日韩?国产 欧美视频二区,亚洲色图 欧美色图,久久精品国产99国产精品,久久精品国产一区二区三区

Abstract:

收獲機械化率低是影響我國甘蔗產業可持續發展的關鍵因素之一，適用的機收技術與裝備是推進機收發展的必要條件。本文從收獲窗口期甘蔗的理化特性，糖廠與農藝對機收的技術要求，機械化收獲的技術路線，機收分行與扶起、切梢、推倒、根部切割、輸送、切段、除雜、集料等關鍵技術與部件以及收獲系統等方面進行文獻梳理。分析了這些技術存在的問題和國內外收獲機在我國的適用性。我國已形成了完備的科研與制造體系，生產出大、中、小型系列甘蔗收獲機。我國甘蔗收獲機械的研制具有自上而下的研發任務和政策引導，以及在引進、消化吸收國外先進技術基礎上進行研發的特點，甘蔗收獲機技術路線創新不夠，關鍵技術原創性不足。國內外現有機型在我國的適用性較差，糖廠和蔗農對機收含雜率、損失率、根茬破頭率和蔗田碾壓的接受程度較低。結合我國蔗糖產業實際情況、甘蔗立地和農藝技術條件，創制適用機收技術與裝備：針對云南甘蔗倒伏較輕和蔗莖較脆的特點，研制扶起-立式輸送-剝葉與打捆聯合收獲技術；針對廣西、廣東榨季多雨和甘蔗倒伏較嚴重的特點，研制以推倒-伏臥輸送割堆（捆）技術為核心的分步協同機收技術；針對農村田塊小和窄行距的特點，研制雙行機收技術與機具；針對大型農場適合大、中機具作業的特點，完善寬行距固定軌跡作業農機農藝融合技術。

Abstract:

針對前期研制的甘蔗雙芽蔗段橫向種植機在丘陵地區開溝過程中溝深不穩定、不宜操作等問題，結合橫向種植機工作特點，設計了一種甘蔗橫向種植機溝深控制系統，由激光測距傳感器、壓力變送器及單片機控制系統組成，研究了后犁溝深與油缸負載壓力的關系，通過實時監測拖拉機提升液壓油缸負載壓力、溝深變化，并與設定的溝深閾值比較，通過控制系統實現對溝深的自動控制。首先，通過理論分析、Simulink仿真建模，對上拉桿與下拉桿的位移關系進行了運動仿真。研究了開溝過程中甘蔗橫向種植機的三點懸掛負載方式，建立了拖拉機液壓提升油缸位移與后犁溝深關系的理論模型。其次，設計了基于單片機液壓控制系統，搭建了雙芽蔗段橫向種植機溝深控制系統試驗平臺。最后，在試驗平臺上進行了性能驗證試驗及多因素正交試驗，對溝深穩定性系數的主要影響因素及影響溝深控制的規律進行了探討；試驗結果表明，系統調節響應速度小于1s，不同開溝深度溝深穩定性系數均大于90%，在設定的范圍內，試驗結果與設定值基本吻合，驗證了溝深控制程序可靠性。通過多因素正交試驗可知，交互因素中液壓調速閥開度、開溝深度均對溝深穩定性系數產生顯著影響，試驗結果表明，當調速閥開度為0.56圈、土壤含水率為27.4%、開溝深度為29.6cm時，溝深穩定性系數最高，為95.87%。

Abstract:

現有甘蔗剝葉機雖然能有效去除大部分蔗葉，但主要針對榨糖所需甘蔗，傷芽率較高，并不適用于蔗種剝葉。為解決甘蔗剝葉機傷芽率高的問題，設計了一種整稈式蔗種剝葉系統并對其進行了仿真與試驗。首先利用虛擬仿真平臺對剝葉過程進行單因素仿真試驗，分析了碎葉機構、喂入排出機構以及剝葉機構對蔗種受力情況的影響。其次在仿真分析的基礎上完成了試驗臺試驗，根據仿真試驗結果進行了二次回歸通用旋轉組合試驗并優化了試驗參數，得到最佳作業參數組合：柔性繩碎葉輥轉速為670r/min、剝葉輥筒轉速為400r/min、柔性繩碎葉元件單排根數為16、柔性繩長度為330mm。在該參數組合下，蔗種剝葉含雜率為6.59%，傷芽率為4.70%。最后進行了2種剝葉機剝葉后蔗種的種植對比試驗，結果表明，蔗種剝葉機和傳統剝葉機剝葉后蔗種發芽率分別為81.25%和56.25%。本文研究結果可為蔗種剝葉機設計提供借鑒和參考。

Abstract:

宿根蔗補種機是解決甘蔗田間缺苗問題的一種補種裝置，對于補種機田間作業，能夠精準地識別并定位宿根蔗苗十分重要。針對甘蔗田間宿根蔗苗難以精確檢測并定位的問題，提出了一種雙目相機結合改進YOLO v5目標檢測算法的宿根蔗苗識別和定位方法。針對目標檢測，提出了一種改進YOLO v5s網絡模型YOLO v5s_P234_SGG。首先在不同光照及距離條件下拍攝宿根蔗苗圖像，進行數據預處理和標注，構建宿根蔗苗數據集，然后剔除原始YOLO v5s網絡模型的大目標檢測層，新增一個小目標檢測層，使模型能夠更好地適應對蔗苗這種小目標的識別需求；其次在主干網絡引入SimAM注意力機制，以增強模型對宿根蔗苗關鍵特征信息的關注，引入SlimNeck代替Neck網絡，在保持足夠精度的同時降低了模型復雜度，并將主干網絡中的普通卷積模塊替換成Ghost模塊，顯著減小了模型內存占用量。實驗結果表明，該方法在宿根蔗苗數據集上精確率達到95.8%，召回率達到95.2%，平均精度均值達到97.1%，相比原始YOLO v5s網絡，精確率上升3.1個百分點，召回率上升2.6個百分點，平均精度均值上升3.1個百分點，模型內存占用量減小7.7MB，參數量減少4062632，浮點運算次數減少7.8×109，單幅圖像檢測時間減少3.7ms。蔗苗定位實驗結果表明，雙目測距定位算法平均相對誤差為0.97%，最大相對誤差為4.60%。成功實現了對甘蔗苗的精準識別與測距，為后續的農業智能作業提供了重要的實時信息和決策支持。

Abstract:

針對預切種式雙芽蔗段橫向補種機缺少整體的缺苗數據，導致補種效率不高等問題，提出了一種基于無人機RGB圖像的宿根蔗缺苗定位方法。首先，通過無人機快速采集實際田間宿根蔗幼苗的高分辨率圖像，將航拍大圖（分辨率為5472像素×3648像素）切分成多幅子圖并進行數據增強，從而構建宿根蔗幼苗數據集；其次，在YOLO v5s的基礎上引入P2小目標特征層和DyHead模塊，提高對幼苗小目標的檢測準確性，并在訓練過程引入圖像加權策略解決樣本數量不平衡問題，進一步提高被遮擋幼苗的檢測精度；然后，在切片輔助推理框架中引入改進模型訓練權重，在大尺寸田間圖像中實現宿根蔗幼苗的檢測；最后，構建以改進的DBSCAN聚類算法和PCA擬合算法為核心的作物行識別算法，在作物行線上定位缺苗位置。試驗結果表明，改進宿根蔗幼苗檢測模型在子圖上的平均檢測精度為96.8%，在大圖上的識別精確率和召回率為94.5%和91.8%，檢測時間為0.32s。基于檢測的位置坐標信息利用作物行識別算法實現分壟，作物行聚類準確率達到100%，擬合的作物行中心線角度平均誤差為0.2455°，作物行中心線上缺苗位置識別的精確率和召回率為91.9%和97.1%，平均定位誤差為9.73像素。該方法可用于大尺寸復雜田間圖像上的宿根蔗智能缺苗定位，為補種作業提供技術支持，對延長宿根年限、提高甘蔗產量具有重要意義。

Abstract:

甘蔗中耕培土作業質量對促進甘蔗植株生長、抗倒伏、增產等有重要影響。傳統等行距甘蔗中耕培土機對寬窄行甘蔗種植模式下的培土效果不佳，易造成窄行蔗壟“火山口”現象。針對上述問題，設計了一種立式螺旋送土甘蔗寬窄行中耕培土機；根據寬窄行種植模式下培土農藝要求，通過理論計算確定了關鍵部件結構與作業參數范圍；采用EDEM軟件，以旋耕深度、螺旋輸送器轉速和作業速度為試驗因素，以培土高度和作業功耗為試驗指標進行離散元仿真試驗，仿真結果表明：旋耕深度、螺旋輸送器轉速和作業速度對培土高度和作業功耗的影響顯著；當作業速度為4km/h時，旋耕深度與螺旋輸送器轉速交互作用對培土高度影響不顯著，對作業功耗影響不顯著，獲得最優作業參數為：旋耕深度274mm、螺旋輸送器轉速245r/min。通過樣機田間試驗驗證了仿真結果準確可靠，田間性能試驗結果為：平均培土高度134.4mm，培土高度合格率100%，甘蔗損失率4%，除草率90%，培土后窄行蔗叢基部形成龜背壟，無火山口形狀，符合寬窄行種植模式下的培土作業要求。

Abstract:

為了提高甘蔗收獲機切割深度控制系統的適用范圍和準確度，針對當前參考壓力設定無法根據土壤參數和機車參數自動調整的問題，建立了負載壓力預測模型。通過正交試驗方法對負載壓力與入土切割深度、喂入量、土壤含水率、土壤堅實度之間的關系進行了數據采集，并將試驗數據作為負載壓力預測模型的訓練樣本和測試樣本。根據訓練樣本建立極限學習機(ELM)和基于麻雀搜索算法優化的極限學習機(SSA-ELM)負載壓力預測模型，并通過測試樣本對預測模型進行性能評價。結果表明，與ELM模型相比，SSA-ELM預測模型平均絕對誤差、平均相對誤差和均方根誤差在黃壤條件下降低50.00%、44.14%和44.44%，在紅壤條件下降低58.33%、56.98%和57.14%。為了檢驗負載壓力預測模型在實際收獲過程中的適用性，在試驗平臺上模擬蔗地遇到的各種工況，將預測模型應用于現有控制系統進行試驗。結果表明，當入土切割深度為20mm、作業速度為0.34m/s、刀盤轉速為700r/min時，預測模型滿足參考壓力的設定要求，且切割深度與目標深度最大誤差不大于5mm，滿足甘蔗收獲生產的實際要求。

Abstract:

排雜風機是切段式甘蔗收獲機的核心部件之一，其性能對甘蔗收獲機含雜率起到了至關重要的作用，而葉輪是排雜風機的核心部件，其氣動性能與排雜效果密切相關。針對橫置式甘蔗收獲機排雜風機葉輪性能不足、影響排雜效果的問題，以葉輪為研究對象，研究輪轂類型、葉片安裝角β、葉片數Nb、葉輪無量綱面積G、葉片夾角γ對風機氣動特性的影響及其機理，并以提高風機全壓為目標，通過響應面優化法得到了較佳的葉輪結構參數為：葉片安裝角23.34°、葉輪無量綱面積0.43和葉片夾角14.56°。在不同風機轉速（1050、1350、1650r/min）、不同甘蔗長勢（良好、較差和嚴重倒伏）和不同行駛速度（1、2、3km/h）下進行田間試驗。結果表明：對于長勢良好的甘蔗，當風機轉速為1050r/min時，不同行駛速度下，優化后風機含雜率分別降低1.06、1.99、3.28個百分點；當風機轉速為1350r/min時，優化后風機含雜率最多可降低2.5個百分點；當風機轉速提升至1650r/min時，優化前后風機在各行駛速度下含雜率未表現出明顯差異；對于長勢較差和嚴重倒伏的甘蔗，優化后風機含雜率最多可分別降低5.45、2.1個百分點。優化后風機提升了甘蔗收獲機在復雜田間環境中的排雜能力，且所得數據為后續風機研究提供了理論支持。

Abstract:

針對履帶式甘蔗收獲機在橫向斜坡的丘陵山地作業時容易側翻問題，設計了一種適用于履帶式甘蔗收獲機的底盤調平機構。基于履帶式甘蔗收獲機中間有甘蔗輸送通道的特點，提出了兩側設置調平機構的方案。開展了底盤調平機構關鍵部件參數設計和各調整油缸受力分析。根據相似性原理搭建縮小比例的試驗平臺，對試驗平臺進行了橫向傾翻分析和橫向姿態調整試驗。理論計算和試驗結果表明，橫向調整后橫向傾翻角比調整前橫向傾翻角大，橫向傾翻角得到提升，調平底盤可以有效改變整機質心，在一定程度上提升了整機橫向穩定性。橫向傾翻試驗中，調整前橫向傾翻角為24.31°，橫向調整后橫向傾翻角為27.52°，橫向調整后橫向傾翻角提高13.20%。橫向姿態調整試驗結果表明，橫向調整角最大10°，調整時間為1s，調整精度在0.5°以內，驗證了機構橫向姿態調整的可行性。在底盤調平機構初始狀態，調整油缸所受負載最大值為871.61N，換算成樣機所需推力為55783.04N。

Abstract:

為解決玉米免耕播種機在高速作業下播深一致性較差的問題，設計一種可調節液壓仿形機構，并通過補償調節的方式實現高精度的同步仿形。應用ANSYS軟件對液壓仿形機構進行靜力學分析，求得液壓缸初始伸出量與液壓仿形機構最大應力應變之間的關系，分析結果表明，在伸出量30、40、50、60、70mm下，隨著液壓缸初始伸出量的增大，液壓仿形機構最大應力顯著降低、最大應變逐漸增加。為初步檢驗液壓仿形機構作業性能，驗證所設計滑動調節機構對其作業適應性的提升效果，使用播種單體仿形性能檢測試驗臺，以液壓缸初始伸出量和作業速度為試驗因素，以上下仿形平均誤差比、仿形平均誤差、平均調節時長為試驗指標，進行二因素五水平二次正交旋轉組合試驗。試驗得出：當作業速度為12.3km/h時，滑動調節機構對調節精度的提升效果最佳，最大可使調節誤差降低18.99%，當作業速度為14.8km/h時，滑動調節機構對調節速度的提升效果最佳，最大可使調節時長縮短16.11%，通過滑動調節機構可使得不同作業速度下仿形平均誤差小于等于2.02mm、調節時長小于等于0.29s，滿足設計要求。此外，為進一步驗證液壓仿形機構綜合仿形性能，進行田間對比試驗，結果表明：裝備該液壓仿形機構的播種單體播深合格率為94.8%，播深最大變異系數為6.12%，各項指標均滿足玉米播種農藝要求。

Abstract:

針對現有稻油輪作區油菜精量聯合直播種床整理采用旋耕拖板平整廂面、牽引式開畦溝犁組開設畦溝，易出現廂面不平、溝形不穩等問題，提出了旋耕起壟埋茬、封閉型開畦溝、主動式旋壓整形、仿形開種溝油菜精量聯合直播凸壟種床構建工藝，設計了一種油菜精量聯合直播機凸壟廂面構建裝置，由開畦溝犁、旋耕起壟刀組配合變軸頸整形輥與仿形機構組成，實現畦溝與廂面旋壓整形，構建凸狀壟面，并通過與整形輥一體式開種溝圓環進行種溝開設，實現油菜直播播深仿形控制。依據油菜種植畦溝開設要求，設計了由不同犁體曲面構成的組合式封閉型開畦溝犁組，結合提出的壟面構建工藝以及土壤運移規律，進行了變軸頸整形輥結構設計、力學分析和鎮壓力控制機構設計；通過離散元仿真開展了正交試驗，進行了響應曲面分析，以廂面傾角α穩定和溝墻傾角β最大為目標，優化得到較優工作參數為：裝置前進速度3.8km/h、旋耕刀轉速280r/min、整形輥轉速147r/min。田間試驗結果表明，裝置作業后凸壟廂面輪廓及畦溝溝溝形穩定，仿形部件鎮壓力控制效果較好，廂面傾角為2.94°，溝墻傾角為49.09°，傾角穩定性系數均大于90%，廂面平整度為12.31mm，土壤堅實度穩定性系數為91.77%，溝深及溝寬穩定性系數均大于90%，條形種溝明顯，出苗效果良好；通過跟蹤油菜生育周期內畦溝溝形演變情況，發現經過整個冬春油菜生育期，平均畦溝深度減小31.68%，平均上溝寬度增大21.65%，未出現溝墻坍塌現象；裝置畦溝開設質量、廂面整形質量、鎮壓力控制效果和播深控制效果均滿足油菜種植要求。

Abstract:

針對氣送式排種系統在排種量增大時混種裝置內易出現種子回流、堵塞等現象，導致排種系統高速播種作業適應性較差的問題，設計了一種突擴文丘里結構的高通量混種裝置，通過理論分析確定了輸種管直徑、混種區長度、進種入口截面長度等關鍵結構參數；Fluent氣流場仿真結果表明，當風速為12、15、18m/s時，文丘里結構的混種裝置喉管處負壓最小值分別為-236、-372、-538Pa，突擴文丘里結構的混種裝置預混區負壓最小值分別為-396、-621、-1007Pa，突擴文丘里結構產生的“文丘里效應”優于普通文丘里結構；DEM-CFD耦合仿真結果表明，在混種過程中突擴文丘里結構的混種裝置存在約12%油菜種子與突擴文丘里結構延伸部分碰撞后彈跳，碰撞后種子保持向混種區方向運移，油菜和小麥均未出現回流、堵塞等現象。臺架試驗結果表明，傳統文丘里結構的混種裝置在油菜混種通量大于等于2.4g/s出現種子回流，小麥混種通量大于等于60g/s時出現種子回流且各行排量一致性變異系數顯著增大、混種通量大于等于100g/s時發生堵塞；突擴文丘里結構的混種裝置在油菜混種通量小于等于4.8g/s、小麥混種通量小于等于120g/s時未出現種子回流、堵塞等現象，油菜、小麥各行排量一致性變異系數低于5.17%、3.29%，總排量穩定性變異系數低于1.19%、0.80%，可滿足油菜、小麥播種機速度為4~12km/h的農藝播量要求，研究結果為氣送式排種系統結構優化提供參考。

Abstract:

針對現有大蒜精量排種裝置漏播率高、取種單粒率低等問題，設計了一種鏈勺式大蒜精量排種器，闡述了排種器結構和工作原理，對其關鍵部件進行了優化設計，分析了排種器工作過程，確定了影響其作業性能的關鍵因素，建立了排種器DEM-MBD耦合仿真模型并進行了單因素仿真試驗，探究了排種器不同工作參數對作業性能的影響，以主動鏈輪轉速、種層高度和充種區排種鏈條傾角為試驗因素，以取種單粒率、漏充率和重充率為試驗指標，進行了二次回歸正交旋轉組合仿真試驗，建立了各試驗指標與試驗因素的回歸模型，并確定了排種器最優作業參數。試驗結果表明，當主動鏈輪轉速為23.1r/min、排種鏈條傾角為67.6°、種層高度為301.5mm時，工作性能最佳，此時取種單粒率為92.5%，漏充率為2.5%，重充率為5.0%。為了驗證優化后排種器作業性能，進行了臺架試驗，試驗結果與回歸模型預測結果基本一致，該研究為鏈勺式大蒜精量排種器及其關鍵部件優化設計提供了參考。

Abstract:

為解決帶式高速導種裝置導種過程中種帶托片與種粒均經過監測點，無法區分脈沖變化特征，導種性能難以監測的問題，研究一種基于紅外傳感器的帶式高速導種裝置監測方法并設計了監測系統。利用其導種特性提出了雙側脈沖比較法，設計了帶式高速導種裝置監測模塊硬件電路與軟件程序。同時通過對監測系統采樣試驗結果分析，提出一種基于雙側脈沖值分析與能量掩碼平滑算法（Bilateral pulse value analysis and energy masking smoothing algorithm，BPV-EMSA）的帶式高速導種裝置監測算法。仿真試驗表明：該算法減少了原始脈沖的噪聲和隨機波動，使數據更加平滑穩定并突出了數據主要趨勢和模式，同時抑制了瞬態脈沖干擾，提升了數據可解釋性和分析準確性。監測系統精度試驗結果表明：所設計的帶式高速導種裝置監測系統在不同作業速度下最高監測精度為97.65%，最低精度為95.99%，系統能夠精確采集種粒經過監測點的脈沖變化。監測系統性能評價試驗結果表明：播種合格率平均監測差值為2個百分點，播種漏播率平均監測差值為1.45個百分點，播種重播率平均監測差值為0.56個百分點。播種合格率相對差值不大于2.23個百分點，播種漏播率相對差值不大于1.78個百分點，播種重播率相對差值不大于1.00個百分點。該監測方法能夠準確監測帶式高速導種裝置的導種性能。

Abstract:

為解決帶式高速導種裝置導種過程中導種電機與排種器驅動電機轉速同步率低、穩定性差，造成播種株距變異系數升高,播種均勻度差的問題，提出一種基于模糊滑模卡爾曼（Fuzzy sliding mode control-Kalman,FSMC-Kalman）算法的帶式高速導種裝置控制系統。通過對系統運動過程分析建立了排種電機、導種電機與作業速度的關系，為研究系統控制策略，對兩個電機建立了數學模型。提出的FSMC-Kalman算法利用模糊算法動態整定滑模控制器中的逼近系數與速率系數，并在反饋環節加入卡爾曼濾波算法，從而增強控制系統的魯棒性與自適應能力。仿真試驗表明：基于FSMC-Kalman算法的導種電機轉速無超調，調節時間為0.22s，穩態誤差為4.68r/min；基于FSMC-Kalman算法的排種電機轉速也無超調，調節時間為0.23s，穩態誤差為1.96r/min。臺架試驗表明：FSMC-Kalman算法4種作業速度的平均合格株距變異系數為7.98%。FSMC-Kalman算法相較于SMC算法平均合格株距變異系數降低4.67個百分點，相較于FSMC算法平均合格株距變異系數降低3.36個百分點，相較于SMC-Kalman算法平均合格株距變異系數降低2.06個百分點。基于FSMC-Kalman的帶式高速導種裝置控制系統能夠使導種電機與排種器驅動電機高同步率穩定工作，從而提高播種均勻度。

Abstract:

針對當前農田土壤采樣作業勞動強度大、精準性差、自動化程度低等問題，基于電驅履帶底盤設計了一種農田土壤采樣車及其自主作業控制系統。對采樣車整機結構組成、工作原理與控制系統方案進行了闡述，基于有限狀態機方法設計了采樣車作業流程控制策略。以采樣車自主完成農田內一系列采樣點作業任務為目標，設計了點跟蹤控制流程，建立了采樣車點跟蹤模型，運用矢量場法設計了采樣車點跟蹤控制算法。上線性能試驗結果表明，基于矢量場法設計的采樣車點跟蹤控制算法具有良好的糾偏性能，能夠快速上線且以較小的橫向偏差保持對目標路徑的穩定跟蹤，當初始橫向偏差為2m、初始航向偏差為0°時，行駛速度0.3、0.6、0.9m/s上線時間分別為15.7、11.8、11.9s，上線距離分別為4.72、7.10、10.74m。連續點跟蹤試驗結果表明，行駛速度0.3、0.6、0.9m/s下采樣車相對于各目標路徑最大絕對橫向偏差分別為0.081、0.107、0.210m，平均絕對橫向偏差分別為0.018、0.022、0.050m，標準差分別為0.026、0.027、0.064m，采樣車停止位置相對于各目標點的絕對距離偏差平均值分別為0.068、0.081、0.141m。土壤采樣裝置性能試驗結果表明，各機構運行平穩，同一深度下采樣耗時一致，樣本質量變異系數較小。采樣車能夠根據所設計的控制流程與點跟蹤控制算法實現對一系列采樣目標點的準確連續跟蹤，滿足農田土壤采樣自動化作業需求。

Abstract:

針對玉米播種同步穴施肥過程中存在種-肥施用位置和施肥量不精準、穴施肥裝置施肥成穴性較差等問題，設計一種氣力輔助式對種穴施肥裝置。依據檢測的落種信號，氣力輔助式間歇排肥裝置將從外槽輪式排肥器排出的連續肥料轉換為間歇肥團，并施用在距種子一定位置處。闡述該裝置結構組成和工作原理，對其中關鍵結構尺寸進行理論分析，分析氣流對擋板的作用，驗證該裝置的理論可行性。基于STM32單片機開發氣力輔助式對種穴施肥控制系統，依據氣力輔助式對種穴施肥工作方式，構建適用于高頻間歇施肥場景的對種穴施肥控制模型，并設計硬件電路和控制程序。基于EDEM離散元進行仿真試驗，結果表明，當前進速度為3~7km/h、穴距為300mm時，平均施肥長度為69.8~169.1mm，施肥長度變異系數為3.9%~11.9%，排肥量誤差為1.7%~5.5%。通過觀察仿真過程中氣力輔助式間歇排肥裝置內部肥料運動狀態，確定擋板開啟持續時間為100ms時排肥效果最佳。臺架試驗結果表明，單獨穴施肥時平均施肥長度為75~187mm，施肥長度變異系數為5.3%~12.4%，排肥量誤差為5.6%~12.8%，穴距誤差為2.5%~6.5%。對種穴施肥結果，平均種-肥縱向間距為14~113mm。田間試驗結果表明，當施肥量為5g/穴時，平均施肥長度為93~189mm，平均種-肥縱向間距為34~119mm，種-肥同步性較好，滿足玉米播種同步穴施肥作業要求，試驗結果與仿真試驗值和臺架試驗值基本一致，驗證了仿真試驗和臺架試驗的可靠性。

Abstract:

清選篩箱通過往復運動對脫粒后的混合物進行篩分，是組成聯合收獲機的核心部件之一。針對谷物聯合收獲機清選篩箱存在整體質量偏重、強度富余的問題進行輕量化設計。基于清選篩箱動力學分析，分析在工作狀態下清選篩箱固有頻率和結構強度，確定了最大等效應力位置及主要應力分布區域。基于等效靜態法將動態響應轉化為靜態響應，以柔順度最小為優化目標，以結構強度和質量響應約束條件對清選篩箱側壁進行拓撲優化。采用尼龍作為輕質材料對抖動板結構進行設計，以拓撲優化結果為基礎，提取主要結構特征進行模型重構和動力學分析。結果顯示，優化后清選篩箱前6階固有頻率變化最大為1.68Hz，最大等效應力由56.59MPa下降至52.46MPa，降幅為7.29%，質量由75kg降至66.85kg，降低10.86%。在此基礎上，利用優化后的清選篩箱搭建了試驗臺架，開展實際工況下的應變試驗和耐久性試驗，試驗結果驗證了優化后的清選篩箱滿足實際工作強度、剛度要求，有效提高了清選篩箱的工作性能。

Abstract:

針對電動收獲機分布式驅動面對喂入擾動時控制的實時性、準確性和穩定性問題，以電動收獲機為平臺，建立部件負載模型，結合部件轉速約束，設計BLF（Barrier Lyapunov function）多約束反演控制算法；利用AMEsim與Matlab/Simulink平臺搭建聯合仿真模型驗證控制算法性能。結果表明，與傳統PID控制相比本文算法在面對不同喂入擾動時，割臺電機、輸送電機、脫粒滾筒電機轉速控制超調量分別減少4%、34%、92%；調節時間分別減少34%、54%、72%；各部件電機最大轉速誤差上，本文算法維持在預設轉速的3%內，而PID則在8%內。驗證了本文算法具有控制迅速、轉速跟蹤誤差小、抗擾能力強的特點，能將部件轉速約束在邊界內，可實現不同喂入擾動下魯棒控制，有利于穩定整機作業質量。

Abstract:

為研究核桃樹受到外部振動激勵載荷作用下枝干振動動態特性，揭示機械振動采摘能量傳遞規律，建立核桃樹-采摘機振動系統動力學模型，采用對稱雙偏心式核桃采摘機夾持主干的作業方式，并按照規定的路徑和監測點安裝三軸振動監測傳感器的方法進行田間振動能量傳遞試驗，主干振動位移響應數據表明：受對稱雙偏心式激振時，核桃樹主干運動過程發生擺動，沿夾持位置Z方向做往復運動。由三軸振動監測傳感器獲得的核桃樹受迫振動枝干振動位移和動能幅值變化規律可知：核桃振動采摘過程中機械能轉換為動能，從主干激振位置以能量波的形式向上枝條自由端傳遞，傳遞過程中各監測點處依次獲得動能，傳遞距離越遠，動能衰減越多。枝條在空間運動過程中發生擺動彎曲，使其在生長方向存在瞬間小范圍可恢復性形變。由于枝組長度較短等因素的影響，其空間運動過程中上下擺動幅度大于左右擺動幅度，與枝條和側枝空間擺動幅度規律相反。通過對激振頻率13~30Hz作業下最遠端枝條受迫振動動能均值分析表明，采摘機在激振頻率23~25Hz作業時，試驗核桃樹最遠端枝條所獲動能均值最大。研究結果可為核桃主干振動式采摘機工作參數的選擇和高效振動采摘關鍵技術提供理論基礎。

Abstract:

履帶式馬鈴薯聯合收獲機轉向半徑小、通過性強、接地比壓低，在馬鈴薯收獲作業中應用越來越廣泛。為提高履帶式馬鈴薯聯合收獲機的智能化水平，降低馬鈴薯收獲過程中的勞動力強度，以洪珠4ULZ-110型履帶式馬鈴薯聯合收獲機為試驗平臺，設計履帶式馬鈴薯聯合收獲機輔助駕駛作業系統，并通過加裝電子比例閥實現收獲機的轉向機構和挖掘機構電-液可控。在航向偏差PD控制器的基礎上，增加橫向偏差的比例項，并引入行駛速度自適應的控制延時補償前饋項，設計前饋+反饋復合路徑跟蹤控制算法。在水泥路面和旱地分別以速度0.55、0.83、1.11m/s進行直線路徑跟蹤控制試驗，并以速度0.55m/s在膠州馬鈴薯種植地進行了輔助駕駛收獲作業。試驗結果表明，所設計的馬鈴薯收獲機輔助駕駛作業系統設計功能執行可靠，收獲作業過程中最大絕對橫向偏差為5.10cm，平均絕對偏差為2.00cm，收獲行走過程中具有較好的穩定性和直線路徑跟蹤精度，滿足馬鈴薯收獲機田間作業要求。

Abstract:

針對紫花苜蓿刈割壓扁過程存在的碎草率高、莖稈折斷損失大等問題，以初花期紫花苜蓿為研究對象，分析壓扁過程莖稈彎折角對苜蓿莖稈折斷率的影響。結合壓扁過程幾何與受力關系設計一種六邊形輥齒，開展二次回歸響應面試驗，分析了壓扁輥齒數、壓扁輥轉速及壓扁輥間隙對壓扁率、碎草率及莖稈折斷率的影響，并通過干燥試驗驗證了六邊形輥齒的壓扁效果。結果表明，莖稈折斷率受壓扁輥間隙及莖稈彎折角的影響。當間隙一定時，莖稈折斷率隨莖稈彎折角增加而降低。當莖稈彎折角一定時，間隙越小莖稈折斷率越大。當莖稈彎折角大于等于140°時，莖稈折斷率小于10%。壓扁輥最佳參數組合為：輥齒數6、壓扁輥轉速750r/min、壓扁輥間隙1.61mm。此時，壓扁率為97.12%、碎草率為1.40%、莖稈折斷率為1.79%。在溫度28~31℃的自然干燥條件下，0~30min內混合破壞的平均干燥速率分別為擠壓破壞和彎折破壞的1.43倍和1.97倍。在單株與多株干燥試驗中，六邊形輥齒壓扁后苜蓿在0~30min內的平均質量變化量分別為1.53、5.36g,表現出更好的干燥效果。

Abstract:

為了拓寬高比轉數混流泵高效區范圍，采用NACA四位數翼型拱度線疊加NACA66厚度分布設計了最大拱度相對位置分別為0.4、0.5和0.6的3種翼型方案，并基于這3種翼型方案對一比轉數為720的混流泵葉輪進行多工況優化設計。研究結果表明：優化后混流泵葉輪加權效率提升約05個百分點，拓寬了混流泵的高效區范圍。采用最大拱度位置不同的翼型設計得到的混流泵葉輪最大效率相差不大，翼型最大拱度位置主要影響高效區分布范圍，隨著最大拱度位置的后移，高效區范圍向大流量、低揚程附近移動。設計流量工況下，隨著最大拱度位置的后移，空化性能得到有效改善。最大拱度位置在0.4倍和0.6倍弦長附近時，對于小流量工況下和大流量工況下進口邊附近的流動分離現象分別具有較好的抑制作用，在混流泵設計時葉尖處拱度靠后、葉根處拱度靠前更有利于擴大混流泵高效區范圍。研究結果可為不同運行要求下的流體機械優化設計提供參考。

Abstract:

針對空間異質性導致的冠層等效水厚度(Equivalent water thickness, EWT)反演誤差較大的問題，以4塊長勢差異較大的玉米田為研究對象，分別采集6個關鍵生育節點的EWT數據，同時利用無人機多光譜遙感技術獲取田間的正射影像。以滑動窗口的方式提取遙感影像不同窗口空間尺寸(0.1m×0.1m~2.0m×2.0m)的光譜和紋理信息，經多重共線性檢驗后，應用主成分分析法(Principal component analysis，PCA)分別對光譜參數(Spectral parameters，S)、紋理參數(Texture parameters，T)及光譜與紋理組合參數(Spectral and texture parameters，S+T)進行降維，進而分別利用偏最小二乘法(Partial least squares，PLS)、隨機森林(Random forest，RF)以及支持向量機(Support vector machine，SVM)構建EWT反演模型，而后利用Kruskal-Wallis檢驗模型的精度，并根據多重檢驗結果探討最佳窗口尺寸的選擇。結果表明：隨著窗口空間尺度的逐漸增大，EWT反演模型的精度呈先增大后減小趨勢；以S+T作為輸入參數構建的模型精度顯著優于S和T，引入紋理特征后，基于PLS、RF和SVM的模型最優窗口尺寸校正決定系數(Adjusted R-square，R2adj)分別增加0.16、0.05和0.12，相對均方根誤差(Relative root mean square error，RRMSE)分別減小4.95%、1.17%和3.80%，表明紋理特征可以提高EWT模型反演精度；綜合比較不同建模方法構建的9組模型，確定最優采樣窗口空間尺寸為0.7m×0.7m(R2adj最高可達0.82，對應的RRMSE為16.57%)。該研究可為基于無人機多光譜影像分析的信息挖掘和EWT監測提供參考。

Abstract:

遙感作物識別中，樣本數據對識別精度有重要影響，而大區域多年份獲取樣本數據是一項十分繁瑣的工作。為減少逐年樣本采集工作量，提高作物識別效率，提出一種基于多物候特征指數的樣本遷移策略。使用2019年焦作市冬小麥分布圖，利用多物候特征指數時間序列曲線相關性遷移生成2020、2021年高質量樣本數據，并利用隨機森林機器學習方法實現了2020、2021年焦作市冬小麥自動高效識別。結果表明：利用提出的樣本遷移策略獲取樣本數據，當顯著性水平達到0.001時，2年冬小麥識別總體精度均在94%以上，Kappa系數均在0.91以上，各縣（市）識別面積與統計面積決定系數（R2）達到0.957，均方根誤差（RMSE）為20.16km2。與單一植被指數時間序列曲線相關性遷移方法相比，該方法使2020年與2021年識別總體精度分別提高1.32、2.27個百分點，Kappa系數分別提升0.022、0.037，2年各縣（市）識別面積與統計面積R2提高0.026，RMSE減少20.1%。此外，將該遷移策略應用于新鄉市與鶴壁市，冬小麥識別總體精度均在92%以上，識別面積與統計面積的R2也達到0.92。表明提出的樣本遷移策略在跨時間與跨地域中均表現較好，可為進一步快速、精準獲取大區域長時序作物分布信息提供思路與技術支撐。

Abstract:

農田作業區域地圖準確構建是實現農機路徑規劃和導航作業的重要前提。黃土高原梯田田塊大小各異、形狀復雜多變，并且存在部分凹坑、溝坎和諸多危險作業邊界，常用的衛星測點等方法難以準確地提取梯田作業區域，本文以無人機梯田遙感圖像為數據基礎，提出一種基于多尺度特征提取與融合上采樣的改進TransUNet模型。在編碼器部分，通過引入金字塔壓縮注意力模塊（Pyramid squeeze attention, PSA），在通道注意力的基礎上增強對不同尺度梯田特征提取和融合的能力，并使用殘差結構優化Transformer層；在解碼器部分，引入Dual up-sample模塊將亞像素卷積層與雙線性插值上采樣兩者融合，提升梯田邊界分割精度的同時防止棋盤效應，并在解碼器末尾添加通道和空間注意力機制模塊（Concurrent spatial and channel squeeze and channel excitation, SCSE），同時對空間和通道維度的信息進行整合增強，有助于圖像細節特征逐步恢復。實驗結果表明，改進TransUNet模型在直長條形、蜿蜒長條形和不規則形3類典型梯田測試集上平均像素準確率、F1值和平均交并比平均分別達96.0%、96.0%和92.3%，3項指標相較于改進前平均提升1.8個百分點，與代表性的PSPNet、HRNet V2、DeepLab V3+、U-Net模型相比，3項指標平均提升8.3、6.2、5.0、4.2個百分點。在3類單塊梯田測試集上，本文模型表現最優，像素交并比平均可達97.0%。本文方法可為黃土高原梯田環境地圖構建和丘陵山地農機導航作業提供參考。

Abstract:

為融合無人機多光譜植被指數和紋理特征實現水稻葉綠素含量估計，本文以大田水稻為研究對象，分別在分蘗期、揚花期及灌漿期等關鍵生育期進行了無人機多光譜遙感影像和葉綠素含量地面實測值采集；提取了15個多光譜植被指數及35個紋理特征，分析其與水稻葉綠素含量的相關性；并采用僅基于植被指數、僅基于紋理特征和融合光譜及紋理特征等3種建模策略，結合人工神經網絡、隨機森林、支持向量機及多元線性回歸等4種回歸建模算法的方式，進行了水稻葉綠素含量精準反演建模分析。結果表明：無人機多光譜植被指數與紋理特征均與水稻葉綠素含量具有顯著相關性，其中NGBDI指數與B_M紋理特征相關性最高，皮爾森系數絕對值分別為0.77和0.73；融合無人機多光譜及紋理特征可以有效提升水稻葉綠素含量反演精度，且4種回歸算法中人工神經網絡的回歸估計精度最好，模型驗證時調整決定系數為0.72，均方根誤差為1.52。融合無人機多光譜及紋理特征可以實現水稻葉片葉綠素含量精準反演，從而為大田水稻精細化管理提供信息支撐。

Abstract:

為了準確、快速地預測柑橘產量以準確指導果園生產管理，通過大疆多光譜版無人機獲取柑橘果實成熟期的遙感影像數據，并從圖像中提取了可見光和多光譜波段指數作為特征變量，采用極端梯度提升（eXtreme gradient boosting，XGB）、隨機森林（Random forest，RF）以及支持向量機（Support vector machine，SVM）模型分別構建柑橘果實有無分類模型、果實數量和質量估測模型。結果表明：通過XGB模型對特征變量進行篩選分析，柑橘果實有無的分類中超紅指數ExR最重要，而數量和質量的估測中改進超綠指數MExG最重要。組合建模中3個模型均在組合4的情況下精度較好。對于分類模型，最優模型為SVM模型（AUC為0.969，準確率為0.919），而對于數量和質量估測模型，最優模型為XGB模型（數量：R2=0.79，RMSE為466個；質量：R2=0.79，RMSE為19.51kg）。最后利用Shapley additive explanations（SHAP）方法揭示了植被指數特征在產量估測模型構建時的重要性，并闡明了SHAP值排在前四的特征交互影響。本研究結果可為無人機遙感在柑橘產量方面的研究提供應用參考和理論依據。

Abstract:

為提供一種利用光譜數據對水稻氮素含量加以快速、無損、準確預測的方法，本文以東北水稻為研究對象，采集水稻3個生育期的高光譜數據，結合室內化學實驗，為了提高氮素預測精度和模型可解釋性，建立水稻氮素含量反演模型。將獲取的高光譜數據和相對應的水稻葉片氮素含量，首先通過低通濾波方法對光譜數據進行預處理，針對處理后光譜數據，采用耦合離散小波和一階微分變換（DWT-DE變換）對光譜數據進行降維，并分別與主成分分析（PCA）、離散小波多尺度分解方法進行對比。以降維后的結果作為輸入，實測葉片氮素含量為輸出，分別建立極限學習機（ELM）、粒子群優化支持向量機（PSO-SVM）和人工蜂鳥算法優化的極限學習機（AHA-ELM）反演模型，對水稻葉片氮素含量進行預測和驗證。結果表明，采用耦合離散小波和一階微分變換結果建立的AHA-ELM模型預測精度最高，預測效果優于ELM和PSO-SVM模型，訓練集決定系數R2為0.8064，RMSE為0.3251mg/g，驗證集R2為0.7915，RMSE為0.3620mg/g。鑒于此，本文提出的經DWT-DE變換建立的AHA-ELM模型在快速檢測水稻氮素含量中有顯著優勢，可為水稻精準變量施肥提供參考。

Abstract:

快速準確的病斑分割對于病害嚴重程度評估及科學施藥具有重要意義。基于深度學習的語義分割為構建高精度病斑分割模型提供了技術支撐。然而，蘋果病斑標注費時費力。為了解決這一問題，以隴東蘋果為研究對象，提出了一種基于輕量級一致性半監督學習框架的蘋果葉片病斑分割模型。首先，遵循Mean Teacher半監督學習框架，使用2個輕量化的DeepLabV3+模型，構建病斑語義分割模型，以提高模型從有限標注數據中提取特征描述符的能力。其次，對比19種一致性正則化方法，發現MSE+Huber 組合對圖像的細微差異更敏感、抗噪性更高，可提高模型對病斑過小、分布不均、邊緣模糊的適應性。接著，使用貝葉斯優化算法對模型涉及的6個超參數進行尋優，以加快模型收斂速度和穩定性。結果表明，優化后模型僅使用30%的標注數據，病斑分割精確率達到95.60%，平均交并比為94.85%，平均像素準確率為96.50%。效果均優于全監督和自訓練半監督學習框架。

Abstract:

針對大田環境下油菜幼苗尺度不一、分布密集、識別難度大等問題，開展了基于YC-YOLO v7模型的油菜幼苗株數識別研究。在原模型YOLO v7的高效聚合網絡ELAN中引入深度可分離卷積模塊，提高模型對細小特征的提取能力；通過在主干網絡輸出的特征層中添加CBAM注意力機制模塊，加強模型對小目標的識別精度；將損失函數CIOU替換為WIOU，提高了錨框質量；為擴大模型對目標的感受野，構建了SPPF空間金字塔結構。試驗結果表明，改進后YC-YOLO v7模型平均精度均值為94.0%，精確率為89.8%，召回率為91.2%，推理速度提高16.1f/s，浮點運算量降低2.56×1010；與其他一階段模型YOLO v5s、SSD和二階段模型Faster R-CNN進行對比，平均精度均值分別提高12.8、17.8、20.3個百分點。基于YC-YOLO v7模型搭建的油菜幼苗檢測識別系統準確率大于90%，可為大田環境下油菜幼苗精準計數提供技術支撐。

Abstract:

在蘋果病蟲害命名實體識別中，針對罕見字語義特征提取不充分，實體類別相似難以區分的問題，本文提出一種融合動態詞典和卷積塊注意力模塊(Convolutional block attention module, CBAM)的實體識別方法。首先，基于字的雙向長短時記憶-條件隨機場模型(Bidirectional long short-term memory-conditional random field, BiLSTM-CRF)，在嵌入層利用通道注意力網絡(Channel attention module, CAM)動態融合詞典信息，同步集成字的四角號碼信息，以提高對罕見字表征能力。隨后，對序列編碼層輸出序列特征，基于空間注意力網絡(Spatial attention module, SAM)，新增并行連接的空間注意力(Parallel connection spatial attention, PCSA)模塊，提高模型對上下文信息提取能力。最后，使用含有6大類標簽、127574個標注字符的蘋果病蟲害數據集進行驗證測試。結果顯示模型精確率、召回率和F1值分別達到95.76%、92.46%、94.08%，較現有的常用同類模型性能顯著提升，實現了對農業病蟲害命名實體的精準識別。

Abstract:

為了開展低成本、通用、靈活的農作物病害識別，提出了一種基于漸進式學習和增強原型度量的小樣本農作物病害識別網絡(Few-shot crop disease recognition network based on progressive learning and enhanced prototype metric, FPE-Net)。首先，利用設計的增強原型度量模塊，計算能夠準確表示類別中心的增強原型，并充分利用增強原型中的豐富類別信息對農作物病害進行識別；其次，采用設計的漸進式學習策略對模型進行訓練，以幫助模型更好地適應農作物病害識別任務，提升模型小樣本農作物病害識別精度。在自制小樣本農作物病害數據集FSCD-Base、FSCD-Complex以及FSCD-Base到FSCD-Complex的跨域設置上，FPE-Net的5-way 1-shot平均識別準確率分別達到70.65%、53.47%和49.58%，5-way 5-shot平均識別準確率分別達到83.02%、66.15%和64.21%。實驗結果表明，本文提出的FPE-Net明顯優于其他小樣本農作物病害識別模型，在訓練樣本不足的情況下能夠更準確識別農作物病害。

Abstract:

豬只計數是屠宰場生產管理、資產估計的重要環節。針對當前屠宰場豬只數量統計過程中人工計數耗時長、錯誤率高的問題，提出了一種基于改進YOLO v5-StrongSORT的屠宰場豬只精準計數方法。首先，在改進YOLO v5模型中引入真實寬高損失與縱橫比以提升損失函數性能，并在Neck層引入高效通道注意力機制(Efficient channel attention, ECA)，提升模型在復雜環境下的識別能力。然后，基于StrongSORT構建檢測機制實現對豬只的重識別。最后，基于StrongSORT提出了一種區域ID信息檢測的豬只計數方法。試驗結果表明，改進YOLO v5模型對豬只識別精確率為93.78%，召回率為91.98%，平均精度均值為96.29%，識別速度為500f/s，較YOLO v5s模型召回率提高1.14個百分點，平均精度均值提高0.89個百分點，識別速度提高85.0%。將改進YOLO v5與StrongSORT區域計數方法結合進行豬只計數的準確率為98.46%，計數速率為73f/s，較人工計數準確率提高1.54個百分點，較原始模型計數準確率提高9.23個百分點，計數速率提高21.87%。本研究豬只計數方法具有較高的計數精度，適用于屠宰場豬只數量統計。

Abstract:

針對單天線GNSS農機導航系統起步和低速時航向測量不準問題，本文基于兩位置法與改進強跟蹤擴展卡爾曼濾波算法（Strong tracking extended Kalman filter，STEKF）進行農機航向測量技術研究，設計一種適用于單天線GNSS/IMU融合的農機航向測量方法。采用兩位置法測量高速作業農機航向，基于IMU輸出的9軸數據和GNSS輸出的位置與速度信息，提出改進強跟蹤自適應矩陣R STEKF算法對農機低速行駛時的航向準確測量，設計了基于兩位置法與改進STEKF航向的一維卡爾曼濾波融合方法。以雷沃M-1204型拖拉機為試驗平臺，進行了速度梯度變化工況下農機航向測量精度和穩定性驗證試驗，結果表明，在農機從靜止狀態起步，經歷包含直線和曲線的混合路段，在速度0.36~5.40km/h過程中，本文提出的融合航向測量方法獲取的航向角與雙天線GNSS獲取的航向角誤差不超過0.50°，表明本文方法適用于農機靜止起步到低速運動狀態下農機航向穩定獲取，提高了單天線農機導航起步和低速駕駛控制精度和穩定性，可為高精度農機自主無人作業提供技術基礎。

Abstract:

針對單一傳感器SLAM技術在復雜環境中存在精度低、感知退化、可靠性差，導致無法準確估計攝像機軌跡的問題，提出一種基于點線特征融合的延遲邊緣化視覺慣性SLAM算法(DM-VI-SLAM)。首先，采用因子圖優化模型，提出以IMU為主系統，視覺為輔系統，通過引入輔系統觀測因子約束IMU主系統偏差，并接收IMU里程計因子實現運動預測與融合的全新結構。其次，在前端加入點線特征，設計一種基于線段中點的特征匹配方法，在后端加入滑窗機制實現歷史狀態信息回溯，并構建非線性聯合優化問題，提升匹配精度。最后，為加速求解，引入一種延遲邊緣化策略，允許重新推進延遲因子圖，進而產生新的和一致性的線性化點更新邊緣化。通過與典型SLAM算法進行比較，并在EuRoC公共數據集上和真實場景中驗證算法有效性，實驗結果表明在復雜高速運動場景和低特征紋理場景中本文算法均具有更高的精度和可靠性。

Abstract:

移動機器人視覺SLAM技術能夠在一定條件下實時估計自身在環境中的位置，并構建和更新環境稀疏或稠密三維地圖，這些信息可以幫助機器人提高對未知復雜環境的準確感知和適應能力，以執行更復雜的任務。但使用相機作為傳感器的視覺SLAM在定位和建圖的精度和穩定性方面在很大程度上依賴于采集到的圖像質量，在弱光照環境中，現有的視覺SLAM算法難以有效地工作。針對視覺SLAM在弱光照環境中定位精度降低和跟蹤丟失的問題。本文提出了一種適應弱光照環境的RLMV-SLAM算法，該算法使用一個輕量化的神經網絡對輸入圖像進行預處理，增強其亮度、對比度、色彩和去噪，同時，該算法使用地圖點補充策略、Sparse BA和一種實時增量閉環檢測方法提高了定位和建圖精度和魯棒性。在公開數據集和自采數據集上對該算法進行了實驗驗證，并與其他主流視覺SLAM方法進行了對比，結果表明本文提出的方法將弱光照環境中有效跟蹤時長提升30%以上，且在公開數據集上估計位姿的誤差也有明顯降低，證明了所提算法的有效性，為弱光照環境中同步定位和建圖提供了一定參考。

Abstract:

為快速準確地估算滴灌條件下土壤-作物系統模型參數，基于二維土壤水與作物生長模擬模型（SWNCM-2D）耦合遺傳算法（GA），建立了滴灌條件下土壤水力學參數與作物生長參數的優化模型，以土壤含水率和作物干物質量實測值與模擬值之間的標準均方根誤差最小為優化目標，利用南疆地區棉花滴灌試驗不同灌水量處理下的土壤含水率和作物生長動態及產量觀測數據，優化求解土壤水力學參數與作物生長參數，并應用優化后的模型參數開展不同滴灌灌溉管理措施下的棉花產量與水分生產力預測。結果表明：耦合GA的SWNCM-2D模型參數優化結果較好，不同土層土壤含水率模擬值與實測值之間均方根誤差（RMSE）、標準均方根誤差（nRMSE）和一致性指數（d）分別為0.0095~0.0370cm3/cm3、5%~27%和0.6518~0.9642，干物質累積量和LAI的nRMSE分別為8%~17%和6.2%~23.0%，d均高于0.97。棉花皮棉產量隨灌水量增大而增大，水分生產力隨灌水量增大而減小；皮棉產量隨灌水間隔增大而減小，水分生產力隨灌水間隔增大先增大后減小；說明基于優化參數的全生育期土壤水分動態變化與作物生長過程的模擬較為準確。綜合考慮棉花產量和水分生產力，推薦該地區適宜的灌溉制度為灌水間隔7d和灌水量120% ETc（作物需水量）組合。

Abstract:

以羊草等根莖型或根莖疏叢型牧草為建群種的天然草地退化狀況嚴重，機械化松土是改良這類草地的重要手段之一，但不恰當的松土方式極易破壞草地植被，并導致土壤沙化。為探討適宜改良退化羊草地的松土方式，提出了一種切根釋壓松土方法。以海拉爾地區的退化草地為研究對象，采用離散元仿真與田間試驗結合的方式開展了傳統松土、對縫松土和切根釋壓松土對比試驗，分析3種松土方式對草地的擾動過程、作業質量及松土阻力的影響。仿真結果表明：切根釋壓松土比傳統松土和對縫松土對土壤的疏松效果更好，提高了深層土壤流動性并降低了表層土壤擾動。將仿真結果與田間試驗結果對比，結果表明3種松土方式作業后的耕作部件松土阻力變化趨勢一致。切根釋壓松土方式松土阻力最小，仿真結果為3692.75N，田間試驗結果為4677.84N。傳統松土方式松土阻力最大，仿真結果為5348.80N，田間試驗結果為6489.40N。對縫松土方式松土阻力介于兩者之間，仿真結果為4713.33N，田間試驗結果為5433.24N。這表明切根釋壓松土方式具有較好的減阻效果。田間試驗結果表明，松土方式對作業質量具有顯著性影響。相同耕作深度土層內，切根釋壓松土方式相較傳統松土和對縫松土作業后的土壤堅實度均值分別降低6.19%和12.67%，土壤容重均值分別降低1.19%和3.16%。同時切根釋壓松土方式對表層土壤擾動最小，土壤疏松效果更好，作業后的土壤擾動系數和土壤蓬松度均值分別為49.05%和25.81%。研究結果可為改進退化羊草地松土工藝，優化設計草地松土改良機具提供依據。

Abstract:

為探究苜蓿地不同生育期不同深度的土壤含鹽量快速反演模型，采集苜蓿地分枝期、現蕾期、初花期深度0~15cm、15~30cm、30~50cm土壤含鹽量，基于無人機多光譜影像數據，提取采樣點光譜反射率，在此基礎上引入紅邊波段代替紅波段與近紅外波段計算光譜指數，采用皮爾遜相關系數法（Pearson correlation corfficient,PCCs）、灰色關聯度（Gray relational analysis, GRA）分析法進行指數篩選，構建54個基于極端梯度提升（Extreme gradient boosting，XGBoost）算法、反向傳播神經網絡（Back propagation neural network，BPNN）和隨機森林（Random forest，RF）的機器學習模型，確定苜蓿地不同生育期不同深度土層的土壤含鹽量最佳反演模型。結果表明：XGBoost模型反演效果整體優于BPNN模型和RF模型，反演結果能真實反映不同生育期苜蓿地的土壤含鹽量。從不同生育期反演來看，分枝期和初花期XGBoost模型反演效果優于其他模型，驗證集決定系數（R2p）分別為0.835、0.709，均方根誤差（RMSE）分別為0.042%、0.047%，平均絕對誤差（MAE）分別為0.046%、0.037%；現蕾期RF模型反演效果優于其他模型，R2p為0.717，RMSE為0.034%，MAE為0.042%。從不同深度反演來看，0~15cm土層XGBoost模型反演效果優于其他模型，R2p為0.835，RMSE為0.053%，MAE為0.043%；15~30cm和30~50cm土層XGBoost和RF模型均優于BPNN模型，R2p分別為0.717、0.739，RMSE分別為0.034%、0.038%，MAE分別為0.042%、0.031%。分枝期為最佳反演生育期，0~15cm深度為最佳含鹽量反演深度，且PCCs變量篩選方法與XGBoost機器學習算法的耦合模型精度最佳，建模集和驗證集的R2分別為0.856、0.835，R2p/R2c為0.975，具有良好的魯棒性。研究結果可為土壤含鹽量的快速精確反演提供理論依據。

Abstract:

在集約化養豬生產中，豬舍環境是影響豬健康水平的重要因素。然而，多環境因子聯合精準調控是制約豬舍環境控制的共性難題。因此，本文利用自適應高斯濾波（Adaptive Gaussian filtering, AGF）算法結合長短時記憶神經網絡(Long short term memory networks, LSTM)進行舍內環境因子預測，為優化舍內環境調控策略提供支撐；結合組合賦權方式，確定豬舍內環境評價指標權重，構建基于未確知測度法評價方法，為豬舍環境調控提供參考。以實測豬舍數據對本文所提出方法進行驗證，結果表明：相比LSTM預測模型，應用AGF優化算法后的LSTM預測模型（LSTM-AGF），其氨氣質量濃度、溫度、相對濕度、二氧化碳質量濃度的預測性能R2分別提升0.33、0.03、0.05、0.12；提出的基于未確知測度法的預測評價方法敏感度SENS為0.215，比傳統模糊綜合評價方法高20.80%。因此，本文提出的環境質量評價方法可以為豬舍環境精準調控提供參考。

Abstract:

為了提高玉米秸稈與牛糞混料在離散元壓縮成型仿真過程中所需參數的準確性，本文對玉米秸稈-牛糞混料進行參數標定試驗，并采用仿真與物理試驗相結合的方式對標定參數的準確性進行驗證。通過篩選試驗得到對混料離散元有顯著影響的參數；以堆積角為評價指標，利用Design-Expert軟件對3個顯著性影響參數進行最陡爬坡試驗設計和Box-Behnken試驗設計，并應用粒子群優化算法（PSO）進行參數尋優，得到最優參數組合為：玉米秸稈-牛糞滾動摩擦因數0.128、牛糞-牛糞滾動摩擦因數0.320、牛糞-牛糞JKR表面能0.033J/m2；在該參數組合條件下進行仿真試驗，結果表明，仿真堆積角與實際堆積角相對誤差為1.27%，單軸壓縮仿真試驗與物理試驗的最大壓縮位移相對誤差為2.97%。研究結果可為玉米秸稈-牛糞混料壓縮成型離散元仿真提供依據。

Abstract:

為探討低醇早酥梨酒貯藏期間褐變因子和揮發性香氣化合物的變化，將早酥梨酒分別在4、25℃下避光貯藏60d，每隔7d測定PPO、POD、PAL酶活力，總氨基酸、還原糖、總酚、5-羥甲基糠醛質量濃度及褐變度，并采用SPME-GC/MS檢測貯藏結束時的揮發性香氣化合物。結果表明，早酥梨酒在貯藏期間POD活力下降速度極快，總氨基酸質量濃度、總酚質量濃度分別下降62%~70%和23%~31%，5-羥甲基糠醛質量濃度和褐變度不斷增加。總氨基酸、總酚、5-羥甲基糠醛質量濃度及褐變度變化均符合零級動力學方程，且擬合效果良好。相關性分析顯示總氨基酸、總酚與5-HMF質量濃度對早酥梨酒褐變的影響最大。貯藏60d后早酥梨酒中萜烯類、酯類、羰基化合物質量濃度有所增加，醇類、酸類化合物質量濃度顯著降低；15種關鍵香氣物質（OAV大于0.1）質量濃度與主要褐變因子之間的相關系數均大于0.8。研究結果對控制早酥梨酒褐變具有應用價值。

Abstract:

針對典型木本糧食板栗的現場非破壞快檢分選需求，基于可見/近紅外光譜檢測分析技術，設計了轉盤式板栗在線檢測分選系統。該系統主要由上料單元、光譜采集單元、控制單元、分選單元和顯示單元組成，上料單元振動盤經試驗確定最佳頻率為150Hz，并聯合伺服電機對轉盤進行驅動，光譜采集單元以鹵素燈為光源，應用微型光譜儀采集光譜信息，控制方案經對比后確定并行式執行方案，基于QT平臺及C++語言開發單片機程序，配合上位機開發的光譜采集軟件，實現了光譜信息采集、處理、顯示存儲以及分類，分選執行機構采用電磁推桿帶動擋板伸縮完成孔洞的開合。以遷西、丹東、玉溪板栗為對象，采集光譜并對比不同預處理方法分別建立產地與霉變的偏最小二乘判別（Partial least squares discriminant analysis，PLS-DA）模型，交叉驗證后產地模型預測集準確率為97.12%、霉變模型預測集判別準確率為94.74%。最后將模型植入系統軟件后應用隨機預測集板栗進行測試，產地與霉變判別分選準確率分別為93.83%和94.12%，最優檢測分選速度為37顆/min。結果表明，本文設計的轉盤式板栗檢測分選系統效率高、采集穩定、檢測準確率高，具備快速實現不同產地以及霉變板栗無損檢測分選功能。

Abstract:

馬鈴薯在存儲過程中，極易產生黑心病等內部缺陷，嚴重影響市場價值和食品安全。探索深度學習用于挖掘馬鈴薯黑心病光譜數據深層特征，將近紅外光譜數據二維化，基于殘差神經網絡（Residual neural network，ResNet），引入卷積注意力模塊（Convolutional block attention module，CBAM)增強特征，加入閾值處理模塊去除噪聲，實現了馬鈴薯黑心病的快速無損檢測。探索適用于馬鈴薯黑心病檢測的光譜二維化方法，通過對比格拉米角場（Gramian angular field，GAF）、馬爾可夫轉移場（Markov transition field，MTF）、遞歸圖（Recurrence plot，RP）和波長順序轉換4種方法，發現GAF、MTF和RP這3種方法與波長順序轉換相比效果更好，經過MTF處理后建模效果最佳，訓練集準確率達到99.60%。通過比較不同模型性能，發現改進ResNet模型測試集準確率為9765%，比偏最小二乘判別分析（Partial least squares discriminant analysis，PLS-DA）、支持向量機（Support vector machines，SVM）、MobileNet、ResNet分別提高5.89、7.07、3.53、2.36個百分點，MobileNet、ResNet和改進ResNet神經網絡模型建模效果優于傳統化學計量學方法PLS-DA和SVM。

Abstract:

為提升武夷巖茶搖青機用離心風機性能，通過多目標遺傳算法對離心風機葉輪進行優化設計與試驗驗證。首先，針對38組設計樣本，采用拉丁超立方設計方法對葉輪葉片數量、葉輪內外徑比、葉片進口安裝角、葉片出口安裝角、葉片折彎半徑和葉片進口直徑進行優化；然后通過NSGA-Ⅱ多目標算法對構建的最小二乘回歸（Least squares regression, LSR）與移動最小二乘法（Moving least square method, MLSM）響應面模型進行求解，得到風機風量與風機效率最優時的Pareto解集，并進行Spearman變量相關性分析；最后通過CFD數值仿真與試驗，驗證了優化設計方法對實際設備搖青效果提升的有效性。結果表明：葉片進口安裝角和出口安裝角對風機風量影響最大，葉輪內外徑比和葉片出口安裝角對風機效率的影響最大，達到高相關程度；最優參數組合為葉片數量19、葉輪內外徑比0.67、葉片進口安裝角73.86°、葉片出口安裝角128.74°、折彎半徑25.28mm、葉片進口直徑24.95mm；相較于原型風機，優化后風機風量增加381.22m3/h，風機效率提高4.33個百分點，葉梗、葉片平均走水分別提高2.05、3.15個百分點，做茶感官審評平均得分91.4，驗證了風機優化設計對整機茶葉搖青品質的提升。

Abstract:

田間土壤比阻多變、地塊凹凸不平造成拖拉機在犁耕工況下行駛速度和牽引阻力大幅波動，傳統拖拉機無人作業系統難以滿足路徑跟蹤精度和耕深均勻性的農藝要求。本文系統分析了無人駕駛電動拖拉機犁耕機組作業特性，提出了拖拉機犁耕機組路徑跟蹤與耕深模糊控制策略，包括模糊Stanley路徑跟蹤控制方法和預估補償變論域模糊PID耕深控制方法，兼顧了拖拉機重負載犁耕工況下的犁耕深度與行駛速度，提高了電液懸掛系統的耕深均勻性和無人駕駛系統的直線性。為驗證所提控制策略的有效性，搭建無人駕駛電動拖拉機犁耕機組試驗平臺，開展田間路徑跟蹤和犁耕試驗。試驗結果表明：本文提出的控制策略能適應復雜多變的田間環境，路徑跟蹤作業最大橫向偏差不大于0.042m，犁耕作業橫向偏差標準差不大于0.086m；行駛速度均值保持穩定，平均絕對誤差為0.16km/h，平均相對誤差為4.38%；耕深變異系數均值為9.29%，相較于模糊PID算法降低14.57%。本文提出的控制策略可根據不同土壤比阻、地塊凹凸程度和牽引阻力，提高拖拉機犁耕作業的耕深均勻性和導航直線性，具有良好的適應性和魯棒性，滿足拖拉機犁耕作業農藝需求，為實現無人駕駛電動拖拉機多參數控制提供了參考。

Abstract:

傳統大功率拖拉機燃油經濟性差，推動了混合動力拖拉機的發展。旋耕作業輸出端(Power take-off，PTO)輸出轉速與拖拉機行駛速度無法解耦輸出，使行星齒輪式電動無級變速(Electronic continuously variable transmission，ECVT)拖拉機得到推廣，但行星齒輪式ECVT的功率循環現象降低了分流效率，為此，基于杠桿平衡法分析了2K-H型周轉輪系的功率分流原理與功率循環產生機理，提出了大功率混合動力拖拉機ECVT構型設計的杠桿拓撲法，以高效地搜索可行構型。提出了大功率混合動力拖拉機ECVT構型的最終方案，并進行了可行性驗證。首先，采用杠桿拓撲法和功率輸出分流原理拓撲了ECVT構型。然后，通過分析每種拓撲構型的傳動特性優選出最佳構型，通過加裝離合器與制動器滿足拖拉機作業需求及各種模式切換的可行性，并在后驅動系統搭配高低擋、主減速器與輪邊減速器，形成最終構型方案。同時，推導了該構型4種工作模式的動態特性方程，明確了構型的傳動過程及PTO轉速與拖拉機行駛速度解耦輸出的可行性。最后，分別在犁耕與旋耕工況下對基于動態規劃算法的混合動力拖拉機ECVT能量管理策略進行了整機節能控制仿真分析，結果表明：提出的ECVT構型較對比構型在犁耕工況下等效燃油消耗量降低約5.17%，旋耕工況下降低約5.11%，有效提升了大功率混合動力拖拉機燃油經濟性。2種工況下均無功率循環現象產生，保證了混合動力傳動系統的平穩運轉及分流效率，實現了PTO轉速與拖拉機行駛速度的解耦輸出，為動力輸出軸獨立于輪胎進行單獨的轉速控制提供解決方案，提出的能量管理策略有助于混合動力系統的節能控制。

Abstract:

針對現有輪式拖拉機牽引性能預測模型通用性差、預測精度低等問題，提出了一套涵蓋系統建模、預測優化、實例驗證全過程的適用于四輪驅動與二輪驅動拖拉機的牽引性能預測通用模型。通過深入分析土壤力學、輪胎力學、傳動系統之間的相互作用，將拖拉機牽引性能抽象為輪-壤模型、驅動力模型、滑轉率模型、牽引力模型4個基本模型，以建立適用于四輪驅動與二輪驅動拖拉機的整機牽引性能預測通用模型。為了提高預測精度，以整機滑轉率為優化目標，建立基于自適應粒子群優化算法(APSO)的牽引性能預測優化方法。通過線上優化，驗證了模型準確性和通用性。為了進一步驗證該通用模型優越性和工程實用性，以東方紅某105kW拖拉機作為試驗樣機，在中國一拖集團有限公司田間全地型試驗場，完成線下試驗。試驗結果表明，與現有預測模型相比，對于四輪驅動拖拉機，基于APSO的牽引性能預測方法的滑轉率和滾動阻力平均絕對誤差分別為1.9%和0.18kN。對于二輪驅動拖拉機，相應的平均絕對誤差分別為2.7%和0.25kN，精度大幅提升。

Abstract:

具有運動和鎖定模式的機構在變換為特定鎖定模式位形后，可滿足特定工況下的剛度需求。通過在球面4R機構連桿上，設置處于折疊位形的球面3R運動鏈，設計了一類具有鎖定模式的雙環球面7R機構。分析球面4R機構連桿曲線的幾何特征，通過算例驗證了球面4R機構連桿曲線方程的正確性。使用旋量理論分析球面4R環路處于奇異位形下連桿的瞬時轉動軸線，確定了球面4R環路中連桿的瞬時轉動軸線與球面3R運動鏈軸線共面，為機構模式變換必要條件。將球面4R環路作為廣義轉動副，對雙環球面7R機構加速度進行分析，得到了球面4R機構環路連桿曲線尖點對應機構位形下，連桿瞬面切線與球面3R運動鏈軸線共面，為機構模式變換必要條件。結果表明，該類球面7R機構具有鎖定模式，通過旋量理論分析球面4R機構環路連桿的瞬時運動旋量，可確定機構運動模式變換位形。對于分析設計滿足運動和鎖定生產作業變換需求的多模式機構，具有參考價值。