分級式信息素因子改進狀態(tài)轉(zhuǎn)移概率函數(shù),，以提高收斂速度，縮短路徑長度,；最后,，采用路徑優(yōu)化策略刪減不必要路徑節(jié)點，以進一步縮短路徑長度,、提升平滑度,，提高路徑質(zhì)量。仿真結(jié)果表明,在簡單環(huán)境中,，JPOACO算法求得的路徑長度較傳統(tǒng)蟻群算法和另一種優(yōu)化蟻群算法短約22.6%和2.0%,，收斂迭代次數(shù)、收斂時間分別減少約77.0%,、77.5%和49.3%,、87.8%，零死亡迭代次數(shù)和零死亡時間較后者減少約19.5%和80.5%,；在復(fù)雜菠蘿種植環(huán)境中,，JPOACO算法較傳統(tǒng)蟻群算法和另一種優(yōu)化蟻群算法求得的路徑長度短16.6%和4.7%，收斂迭代次數(shù),、收斂時間分別減少約77.1%,、17.4%和73.7%、47.4%,，零死亡迭代次數(shù)和零死亡時間較后者減少約34.3%和58.2%,，表明本文算法具有較高的適用性和可行性。

摘要:隨著生豬養(yǎng)殖業(yè)向規(guī)?；图s化轉(zhuǎn)型，非侵入式個體識別技術(shù)對于追蹤溯源,、食品安全,、疾病控制等方面至關(guān)重要，而豬只面部關(guān)鍵點定位技術(shù)是實現(xiàn)豬只非侵入式個體識別的前提,。本研究基于SimCC關(guān)鍵點定位算法提出一種豬只面部關(guān)鍵點定位模型FCM-SimCC,，使用FasterNet代替原算法的CSPDarkNet作為特征提取網(wǎng)絡(luò)；通過在FasterNet中嵌入CA注意力機制,，提高模型對長距離特征的捕獲能力,；使用MLT自適應(yīng)權(quán)重多任務(wù)損失函數(shù)聯(lián)合KL散度損失函數(shù)與Wing Loss損失函數(shù)對模型進行監(jiān)督。在包含多個豬只品種,、多種面部姿態(tài)的4861幅圖像的數(shù)據(jù)集上進行實驗,，結(jié)果表明本研究模型平均精度均值、50%平均精度,、75%平均精度分別為76.12%,、93.44%、83.25%,，相比原模型分別提升3.14,、1.77、4.47個百分點,，浮點運算量為2.79×109,，參數(shù)量為1.38×107，浮點運算量減少38.68%,，參數(shù)量減少20.16%,。并與DarkPose、HRNet,、YOLO X-Pose等主流關(guān)鍵點定位方法進行對比,，實驗結(jié)果表明FCM-SimCC模型能夠在較低的浮點運算量與較少模型參數(shù)量的基礎(chǔ)上實現(xiàn)快速精準的豬只面部關(guān)鍵點定位，為豬只面部關(guān)鍵點定位及后續(xù)的豬只個體身份識別等提供技術(shù)支持,。

摘要:為提高奶牛熱應(yīng)激預(yù)測模型的準確性和可解釋性,，本研究采用奶牛紅外體表溫度和熱應(yīng)激潛在影響因子作為特征,，基于極限梯度提升算法（XGBoost）構(gòu)建個體熱應(yīng)激預(yù)測模型,，并引入基于Shapley值的可加性特征歸因算法（SHapley Additive exPlanations，SHAP）解釋預(yù)測結(jié)果,。選取了軀干,、前乳（UD）、臉部以及眼部的最高溫度（IRTmax）和平均溫度（IRTave）作為體表溫度變量,，并結(jié)合環(huán)境參數(shù)和奶牛相關(guān)變量構(gòu)建了特征子集,。結(jié)果顯示，熱應(yīng)激情況下,，奶牛4個部位的IRTmax和IRTave均顯著高于無熱應(yīng)激情況（p<0.01）。對比隨機森林,、自適應(yīng)提升和梯度提升樹模型,，結(jié)果表明，使用前乳平均溫度（IRTave_UD）作為輸入特征,，并經(jīng)過網(wǎng)格搜索優(yōu)化的XGBoost模型在預(yù)測奶牛熱應(yīng)激方面表現(xiàn)最佳,，其準確率為80.8%，F(xiàn)1值為79.2%,，ROC曲線下面積（AUC）為0.873,。SHAP分析表明，前乳平均溫度（IRTave_UD）與熱應(yīng)激發(fā)生呈正相關(guān),，而泌乳天數(shù)與其呈負相關(guān),，這兩者可作為奶牛熱應(yīng)激識別的關(guān)鍵指標。研究結(jié)果可為奶牛舍夏季精準降溫管理提供技術(shù)支持和參考,。

摘要:傳統(tǒng)人工測量方法在蛋雞雞冠肉垂面積測算中存在接觸性應(yīng)激風(fēng)險,、人畜共患病隱患及測量誤差較大等問題。為此,，本研究提出基于YOLO v7與改進U-Net的雞冠肉垂自動分割與面積計算方法,。構(gòu)建兩階段檢測框架：利用YOLO v7完成雞頭姿態(tài)篩選與ROI提取，有效消除非正視角圖像干擾,；提出融合Contextual Transformer的CoT-UNet模型：通過將CoT塊融入U-Net編碼器實現(xiàn)動態(tài)和靜態(tài)上下文特征融合,，結(jié)合本文構(gòu)建的DyC-UP上采樣模塊（采用動態(tài)可調(diào)卷積核強化不規(guī)則邊緣特征提取）,，顯著提升不同雞冠特征分割能力,；建立像素-面積轉(zhuǎn)換算法：基于標定系數(shù)實現(xiàn)從圖像空間到物理空間的精準映射。實驗結(jié)果表明,，改進CoT-UNet相較基線模型,，在雞冠和肉垂分割任務(wù)中,，IoU提升4.77、8.75個百分點,，精確率提升5.31,、5.06個百分點，分割質(zhì)量改善顯著,。在面積計算精度方面,，雞冠面積絕對誤差（0.62~3.50cm2）和肉垂面積絕對誤差（0.10~2.93cm2）較傳統(tǒng)手工測量（3.58~7.27cm2）具有明顯優(yōu)勢。多場景驗證顯示,，在不同姿態(tài)（3類）,、拍攝角度（2種）和距離（2種）條件下，雞冠面積相對誤差為2.41%~13.62%,，肉垂面積相對誤差為1.00%~29.21%,。本研究實現(xiàn)了非接觸式禽類生物特征精準測量，為智慧化種雞選育提供了可靠的技術(shù)支持,。

摘要:為實現(xiàn)籠養(yǎng)蛋雞聲音的準確分類,，實現(xiàn)蛋雞健康,、情緒、生產(chǎn)狀態(tài)等信息的智能化,、非接觸式檢測,，提出了一種基于改進MobileNetV3的籠養(yǎng)蛋雞聲音分類識別方法。以欣華二號蛋雞為研究對象,，采集蛋雞在籠養(yǎng)條件下發(fā)出的熱應(yīng)激聲,、驚嚇聲、產(chǎn)蛋聲以及鳴唱聲,，經(jīng)過聲音預(yù)處理將一維聲音信號轉(zhuǎn)化為三維梅爾頻譜圖,，建立了包括8541幅梅爾頻譜圖的蛋雞聲音數(shù)據(jù)集。通過在MobileNetV3中引入高效通道注意力(Efficient channel attention, ECA)模塊,，提高了籠養(yǎng)蛋雞聲音分類準確率,。試驗結(jié)果表明，MobileNetV3-ECA模型準確率,、召回率,、精確率以及F1分數(shù)分別達到95.25%、95.16%,、95.02%,、95.08%,，相比原始模型分別提高1.99、2.08,、2.00,、2.04個百分點。通過與分別引入坐標注意力(Coordinate attention, CA),、卷積塊注意力模塊(Convolutional block attention module, CBAM)的模型對比,，引入ECA模塊后模型準確率分別提高2.11、2.03個百分點,，其他指標同樣有更明顯的提高,。與ShuffleNetV2、DesNet121和EfficientNetV2模型相比,，MobileNetV3-ECA準確率分別提高1.99,、2.03、2.50個百分點,。本文提出的基于MobileNetV3-ECA的蛋雞聲音分類識別方法，能夠有效且準確地實現(xiàn)對包括熱應(yīng)激聲在內(nèi)的不同種類蛋雞聲音分類識別,，為蛋雞規(guī)?；B(yǎng)殖中的自動化、智能化聲音檢測提供了算法支持,，為禽舍巡檢機器人功能優(yōu)化提供了參考,，同時為規(guī)模化籠養(yǎng)蛋雞熱應(yīng)激預(yù)警開辟了思路,。

摘要:為揭示不同水肥一體化模式下蘋果樹細根時空分布規(guī)律,，探明不同滴灌施肥參數(shù)對蘋果樹細根生長的調(diào)控效應(yīng),，2019—2021年進行二因素二水平完全組合設(shè)計田間試驗，毛管布設(shè)方式設(shè)置一行一管和一行兩管,，施肥周期設(shè)置15d和30d,，采用微根管原位監(jiān)測技術(shù)，持續(xù)觀測蘋果樹活躍生長期內(nèi)細根的生長和死亡情況,，分析了蘋果樹細根生長和周轉(zhuǎn)對毛管布設(shè)方式和施肥周期的響應(yīng)動態(tài),。細根現(xiàn)存量和生長量隨季節(jié)動態(tài)變化為單峰曲線，細根死亡量為雙峰曲線,。與施肥周期30d相比,，施肥周期15d在時間和空間分布上均能顯著提高細根現(xiàn)存量,、生長量和死亡量。毛管布設(shè)方式對蘋果樹細根現(xiàn)存量和死亡量的影響在時間上未達到顯著水平,，對細根生長量的影響隨季節(jié)的變化而變化,；在空間分布上，一行兩管的細根現(xiàn)存量,、生長量和死亡量在19~38cm土層中顯著大于一行一管,，在57~76cm土層中規(guī)律相反。毛管布設(shè)方式和施肥周期及其交互作用均對根系周轉(zhuǎn)率有顯著影響,，一行一管,、施肥周期15d較其他處理能夠加快細根周轉(zhuǎn)。施肥周期對蘋果樹細根生長和死亡有較明顯的調(diào)控效應(yīng),，而毛管布設(shè)方式能調(diào)節(jié)細根的空間分布,，一行一管、施肥周期15d處理較其他處理更有利于提高細根現(xiàn)存量和生長量,，加快細根周轉(zhuǎn),，優(yōu)化細根空間分布。

摘要:內(nèi)蒙古自治區(qū)作為中國北方重要的生態(tài)安全屏障,，研究其植被變化與水熱因子的影響機制對北方地區(qū)的生態(tài)安全意義重大?；趦?nèi)蒙古地區(qū)1982—2020年歸一化植被指數(shù)(Normalized difference vegetation index,，NDVI)與氣象數(shù)據(jù)，采用通徑分析方法分析內(nèi)蒙古地區(qū)氣溫和降水量對植被覆蓋變化的直接及間接影響作用,，利用Copula函數(shù)建立概率分布函數(shù)來描述降水量-NDVI,、溫度-NDVI的依賴關(guān)系，為該地區(qū)生態(tài)建設(shè)提供科學(xué)依據(jù),。結(jié)果表明：1982—2020年,，內(nèi)蒙古地區(qū)降水量以速率0.357mm/（10a）（P=0.276）減少，氣溫以速率0.243℃/（10a）（P＜0.001）增加,，NDVI以速率0.009/（10a）（P=0.228）增加,，植被退化面積遠小于改善面積。降水量和溫度通過彼此抑制植被生長,，降水量對植被NDVI綜合通徑系數(shù)均為正（0.927）,，溫度對植被NDVI綜合通徑系數(shù)均為負（-0.809）,，且降水量對植被生長的直接作用遠大于氣溫的間接作用。當(dāng)降水量高于閾值7mm（西部）,、15mm（中部）,、20mm（東部）和10mm（全區(qū)）時，NDVI分別大于0.16,、0.3,、0.5和0.3，植被指數(shù)隨降水量和聯(lián)合概率增加而增加,。NDVI隨溫度自西向東降低而有所增加,，有利于植被發(fā)育的溫度范圍向低溫區(qū)擴大，呈階梯狀分布,。

摘要:為探討不同滴灌淋洗模式對南疆鹽堿化棉田的影響，采取淋洗量和淋洗時期2因素交互設(shè)計,，淋洗量設(shè)置4個水平：W1（75mm）,、W2（150mm）、W3（225mm）和W4（300mm）,，淋洗時期設(shè)置3個處理：T1（在苗期1次淋洗）,、T2（在苗期和蕾期2次淋洗）和T3（在苗期,、蕾期和花鈴期3次淋洗）,，及1個灌溉量為85%ETC（棉花生育期需水量）無淋洗的對照組（CK），進行大田試驗,。試驗結(jié)果表明：在鹽堿化棉田滴灌淋洗中,，可將鹽分進行淋洗。與CK處理相比,，W4和W3在2020,、2021年分別降低0~100cm土壤含鹽量13.17%和26.57%，增加產(chǎn)量104.13%和59.36%,。各處理地上部干物質(zhì)量Logistic擬合效果良好（決定系數(shù)R2≥0.9654,，P<0.05）。在相同淋洗時期下,，地上部干物質(zhì)量累積量,、籽棉產(chǎn)量與淋洗量呈正相關(guān)，而經(jīng)濟系數(shù)與淋洗量之間存在差異性,。主成分分析法,、基于組合賦權(quán)的理想點法模型,、灰色關(guān)聯(lián)度分析法和隸屬函數(shù)分析法兩兩之間具有良好的相關(guān)性，各模型之間相關(guān)系數(shù)為0.92～0.99,?；谡w差異組合評價模型得出W4T2處理最優(yōu)?？紤]到該地區(qū)干旱少雨,，鹽堿化棉田生育期內(nèi)淋洗量225mm、淋洗時期為苗期和蕾期,，棉田綜合指標評價值為1.3765,，為適宜的鹽堿化棉田滴灌淋洗制度。本研究可為南疆鹽堿化棉田生育期滴灌淋洗水鹽科學(xué)管理提供理論指導(dǎo),。

摘要:開展室內(nèi)凍融循環(huán)試驗，設(shè)置不同土壤初始含水率（15%,、20%,、25%）、不同含鹽量（原始土壤,、施加0.2% NaHCO3）,、不同生物炭粒徑（0~0.5mm，S處理,；0.5~2mm,，L處理）與未處理組（CK），分析凍融循環(huán)過程中不同調(diào)控措施下土壤孔隙結(jié)構(gòu)變化對土壤滲透性與水鹽再分布的影響,，并定量表征土壤水鹽運移過程,。結(jié)果表明：凍融作用促使土壤孔隙擴張，骨料破碎,，導(dǎo)致土壤飽和導(dǎo)水率（ks）上升,、凍土飽和導(dǎo)水率（kfs）下降。且土壤初始水鹽含量提升均會增加凍融作用對土壤結(jié)構(gòu)的破壞,，增加土壤孔隙擴張幅度與凍融循環(huán)結(jié)束后ks與kfs變化幅度,，并加劇凍融期土壤水鹽上遷比例。施用生物炭可降低凍融期土壤孔隙擴張幅度并提高土壤團聚體穩(wěn)定性,。與CK相比,，各含水率及各含鹽量S、L處理分別使凍融后ks平均降低48.35%、37.69%,，kfs下降幅度平均降低55.44%,、78.55%。同時,，生物炭處理可降低表層土壤（10cm處）含水率與電導(dǎo)率上升幅度,。土壤大孔隙占比與小孔隙占比分別為ks和kfs的關(guān)鍵驅(qū)動因子。本研究表明施加0.5~2mm生物炭對凍融條件下土壤滲透性能及水鹽再分布狀況的調(diào)控效果最佳,。研究結(jié)果可為凍融土壤水鹽遷移理論研究體系提供理論依據(jù)和技術(shù)支撐,。

摘要:針對寒區(qū)冬季密閉式畜舍內(nèi)現(xiàn)有的溫濕環(huán)境調(diào)控?zé)崃繐p失大,、補溫能耗高,，以及僅依賴溫度或濕度等單一指標調(diào)控而導(dǎo)致環(huán)境調(diào)控效果不佳等問題，基于課題組前期研發(fā)的寒區(qū)畜舍內(nèi)循環(huán)除濕系統(tǒng),，提出一種改進的多目標優(yōu)化算法（Improved non-dominated sorting genetic algorithm-Ⅱ,，INSGA-Ⅱ）優(yōu)化該系統(tǒng)保溫、除濕和能耗的運行效果,。INSGA-Ⅱ采用自適應(yīng)差分變異算子和改進精英保留策略的方法,，增加最優(yōu)解的種群多樣性，避免算法陷入局部收斂,。通過Zitzler-Deb-Thiele（ZDT）系列測試函數(shù)驗證,，改進INSGA-Ⅱ算法的反向世代距離（Inverted generational distance，IGD）和世代距離（Generational distance,，GD）指標都優(yōu)于傳統(tǒng)NSGA-Ⅱ算法,，與真實解更為接近。內(nèi)循環(huán)除濕系統(tǒng)優(yōu)化調(diào)控性能數(shù)據(jù)表明,，空間廣泛性評價指標（Spacing,，SP）從NSGA-Ⅱ的0.1118降低到INSGA-Ⅱ的0.0202,，最優(yōu)解分布域顯著增加,，可為系統(tǒng)運行的優(yōu)化調(diào)控提供更為廣泛的參考依據(jù)，同時求解速度提高106.42%,。在除濕系統(tǒng)仿真調(diào)控效果方面,，INSGA-Ⅱ算法調(diào)控平均降溫比NSGA-Ⅱ算法減少1.43℃，降幅為23.06%,，減少了由除濕帶來的舍內(nèi)降溫,，能夠獲得更好的保溫節(jié)能效果。因此,，改進INSGA-Ⅱ優(yōu)化算法有助于提升畜舍內(nèi)循環(huán)除濕系統(tǒng)工作性能,，為畜舍溫濕環(huán)境精準調(diào)控提供可行的技術(shù)支撐,。

摘要:超聲是一種有工業(yè)應(yīng)用前景的食品物理加工技術(shù),。為開發(fā)適合食品加工的超聲設(shè)備,，利用COMSOL多物理場仿真軟件對狹縫式連續(xù)超聲設(shè)備在單頻（28、40kHz）和雙頻（28/40kHz）模式下的聲場分布進行了數(shù)值模擬計算,，并通過鋁箔腐蝕試驗對仿真模型計算的準確性進行了驗證,。仿真結(jié)果表明，單頻超聲聲場在換能器正下方產(chǎn)生負相位聲壓,，在換能器周圍輻射交匯區(qū)域形成振動穩(wěn)定的正相位聲壓,。鋁箔腐蝕結(jié)果證實鋁箔表面在負相位聲壓區(qū)呈現(xiàn)不規(guī)則波浪型形變，在正相位聲壓區(qū)呈現(xiàn)顆粒狀點蝕,。通過仿真數(shù)據(jù)計算超聲聲場在換能器正下方以及換能器周圍輻射區(qū)域絕對總聲壓的相對標準差得出28kHz最低相對標準差為0.764,，40kHz最低相對標準差為0.960，28/40kHz最低相對標準差為0.658,。28/40kHz雙頻超聲最低相對標準差是28kHz單頻超聲聲場的86.1%,，是40kHz單頻超聲聲場的68.5%。研究表明雙頻超聲聲場分布更為均勻,。本研究可以為研發(fā)高效的食品超聲加工裝備提供依據(jù),，為狹縫連續(xù)式超聲用于食品加工提供指導(dǎo)。

摘要:原料粉碎是飼料加工的重要工藝環(huán)節(jié)，錘片式粉碎機篩網(wǎng)破損是常見的故障,。針對篩分式粉碎機篩網(wǎng)破損識別裝置中顆粒篩分過程離散元仿真缺乏粉碎顆粒有效接觸參數(shù),，數(shù)值模擬不準確等問題，以玉米為試驗材料,，在獲得粉碎機篩網(wǎng)沖擊特性和粉碎玉米顆粒粒度分布特征的基礎(chǔ)上,，選擇粉碎玉米顆粒的特征粒徑制作試驗樣本，采用碰撞斜板法和漏斗法試驗結(jié)合離散元仿真,，以多面體顆粒模型代表粉碎玉米顆粒,，對粉碎玉米顆粒接觸參數(shù)進行標定。研究結(jié)果表明，篩網(wǎng)上部和下部的平均沖擊強度和更大且沖擊頻率高,，更容易破損,，粉碎玉米顆粒間和粉碎玉米顆粒與碳鋼間碰撞恢復(fù)系數(shù)分別為0.14和0.44，仿真驗證試驗相對誤差為0.56%和1.95%,，粉碎玉米顆粒間和粉碎玉米顆粒與碳鋼間動摩擦因數(shù)分別為0.77和0.85,，仿真驗證試驗相對誤差為3.04%和3.56%。研究結(jié)果為解析粉碎機篩網(wǎng)沖擊特性和篩分式篩網(wǎng)破損識別裝置優(yōu)化提供基礎(chǔ)數(shù)據(jù)和理論依據(jù),。

摘要:提出了一種新型的便攜式實時熒光檢測系統(tǒng),，旨在實現(xiàn)生鮮豬肉新鮮度的實時檢測,。該系統(tǒng)主要由兩大部分組成：氮摻雜石墨烯量子點（N-GQDs）熒光納米材料的研究和便攜式熒光檢測裝置的創(chuàng)制。通過透射電子顯微鏡,、傅里葉變換紅外光譜和X射線光電子能譜等技術(shù)對N-GQDs形貌,、結(jié)構(gòu)和表面官能團進行分析，證實N-GQDs被成功合成,；探討了N-GQDs的光學(xué)特性,，證明了N-GQDs對胺類物質(zhì)具有優(yōu)異的靈敏度和選擇性；通過響應(yīng)機理分析,，表明N-GQDs與NH3之間產(chǎn)生了靜態(tài)猝滅效應(yīng),。便攜式熒光傳感器檢測裝置包括硬件設(shè)計和軟件設(shè)計，主要包含5個模塊,，分別是光源激發(fā)模塊,、熒光檢測模塊、溫濕度檢測模塊,、無線通訊模塊和閾值報警模塊,；通過無線通訊模塊將檢測數(shù)據(jù)實時傳輸至手機APP和上位機，實現(xiàn)了數(shù)據(jù)的可視化和存儲,。將N-GQDs熒光納米材料與便攜式熒光檢測裝置結(jié)合開發(fā)了便攜式實時熒光豬肉新鮮度檢測系統(tǒng),，并在生鮮豬肉中進行了系統(tǒng)性能實驗驗證。實現(xiàn)冷藏（4℃）和室溫（25℃）條件下豬肉TVB-N含量精準檢測并表現(xiàn)出優(yōu)異的線性關(guān)系（R225℃=0.97,，R24℃=0.92）,。

摘要:生鮮農(nóng)產(chǎn)品易發(fā)生品質(zhì)劣變,，其中氨氣是反映其品質(zhì)變化的重要檢測指標,。針對傳統(tǒng)有芯片氨氣傳感器電路設(shè)計復(fù)雜、壽命有限問題,，設(shè)計了一種無芯片射頻識別(Radio frequency identification, RFID)氨氣傳感器,，用于生鮮農(nóng)產(chǎn)品揮發(fā)性氨氣檢測。首先,，基于高頻電磁仿真軟件（High frequency structure simulator,，HFSS）設(shè)計了微帶貼片天線結(jié)構(gòu)，研究了傳感器天線的電磁場分布,、回波損耗S11和極化特性,，通過在微帶天線上加載金屬短路和寄生單元優(yōu)化了傳感器結(jié)構(gòu)；采用激光雕刻技術(shù)制備傳感器標簽,，并選擇了在室溫下對氨氣具有良好選擇性的ZnO/TiO2納米復(fù)合材料,，將其噴涂在微帶天線表面輻射單元上；其次,，結(jié)合氨氣射頻檢測原理,，搭建了基于無芯片RFID的生鮮農(nóng)產(chǎn)品揮發(fā)性氨氣測試系統(tǒng)，分析了傳感器的交叉敏感性和低溫高濕環(huán)境下的穩(wěn)定性,，最后,，對實際測試結(jié)果進行了主成分分析和Pearson相關(guān)分析。試驗結(jié)果表明,，該無芯片RFID傳感器中心諧振頻率為2.25GHz,，加載金屬短路后增益提升0.13dB，在實驗室氨氣質(zhì)量濃度0~100mg/L環(huán)境下靈敏度達到0.11dB·L/mg,，實際測試過程中,，雞肉氨氣傳感響應(yīng)值較高，為9.0dB,；蝦肉氨傳感響應(yīng)值較低,，為4.5dB。此外,，傳感器檢測響應(yīng)能有效區(qū)分干擾氣體（H2S,、CO2、CH4,、C2H5OH）,，相關(guān)系數(shù)絕對均值均小于0.5；在低溫高濕環(huán)境下,，傳感器能夠有效完成氨氣檢測,，且穩(wěn)定性良好,。

摘要:針對電動拖拉機雙電機驅(qū)動系統(tǒng)（Dual motors drive system,，DMDS）模式切換瞬時沖擊度大、作業(yè)穩(wěn)定性差等問題,，提出一種基于DMDS瞬態(tài)特性的接合/分離驅(qū)動模式切換控制方法,。建立瞬態(tài)濕式多片電磁離合器摩擦轉(zhuǎn)矩模型及驅(qū)動系統(tǒng)動力學(xué)模型，提出模型預(yù)測控制（Model predictive control,，MPC）接合策略及扭矩轉(zhuǎn)移控制（Torque transfer control,，TRC）分離策略，在模式切換過程中協(xié)調(diào)控制牽引電機（Traction motor,，TM）,、PTO電機（PTO motor，PM）輸出扭矩及離合器摩擦轉(zhuǎn)矩,。以沖擊度和作業(yè)速度偏差為評價指標,，開展DMDS模式切換臺架試驗，結(jié)果表明：MPC接合策略最大沖擊度為15.86m/s3,，最大作業(yè)速度偏差絕對值為0.17km/h,，相較于傳統(tǒng)PID控制分別降低56.24%和51.42%；TRC分離策略最大沖擊度為9.06m/s3,，最大作業(yè)速度偏差絕對值為0.07km/h,，相較于傳統(tǒng)PID控制分別降低74.92%和76.66%。本文提出方法兼顧DMDS關(guān)鍵部件動作特性和負載時變特性,，提升了DMDS模式切換平順性和作業(yè)穩(wěn)定性,，滿足拖拉機牽引作業(yè)需求，可為電動拖拉機多源驅(qū)動控制研究提供參考,。

摘要:針對燃料電池拖拉機在設(shè)計之初因使用質(zhì)量未知而無法獲取拖拉機動力性指標約束的問題,，以雙軸驅(qū)動燃料電池拖拉機為研究對象,，本文提出了一種參數(shù)自適應(yīng)優(yōu)化方法。采用質(zhì)量閉環(huán)算法解決動力系統(tǒng)因使用質(zhì)量未知導(dǎo)致無法準確獲取動力性指標約束的問題,。為了提高運行效率,，采用遍歷搜尋算法對前后軸減速器傳動比進行優(yōu)化,。以能耗最小化為目標將質(zhì)量閉環(huán)算法、遍歷搜尋算法和遺傳算法融合形成使用質(zhì)量未知下雙軸驅(qū)動燃料電池拖拉機參數(shù)自適應(yīng)優(yōu)化方法,。參數(shù)自適應(yīng)優(yōu)化方法可同時優(yōu)化燃料電池拖拉機使用質(zhì)量,、動力性參數(shù)和前后軸減速器傳動比,。為驗證該方法合理性,，制定了規(guī)則設(shè)計方法作為對比方法，并在犁耕工況下對兩種方法進行了仿真,。結(jié)果表明,，采用參數(shù)自適應(yīng)方法得到的雙軸驅(qū)動燃料電池拖拉機使用質(zhì)量和等效氫氣消耗量比規(guī)則方法分別降低14.44%和8.41%，其中動力源電機運行效率分別提升3.28,、5.29個百分點,，能量源燃料電池和動力電池輸出功率分別降低6.81%和38.59%。該方法為使用質(zhì)量未知情況下燃料電池拖拉機參數(shù)設(shè)計提供了理論基礎(chǔ),。

摘要:梯形四桿直線機構(gòu)是一種具有特殊位形的近似直線機構(gòu)，其過定點時連桿曲線為近似直線,、且連桿平行于機架,，在多足機器人領(lǐng)域具有較好的應(yīng)用前景。為了完善和簡化此類機構(gòu)軌跡綜合方法,，在解析法基礎(chǔ)上,，研究其圖解綜合方法?；跓o限接近運動幾何學(xué)理論并結(jié)合公式與圖解,，證明了在一定條件下，梯形四桿直線機構(gòu)特殊位形和曲率駐點曲線蛻化之間互為充要條件,；提出了一種圖解綜合方法,，在給定鮑爾點位置和直線運動方向前提下，各鉸鏈位置和各連桿尺度可通過平面作圖確定,，并編寫Matlab程序驗證了所提方法,。在此基礎(chǔ)上提出了機構(gòu)直線性能評價指標“直線段相位比”，列舉了不同條件下機構(gòu)直線性能,，并結(jié)合遺傳算法探索了該指標下的最優(yōu)機構(gòu),，優(yōu)化得到一種直線段相位比為0.665的四桿直線機構(gòu)。

摘要:大功率外嚙合齒輪泵在高轉(zhuǎn)速運行時容積效率較低,，無法滿足電動工程機械高速化需求,。首先建立傳統(tǒng)泵三維模型，并基于三維模型的結(jié)構(gòu)參數(shù)推導(dǎo)齒腔吸油流量-壓力數(shù)學(xué)模型,，對數(shù)學(xué)模型進行分析,，提出一種基于“π”形槽設(shè)計的吸油流道優(yōu)化方案；然后采用Pumplinx對全因子正交設(shè)計的結(jié)構(gòu)參數(shù)進行計算,，建立優(yōu)化泵容積效率的預(yù)測模型,；最后通過試驗驗證優(yōu)化泵的性能。結(jié)果表明：徑向吸油時,，過流面積小,，齒腔充滿油液所需的瞬時壓力較大，且高轉(zhuǎn)速運行時,，齒腔充液時間縮短,，導(dǎo)致泵高轉(zhuǎn)速運行時容積效率快速下降；通過徑向-軸向聯(lián)合吸油的方法,，在3000r/min時所需Δp≥0.1MPa的最小齒腔容積占比比徑向吸油減小42.62個百分點,，具有較高齒腔充液率；被優(yōu)化結(jié)構(gòu)參數(shù)對容積效率的影響程度從大到小依次為d2,、Rm,、d1，且容積效率預(yù)測模型R2為0.9971,，具有較高可靠性,；傳統(tǒng)泵運行轉(zhuǎn)速大于2700r/min時容積效率快速下降，在3000r/min時容積效率降至81.87%,，而優(yōu)化泵在2700r/min后容積效率下降趨勢較為緩慢,，在2800、2900,、3000r/min下容積效率分別提高1.8,、6.79、11.64個百分點,。