摘要:随着信息感知、机器人等技术的快速发展，自动定向作业具有更多的需求和实现方法。自动定向技术为智慧农业生产过程自动化、智能化提供有利条件，是提高作业效率和品质的重要环节之一，已成为农业生产自动化、智能化作业技术的发展方向。本文首先阐述了自动定向技术的基本概念与内涵，综述了在田间播种、采后处理、畜产养殖加工等农业领域自动定向技术的国内外研究进展，并分析比较了不同应用领域的特征和优缺点。然后对自动定向关键技术应用研究进行了系统分析，包括定向机理与方法、定向机构与装置、自动检测与控制等多方面的共性关键问题，归纳了该领域技术的开放性问题。最后总结了当前自动定向技术面临的挑战和机遇，展望了农机农艺高度融合的自动定向、专用与通用自动定向、多功能全面融合的自动定向和融合智能化技术的自动定向等农业领域自动定向技术和装备的未来研究方向。

摘要:针对北方寒地稻田在秸秆还田作业时，传统单轴机具难以适应覆有大量秸秆的湿黏土壤条件，作业质量难以满足实际作业需求的问题，设计了一种前轴正旋、后轴反旋的新型水稻秸秆双轴深埋还田机。结合实际农艺要求及土壤运动过程确定前后刀轴中心水平距离650mm、竖直距离100mm，并对整机进行配置。运用EDEM仿真软件模拟还田机工作过程，以前进速度、前轴转速、后轴转速为试验因素，以秸秆还田率和机具功耗为评价指标进行正交试验，建立秸秆还田率及机具功耗回归方程。利用Design-Expert分析软件得到最优参数组合，根据仿真优化结果及实际加工需求确定最优工作参数为：前进速度1.5km/h、前轴转速274.2r/min、后轴转速219.4r/min，为后续田间试验提供理论支撑。田间试验结果表明，在留茬高度为15~20cm、地表秸秆覆盖量为468~578g/m2、拖拉机前进作业速度为低速1挡（1.5km/h）时，水稻秸秆双轴深埋还田机还田率为88.7%~91.2%、地面平整度为1.8~2.4cm、碎土率为97.7%~98.8%、耕深为16.6~19.5cm，各项指标均满足农艺要求；与传统单轴机具相比，水稻秸秆双轴深埋还田机提高了秸秆还田率、碎土率，同时未见机具前方壅土现象。

摘要:针对传统外槽轮式播量控制系统因流量-转速标定关系失偏而导致控制精度下降的问题，提出了一种通过动态校正控制参数保持播量控制精度的方法，该方法采用基于氮气弹簧为支撑力、S型称重传感器为拉力的称重式播量检测系统，利用两类传感器加权信号与实际播量方程的线性组合实现原始传感信号滤波的独特测量特性，构建播量检测算法，并根据播量动态检测结果对基于流量-转速标定关系的控制参数作动态校正，实现播量的本质闭环控制，保持控制精度的稳定。利用搭建的播种机测试平台，开展了基于播量检测的播量控制参数未校正和自校正动态试验。在所有的测试过程中，播量检测结果与实际结果之间的绝对相对偏差最大值、平均值和标准差分别为4.52%、2.68%和1.14%；播量控制参数未校正时，实际值与目标值之间的绝对相对偏差最大值、平均值和标准差分别为18.38%、17.06%和1.21%，而引入控制参数自校正后，实际值和目标值之间的绝对相对偏差的最大值和平均值分别下降至3.70%和2.61%，标准差为0.67%。试验结果表明：基于加权信号的播量检测方法能有效获取播种机的实际播量信息，实现播量控制参数自校正，有效维持播量控制系统的控制精度。

摘要:针对玉米种子三轴尺寸差异大，在取种过程中易造成漏取和重取的问题，设计了一种摆动夹取式玉米精量排种器，阐述其结构组成及工作原理，并对关键部件进行设计；通过建立的模型进行力学和运动学分析，得到了影响排种器取种性能的关键因素；通过EDEM软件建立仿真模型，分析种群高度及排种器转速对种群流转速度的影响规律，得到了排种器取种性能曲线；以取种块开合角、进种筒安装高度、排种器转速为试验因素，取种单粒率、漏取率、重取率为评价指标进行二次正交旋转组合仿真试验，结果表明最优参数组合为取种块开合角43.87°、进种筒安装高度37.84mm、排种器转速0.41r/s，在最优参数组合下进行排种性能台架验证试验，得到排种器排种合格指数为94.11%、漏播指数为2.52%、重播指数为3.37%，满足行业标准及农艺要求，研究结果为机械式玉米精量排种器关键部件的设计优化提供了理论参考。

摘要:针对腔道式杂交稻精少量穴直播排种器排种时易出现漏播空穴的问题，基于腔道式排种原理，采用组合脉冲方式，设计了腔道光幕扫描式排种漏播检测方法及配套系统，阐述了组合脉冲的构建方法，建立了稻种在腔道检测区运动的动力学模型，明确了腔道检测区的关键结构参数，开展了排种器不同转速、变转速及不同振动工况下漏播检测系统的性能试验。转速适应性试验结果表明，排种器不同转速及变转速下的检测误差不高于0.80%；振动适应性试验结果表明，中高频振动工况对检测系统的检测性能基本无影响，而振幅相对较大的低频振动工况下，检测误差稍有增大，但不高于1.20%。田间试验结果表明，检测系统对播种机不同作业速度的播种工况均具有较好的适应性，检测误差均不高于2.13%。

摘要:针对传统机械方式鳞芽扶正率低、可靠性差等问题，提出了一种基于电容检测技术的蒜种鳞芽定向方法，搭建了相应的鳞芽检测与扶正装置，并对其结构和运行参数进行了优化。基于ANSYS电场分析验证了方法的可行性，基于EDEM仿真平台进行了接播装置结构的优化。结果表明，当接播装置底面夹角、短轴半径、长轴半径分别为80°、22.99mm和27.79mm时，装置性能最优，理论直立率为96.6%，物理试验验证了优化结果的可靠性。以极板参数为试验因素，以信噪比为试验指标，开展极板尺寸优化试验。结果表明，极板参数为45mm×8mm×0.10mm时，装置性能最优。以金乡、苍山蒜种为试验对象，开展样机试验，正芽率为95.0%，满足大蒜播种要求。

摘要:针对油菜精量联合直播机作业后，田间作业厢面微地貌形状特征参数测量困难、传统测量方法存在测量效率和误差难以兼顾、现有测量装置操作便捷性不够的问题，设计了一种自走遥控地表微地貌测量装置。该装置主要由行走部件和微地貌测量系统组成，装置可以通过遥控操作到达指定测量区域并通过手机APP控制激光雷达扫描作业高度和扫描作业速度及实时显示测量装置测量状态信息，实现农田耕后地表微地貌特征高效测量。对装置行走部件悬挂避振机构和驱动机构行走驱动力进行了设计和分析，确定了弹簧避振器中圆柱螺旋压缩弹簧参数和驱动机构驱动电机参数；对微地貌测量系统控制单元硬件和软件进行了设计，确定了控制单元硬件电路和软件工作流程；对装置倾斜误差和系统误差进行了分析，消除了装置倾斜误差和系统误差。开展了装置田间测量试验，对地表厢面微地貌特征及畦沟沟型进行了测量，结果表明：相较于传统针板法测量方式，所开发的微地貌测量装置测量油菜直播机作业后的地表微地貌特征，获得的厢面平整度特征参数高度均方根、表面相关长度、畦沟平均沟宽、沟宽稳定性系数、平均沟深和沟深稳定性系数误差分别为4.01%、4.81%、3.70%、1.34%、2.09%和2.89%。研究为油菜精量联合直播机等机具农田作业后厢面地表微地貌特征测量提供参考。

摘要:针对喷雾机预混装置预混时间长、预混效果及均匀性参差不齐等植保作业中存在的实际问题，基于现有喷雾机预混装置，结合田间作业过程中1000L喷雾机农药制剂使用量和预混药液输送需求，确定了预混药箱、预混喷头、上药阀等关键部件的基础参数。采用ANSYS-Fluent对不同液面高度时预混动态流场特性进行分析，得到预混药箱内流场的动态分布规律；采用二次回归正交旋转中心组合优化试验方法，以预混喷头工作压力和空间位置参数为影响因素，药液均匀度变异系数为评价指标，利用多岛遗传算法优化获得预混效果较好的参数组合：预混喷头工作压力0.3MPa、与底部平面距离200mm、与背部垂直平面的距离70mm。针对粉剂农药进行场地试验，结果表明：预混药液均匀度变异系数为32.99%；上药阀在压力0.2~0.5MPa下稳定送药，无回流现象。

摘要:振动式采收是一种高效的林果机械化采收形式。在现有的激振形式中，非圆周激励可以使果树产生有效的振动，实现整体采收效果。为进一步提高果实的采收效率，针对非圆周激励中不同类型旋轮线轨迹进行深入研究。通过SolidWorks、ANSYS、ADAMS等软件建立果树柔性体模型。将不同轨迹参数的旋轮线位移载荷导入ADAMS，施加于果树模型激振点。比较不同轨迹的旋轮线位移载荷下果树模型的振动响应，确定3支线1号外旋轮线轨迹E为最优激振轨迹。根据最优激振轨迹，设计了由平面5R并联机构驱动的二自由度树冠振动装置。以油茶树为激振对象，确定频率6Hz、振幅90mm为激振参数，设计并搭建样机进行试验。试验结果表明，7×7交错分布的激振杆布局方式的激振效果最优，该布局下树冠平均合成加速度响应为22.38m/s2，激振加速度传递效率为77.63%，验证了二维激振轨迹的有效性。

摘要:为解决现有对置斜盘有机肥侧抛装置在抛撒时存在的近处肥料堆积与局部起垄问题，结合侧抛装置各部件作用及工作原理，在理论分析的基础上设计一种对称螺旋叶片辅助辊轮，并优化其关键结构参数和作业参数，明确了其与主抛撒部件圆盘的空间位置关系。利用EDEM软件先后开展了单因素与响应面仿真试验，研究了辊轮转速、螺旋角和叶片数对均匀度变异系数和1m内肥料占比的影响，优化后得到了最优参数组合。仿真结果表明，辅助辊轮工作时的最优参数组合为辊轮转速2238r/min、螺旋角42.70°、叶片数4，均匀度变异系数24.45%、1m内肥料占比24.96%，且以该参数组合进行仿真的结果优于原辊轮最优参数仿真结果；设计的辅助辊轮样机试验结果为均匀度变异系数25.46%、1m内肥料占比25.65%，相较于原辅助辊轮的46.77%与65.94%有了很大改善，配合主盘共同作用时抛撒均匀性好，无堆积和起垄现象。研究表明：对称螺旋叶片可有效修正肥料颗粒运动方向，使主盘集中的非受控肥料向两侧分散，与主盘及其他辅助部件联合作用下大幅提高了抛撒性能。

摘要:旋翼悬浮式喷杆分别融合了地面机械和空中无人机的优点，可简化复杂的桁架结构并通过旋翼下压风场能减小雾滴飘移造成的二次污染，具有较好的应用前景。传统的收放方式难以收放旋翼悬浮式喷杆，为此提出了一种以正四边形滚筒为主体的喷杆自动收放装置，建立了喷杆收放过程的D-H坐标系和正运动学模型，通过牛顿-欧拉法构建了动力学模型，并采用三次均匀B样条曲线轨迹规划获取了喷杆收放最优轨迹。以喷杆收放的运动时间、关节冲击和能量消耗为多目标函数，通过NSGA-Ⅱ算法求解Pareto解集，选取解集中喷杆展开时间为56、61、66、71、76、81s，喷杆收卷时间为54、59、64、69、74、79s轨迹进行喷杆收放试验。试验结果表明：喷杆运动时间与喷杆角度标准差存在显著性关系，运动时间越短，喷杆稳定性越差、关节冲击越大、能量消耗越多。取喷杆收放时间59、61s对应轨迹为喷杆收放最优轨迹时，滚筒转速与规划转速的平均跟踪误差不超过0.201(°)/s，关节3、4、5实际运动角度与规划角度的平均跟踪误差不超过6.201°，喷杆能较好地跟踪最优轨迹完成收放。该研究验证了喷杆自动收放装置的有效性和喷杆收放最优轨迹的准确性。

摘要:为解决去皮率低、蒜仁易损伤等问题，设计了一款组合式大蒜柔性去皮装置。通过浮动搓擦单元分离蒜皮，振动机构完成输送，蒜瓣经过浮动搓擦、振动梳刷及气吹等组合作用完成柔性去皮。结合大蒜的物理机械特性，设计了搓擦机构、振动机构、梳刷机构、气吹机构等关键部件；通过对蒜瓣在浮动搓擦单元和振动筛内的动力学分析，确定了影响去皮性能试验的主要因素和取值范围。以搓擦筒轴转速、梳刷间距和曲柄转速为试验因素，以去皮率和损伤率为试验指标，进行三因素三水平响应面试验，求得搓擦筒轴转速、梳刷间距和曲柄转速的最优参数组合并进行了试验验证。试验结果表明最优参数组合为：搓擦辊轴转速70.73r/min、振动频率6.68Hz、梳刷间隙18.00mm；最优参数组合下，蒜瓣去皮率为93.68%、损伤率4.40%，试验验证结果与优化结果相对误差均小于5%，满足大蒜去皮要求。

摘要:为提高装置对大喂入量玉米脱出物的清选性能，基于曲柄-双摇杆设计了一种波浪筛机构，通过多筛片组“下凹”与“近似展平”姿态的连续转换，实现了整个筛体的波浪式运动，通过理论分析确定了波浪筛结构。采用CFD-DEM耦合仿真对波浪筛清选装置内气固两相运动进行了数值模拟，得出波浪筛清选装置内上部空间可形成一条高速气流带，其有利于杂余吹散，近筛层气流速度沿波浪筛纵向呈先降低后升高趋势，有利于配合筛片组的“下凹”与“近似展平”实现筛上物料运移与暂时滞留，在筛体波浪式运动下筛上籽粒陆续完成撞筛、滞留、抛起、越筛，此种筛分方式提高了籽粒的透筛效率。以清选装置入口气流速度、筛体安装倾角、驱动轴转速为试验因素，以籽粒的清洁率和损失率为指标，进行了二次正交旋转组合仿真试验，建立了各因素与指标间的数学模型，优化获得了各参数的最优组合为：清选装置入口气流速度为14.6m/s，筛体安装倾角为8.5°，驱动轴转速为240r/min。高速摄像台架试验结果表明：波浪筛上籽粒的实际运动与仿真中籽粒运动基本一致，验证了仿真结果的准确性；在玉米脱出物喂入量高达7kg/s时，波浪筛清选装置籽粒的清洁率和损失率分别为99.12%和0.45%，筛分21kg玉米脱出物时间为6.86s，波浪筛机构能够满足大喂入量玉米脱出物的清选要求。

摘要:为研究潜水贯流泵装置叶片区压力脉动特性，采用动态压力传感器在模型泵装置叶片前缘、中部和尾缘附近设置3个压力监测点，对多个工况的压力脉动进行测量。试验结果表明，不同流量工况下，叶频及叶频倍数是叶片区压力脉动的主要频率，在大流量工况下，叶片前缘和尾缘处主频为两倍叶频，叶片中部为叶频，其余工况下各监测点主频均为叶频。空化对叶片前缘压力脉动影响较为复杂，大流量工况下临界空化时主频由两倍叶频变为一倍叶频，达到深度空化时主频幅值明显减小，设计流量工况下空化使得谐波频率上升，频域分布更广，小流量工况下主频幅值随空化的发展呈上升趋势。叶片中部和尾缘主频幅值表现出随空化发展增大趋势。相同流量工况下，压力脉动强度从叶片中部、尾缘到前缘总体上呈减小趋势，且叶片区各监测点压力脉动强度随流量增加总体呈下降趋势。

摘要:在水翼吸力面采用主动射流方法可以很好地控制绕水翼的空化流动，减弱空化的发生和发展。为此，基于主动控制方法，采用密度修正的SST k-ω湍流模型和Zwart-Gerber-Belamri空化模型，数值研究射流参数对于绕NACA66（MOD）水翼云空化的流动特性影响规律。根据正交设计方法，在来流雷诺数Re为 5.07×105、攻角α为8°、空化数σ为0.83工况下，针对由不同射流参数组合而成的16组射流结构，评估了射流位置、射流角度和射流流量对绕水翼流场空化特性和水动力特性的影响，并获得最优射流特征参数。结果表明，射流位置对空化流动抑制影响最大，而射流角度对水动力学性能影响最大。采用最佳射流特征参数将使水翼空化流场中的时均无量纲空穴面积降低46.57%，时均升阻比提高5.59%。此时，顺来流方向的射流与向前缘发展的回射流碰撞并形成强烈的掺混，消耗了回射流的动量，从而阻碍了回射流继续向水翼前缘移动，极大地削弱了附着型空化的失稳脱落。

摘要:为进一步提高陕西省关中平原冬小麦产量估测的精度，利用集合卡尔曼滤波算法（EnKF）将CERES-Wheat模型模拟的0~20cm土壤含水率和叶面积指数（LAI）与遥感观测的条件植被温度指数（VTCI）和LAI进行同化，同时利用交叉小波变换分析冬小麦各生育时期同化VTCI和LAI与产量之间的共振周期，通过计算小波互相关度获得各生育时期同化VTCI和LAI的权重，进而构建基于加权VTCI和LAI的冬小麦单产估测模型。结果表明，在样点尺度，经过EnKF同化的VTCI和LAI能够综合表达模型模拟值和遥感观测值的变化趋势；在区域尺度，无论是否同化，经过交叉小波变换的各生育时期VTCI和LAI分别与产量之间存在特定的共振周期，同时发现，同化有助于对关键生育时期的特征提取；相较于未同化构建的估产模型，经过同化构建的估产模型的归一化均方根误差为13.23%，决定系数为0.50，平均相对误差为10.58%，精度略有提升，且估测产量的分布与统计产量的分布更为一致，因此认为将同化与交叉小波相结合构建的双变量单产估测模型精度更高，可为进一步实现高精度的区域产量估测提供研究基础。

摘要:植被覆盖状况及其响应是当前全球变化研究的重要议题，研究淮河流域植被覆盖度（Fraction of vegetation coverage，FVC）的时空变化趋势，对于揭示气候过渡带脆弱生态系统演化及驱动机制有重要意义。本文利用Google Earth Engine（GEE）平台上的Landsat影像计算淮河流域的植被覆盖度，分析FVC时空变化特征，并借助夜间灯光强度、气温、降水量、蒸散发、土壤和地形等数据，从年际尺度和空间尺度分析FVC的驱动因素。结果表明：1987—2021年淮河流域FVC整体呈增加态势，FVC变化趋势在空间上以稳定和改善为主，面积占比分别为45.2%和39.7%，改善区域集中在信阳、驻马店、南阳、洛阳等地，退化区域集中在南通、泰州、盐城、临沂、潍坊、郑州和阜阳等地。在年际尺度，FVC变化与夜间灯光强度的显著性高于气温和降水量，淮北区域FVC增加趋势不如淮南区域显著。在空间尺度，夜间灯光强度、潜在蒸散发、降水量和地形是淮河流域FVC空间差异的主要影响因素，夜间灯光数据表征的人类活动对FVC的影响最大；夜间灯光数据对FVC变化的影响具有空间异质性：正相关区域面积占比25.4%，主要为耕地和林地；负相关区域面积占比14.7%，主要为地级市乃至县城的中心城区。人类活动和自然因素变化的共同作用是淮河流域近35年来植被变化的主要原因，人类活动和自然因素对FVC变化的平均贡献度分别为56.0%和44.0%。研究成果可为我国绿色城镇化道路及生态保护政策制定提供支撑。

摘要:芳樟（Cinnamomum camphora（Linn.）Presl）精油在林业经济发展中具有巨大市场潜力，多光谱遥感产量预测是高效反演芳樟精油产量的新方式。本研究以矮林芳樟收获期精油产量为研究对象，利用无人机多光谱遥感技术，筛选敏感植被指数作为输入变量，以地面同步观测的精油产量作为输出变量，采用支持向量机（Support vector machine, SVM）、随机森林（Random forest, RF）和反向传播神经网络（Back propagation neural network, BPNN）3种机器学习方法构建矮林芳樟精油产量预测模型。结果表明，修改型土壤调节植被指数（MSAVI）、优化土壤调节植被指数（OSAVI）、重归一化植被指数（RDVI）、土壤调整植被指数（SAVI）和非线性植被指数（NLI）对矮林芳樟精油产量呈现较高敏感性，其相关系数R分别为0.7651、0.8131、0.7711、0.7794、0.8183。SVM、RF、BPNN 3种机器学习方法构建的矮林芳樟精油产量预测模型训练集的决定系数R2分别为0.723、0.853、0.770，均方根误差（RMSE）分别为11.649、9.179、10.484kg/hm2，平均相对误差（MRE）分别为7.204%、10.808%、7.181%；验证集的R2分别为0.688、0.869、0.732，RMSE分别为7.951、5.809、8.483kg/hm2，MRE分别为6.914%、5.545%、7.999%。经过综合比较，以MSAVI、OSAVI、RDVI、SAVI、NLI作为输入数据，基于RF方法构建的矮林芳樟精油产量预测模型，模拟结果精度最高。研究可为提高基于无人机多光谱遥感的矮林芳樟叶片精油产量预测精度提供理论依据，为快速监测大面积经济植物生长状况提供技术支撑。

摘要:叶绿素是一种反映植物生长水平和健康状况的重要生理生化指标，为快速、无损地大规模获取柑橘冠层的叶绿素含量以精确指导果园管理，利用多旋翼无人机搭载多光谱传感器获取多波段反射率数据，使用多光谱阴影指数对冠层阴影和土壤背景进行剔除，计算得到植被指数与纹理特征，将地面实测的叶绿素含量作为验证，综合对比了全子集回归、偏最小二乘回归和深层神经网络的反演精度以选取最优模型。结果表明，植被指数与叶绿素含量的相关性良好；将仅使用植被指数与仅使用纹理特征的建模结果进行对比，仅使用纹理特征的模型在全子集回归和偏最小二乘回归的反演精度均有明显提升；结合植被指数与纹理特征共同建模后，全子集回归和偏最小二乘回归的反演精度相比仅使用纹理特征的模型均能获得提升；深层神经网络因其良好的非线性拟合能力，获得了最高的反演精度，R2、MAE、RMSE分别为0.665、7.69mg/m2、9.49mg/m2，成为本文最优模型。本研究利用无人机多光谱影像反演得到柑橘冠层叶绿素含量，为实现柑橘生长监测提供指导作用。

摘要:高温干旱是影响作物生长及最终生产力的主要胁迫源。当前，无人机遥感技术已在作物倒伏和病虫害的分级监测研究中取得重大进展，但有关利用无人机遥感进行作物抗旱等级监测的研究却鲜有报道。因此，以苎麻种质资源为研究对象，提出了苎麻抗旱性量化标准，并提供了一种利用无人机多光谱遥感鉴定苎麻种质资源抗旱性的方法。首先，由专家对36份苎麻种质资源进行抗旱性分级；然后，结合无人机多光谱遥感获取的植被指数，采用随机森林（Random forest，RF）、支持向量机（Support vector machine，SVM）、决策树（Decision tree，DT）3种机器学习方法分别构建苎麻抗旱性鉴定模型，并通过苎麻在高温干旱胁迫下的表型响应检验鉴定结果；最后，基于无人机获取的遥感表型，筛选高温干旱胁迫下优质苎麻种质资源。结果表明，利用SVM构建的苎麻抗旱性鉴定模型正确率达到0.74，不同抗旱级分类F1得分范围为0.69~0.79，说明该方法能用于苎麻种质资源抗旱性评估。利用无人机遥感数据反演得到的3项苎麻表型性状（叶绿素相对含量、叶面积指数、株高）均与人工测量值具有较强的相关性，在此基础上，研究从高温干旱胁迫中筛选出了3个优质苎麻种质资源PJ-CD、WS-XM、湘苎7号。

摘要:为提高果园喷雾机器人在果园行间行走的自主性和安全性，提出一种基于三维激光雷达与优化DBSCAN算法的果树定位方法。首先，采用三维激光雷达获取果园的环境信息，通过感兴趣区域提取、地面点云分割和体素滤波降采样对原始点云数据进行预处理；然后，对DBSCAN算法进行优化，构建KD树索引有序化实时点云数据，并使用KD树最近邻搜索替代传统DBSCAN算法的遍历搜索方式，最后根据数据点到激光雷达的距离自适应确定聚类密度阈值，实现行间不同距离的果树检测；最后，以果树聚类结果的冠层边缘点为果树的定位参考点，得到果树定位参考点的坐标，计算果园喷雾机器人与果树的相对位置。试验结果表明：优化的DBSCAN算法相较于传统DBSCAN算法检测的准确性和实时性均有明显提升，果树的横向定位平均误差为2.6%，纵向定位平均误差为1.6%。该方法能够满足果园喷雾机器人在行间果树定位的准确性和实时性要求，为精准农业装备在林果园环境下的自主导航和作业提供有效参考。

摘要:为提高果园内小型双电机驱动履带式割草机恶劣路面下路径跟踪精度，提出了一种基于虚拟雷达路径感知和两级深度神经网络的路径跟踪控制算法。首先搭建了两级串联的人工深度神经网络，一级深度神经网络通过虚拟雷达路径感知算法，计算得到履带式割草机与目标路径的相对位置关系。二级深度神经网络根据履带式割草机跟踪偏差、航向角、横向偏差影响因子、折算履带滑转率以及履带式割草机与目标路径的相对位置关系，计算得到两侧驱动电机的控制转速，实现路径跟踪控制。在灌溉翻浆的果园路面，开展了履带式割草机U形路径跟踪实车试验，当车速分别为0.4、0.8m/s时，该算法路径跟踪的最大横向偏差分别为0.064、0.072m，平均横向偏差分别为0.026、0.033m。与传统的纯追踪控制算法相比，最大横向偏差分别减小31.18%、20.88%，平均横向偏差减小35.00%、29.79%。基于虚拟雷达和两级深度神经网络的路径跟踪控制算法可有效提升履带式割草机在恶劣路面下的路径跟踪精度。

摘要:农田障碍物检测是农机自动驾驶的前提，针对毫米波雷达的农田障碍物检测，本文提出一种无效目标滤除的算法。首先对毫米波雷达所输出的目标信息进行解析并提取农田目标障碍物信息，然后使用无效目标滤除算法对解析后的空目标、伪目标、非威胁数据进行滤除。对雷达数据中目标距离为零的空目标直接滤除；对因雷达工作性能或回波信号不稳定而产生的伪目标通过雷达有效目标生命周期法进行过滤；对超出横向距离阈值和纵向距离阈值的非威胁目标直接滤除。试验结果表明，所提算法在静止状态，平均滤除率达到85%以上。当速度为3km/h时，未作业状态的平均滤除率为85.24%，旋耕为84.23%；当速度为5km/h时，未作业为84.22%，旋耕为84.18%；当速度为7km/h时，未作业为84.19%，旋耕为84.16%。尽管在行驶状态下，随着速度的提升或悬挂旋耕机，滤除率有一定的下降，但本文所提算法在各种状态下的平均滤除率均可达到84%以上。

摘要:针对无人机搭建可见光传感器进行茶叶长势、病害等监测中因飞行高度影响图像分辨率的问题，本文提出了一种改进的残差密集网络（Residual dense network，RDN）用于无人机茶叶图像超分辨率重建。针对无人机茶叶图像纹理复杂的特点，以RDN为基线网络，在其结构中引入了残差组（Residual group，RG）模块，将多个残差通道注意力模块（Residual channel attention block，RCAB）组合在一起，通过引入注意力机制来区别对待不同的通道，关注无人机茶叶图像高频细节信息，从而提高网络的表征能力；同时设计了一个卷积长跳跃结构，利用带有卷积的远程跳跃连接，动态调整经过残差密集块（Residual dense block，RDB）后特征的权重，更好地利用无人机茶叶图像的分层特征信息，从而提升超分辨率重建图像的质量。实验结果表明，本文改进的RDN网络在无人机茶叶图像测试集上相较于其他算法表现更优，超分辨率重建后的图像具有更高的峰值信噪比和结构相似度，在4倍超分的情况下分别达到36.03dB和0.9132，能够为茶叶智能化监测研究提供支持。

摘要:水稻真菌病害主要依赖真菌孢子在空气中进行传播。然而各种水稻病害孢子的形态相近，传统孢子捕捉仪和显微图像法难以对其进行区分。为了能够准确识别目标病害孢子并进行病害源定位，提出了一种水稻病害孢子多光谱衍射识别与病害源定位方法。为了解决传统衍射方法无法识别形态相似的缺点，设计了一种大视场、无透镜的多光谱衍射成像传感器。通过分析病害孢子衍射指纹图谱，解析稻瘟病菌、稻曲病菌孢子多光谱衍射成像特征规律。融合孢子的形态特征和吸收特性，提出指纹分离强度和相对峰差两个特征参数，建立孢子的多光谱衍射识别模型。通过仿真计算实验分析孢子传播规律，耦合环境信息建立孢子传播过程中的扩散模型。在无定向风及有定向风条件下分析孢子的空间分布情况，提出病害爆发源迭代质心定位算法。实验结果表明，本文方法对水稻病害孢子的识别率达到98.5%，对无定向风条件下的定位误差最低为4.9%，对有定向风条件下的定位误差最低为7.1%。

摘要:针对甘蔗叶片早期轮斑病与锈病发病症状相似，难以区分，导致在实际生产中不便对症施药的问题，以甘蔗早期轮斑病和锈病叶片为研究对象，探究利用高光谱成像技术来识别甘蔗叶片早期轮斑病与锈病的可行性。首先，利用高光谱成像系统在406~1014nm光谱范围内采集甘蔗健康叶片、早期轮斑病叶片和锈病叶片的高光谱图像，提取图像的感兴趣区域(Region of interest, ROI)并计算其平均光谱作为原始光谱数据，采用一阶导数(First derivative, FD)、Savitzky-Golay卷积平滑(Savitzky-Golay convolutional smoothing, SG)和标准正态变换(Standard normal variate, SNV)分别对原始光谱数据进行预处理。然后，在预处理的基础上采用主成分分析(Principal component analysis, PCA)算法、蚁群优化(Ant colony optimization, ACO)算法进行特征降维，并将降维后的特征作为后期建模的输入变量。最后，结合降维和不降维2种方式使用支持向量机(SVM)和随机森林(RF)进行识别。为了确定最优的识别模型，对不同的预处理方法、降维方法和分类器共18个组合模型进行了试验。经对比发现，SG-SVM识别模型效果最佳，测试集准确率为99.65%。试验结果表明，利用高光谱成像技术进行甘蔗叶片早期轮斑病和锈病的识别可行且有效，可为植保无人机超低空遥感病害监测提供参考。

摘要:针对卷积神经网络模型巨大的参数量和计算量导致其实际应用时难度较大的问题，提出了一种基于注意力机制与动态稀疏约束的模型压缩方法。该算法首先借助SENet（Squeeze and excitation networks，SENet）模块（可称为SE模块）评估出网络中各个通道的重要性，并施加稀疏正则化；然后提出一种网络稀疏度的自适应惩罚权重设计方法，根据模型学习效果，动态调整权重，将其添加到最终的训练目标上，实现模型动态压缩。最后，通过实验验证所提出的模型压缩方法，在经典的多分类数据集CIFAR-10上进行实验，证明了本文所提出的基于注意力机制与动态稀疏约束的模型压缩方法可降低网络的冗余度，使网络模型参数量减少43.97%，计算量减少82.94%，而分类准确率只比原始VGG16模型下降0.04个百分点。随后又将提出的模型压缩方法应用到杂草检测任务中，在甜菜与杂草数据集上进行实验，实验结果表明，剪枝模型相较于未剪枝模型的模型参数量减少41.26%，计算量减少45.77%，而平均检测精度均值只减少0.91个百分点，证明了该方法在杂草检测方面效果较好。

摘要:为了解决果园因农药过量使用导致的环境污染与农药浪费问题，提出了一种基于改进YOLACT的果树叶墙区域（Leaf wall area，LWA）实时检测方法，用于计算深度-彩色双目相机采集视频中的叶墙区域距离及密度，为果园农药智慧喷施作业中农药喷洒剂量与喷洒距离的实时调整提供依据。首先，使用ConvNeXt主干网络改进了YOLACT模型，并引入NAM通道注意力机制对模型进行了优化；其次，提出了基于深度学习的果树叶墙密度检测方法；最后，通过阈值法排除深度图像中的干扰信息，简化了果树叶墙平均距离计算方法的处理流程。实验结果表明，改进YOLACT模型分割的APall为91.6%，相较于原始模型上升3.0个百分点，与YOLACT++、Mask R-CNN和QueryInst模型相比分别高2.9、1.2、4.1个百分点；叶墙密度估计算法在叶墙顶部、中部和底部的均方根误差（Root mean square error，RMSE）分别为1.49%、0.82%、2.20%；叶墙区域实时检测方法的处理速度可达29.96f/s。

摘要:田间害虫图像数据采集困难，并且传统的检测模型大多使用复杂的特征金字塔（Feature pyramid network，FPN）结构提升精度，这在一定程度上影响了检测的实时性。为此，本研究通过设计诱虫灯装置构建害虫数据集FieldPest5，并且对无FPN结构的检测器YOLOF进行改进，提出兼顾检测精度和效率的害虫检测模型YOLOF_PD。首先，增加Cutout数据增强方法缓解害虫图像中的遮挡问题，并且使用CIoU损失函数获得更好的框回归位置；其次，在原有坐标注意力机制（Coordinate attention，CA）的全局平均池化（Global average pooling，GAP）路径中增加全局最大池化（Global max pooling，GMP）路径，并且使用可学习参数自适应更新不同路径的权重，提出自适应坐标注意力机制（Adaptive coordinate attention，ACA），增强模型的信息表征能力；最后，对YOLOF膨胀编码器中的Projector和Residual模块进行改进，在Projector模块的3×3卷积后引入ACA注意力机制，在Residual模块中融合3×3的深度可分离卷积和1×1的逐点卷积，提出Dilated_Dwise_ACA编码器，提高YOLOF对小尺度害虫的检测性能。实验结果表明：改进后的YOLOF_PD模型在FieldPest5测试集上的平均精度均值（Mean average precision，mAP）为 93.7%，较改进前提升2.1个百分点，并且检测时图像传输速率为42.4f/s，能够满足害虫快速检测的要求。对比Cascade R-CNN、RetinaNet、ATSS等模型，YOLOF_PD模型在检测效果和检测速度方面均取得了良好性能。

摘要:针对传统苹果叶部病害分类方法精准性差、效率低等问题，提出了一种基于改进ResNet18的苹果叶部病害多分类算法。通过在原始ResNet18网络的基础上增加通道与空间注意力机制分支，强化网络对叶部病害区域的特征提取能力，提高病害的识别精度和实时性。为更好地引导网络学习到零散分布的病害斑点的特征，引入特征图随机裁剪分支，不仅实现有限样本空间的扩充，还进一步优化网络结构，提高训练速度。试验以苹果5类常见的叶部病害（黑星病、黑腐病、雪松锈病、灰斑病、白粉病）为主要研究对象，并与主流分类算法模型进行对比。试验结果表明，所提ResNet18-CBAM-RC1模型病害分类准确率可达98.25%，高于ResNet18(93.19%)和VGG16(96.13%)，能够有效提取叶片病害特征，增强对多类病害的识别，提高识别准确率。此外，模型内存占用量仅为37.44MB，单幅图像推理时间为9.11ms，可满足嵌入式设备上果园病害识别的实时性要求。

摘要:针对two-stage网络模型训练成本高，无人机搭载的边缘计算设备检测速度低等问题，提出一种基于改进YOLO v4模型的受灾树木实时检测方法，以提高对落叶松毛虫虫害树木的识别精度与检测速度。以黑龙江省大兴安岭地区呼玛县白银纳乡受落叶松毛虫侵害的落叶松无人机图像为数据，利用LabelImg软件标注75~100m的无人机图像，构建落叶松毛虫虫害树木图像数据集。将CSPNet应用于YOLO v4模型的Neck架构，重新设计Backbone的特征提取网络——CSPDarknet53模型结构，并在CSPNet进行优化计算前的卷积中加入SENet以增加感受野信息，使其改变网络的深度、宽度、分辨率及网络结构，实现模型缩放，提高检测精度。同时，在PANet中使用CSPConvs卷积代替原有卷积Conv×5，最后经过YOLO Head检测输出预测结果。将YOLO v4-CSP网络模型部署至GPU进行训练，训练过程的内存降低至改进前的82.7%。再搭载至工作站进行测试，结果表明：改进的YOLO v4-CSP网络模型在测试阶段对虫害树木检测的正确率为97.50%，相比于YOLO v4的平均正确率提高3.4个百分点，模型精度接近目前主流two-stage框架Faster R-CNN的98.75%；将改进的YOLO v4-CSP网络模型搭载至Jetson nano边缘计算设备，检测速度达到4.17f/s，高于YOLO v4模型的1.72f/s。基于YOLO v4-CSP的检测模型可实现对受灾树木检测速度与精度的平衡，降低模型的应用成本，搭载至无人机可实现对森林虫害的实时监测。

摘要:正确识别西兰花田间位置是实现西兰花自动化采收的基础，西兰花花球颜色与植株的叶片、茎秆相似，仅通过颜色特征无法对西兰花进行识别,本文以成熟期的田间西兰花为研究对象，提出了一种基于纹理特征与颜色特征的西兰花识别算法。首先通过预处理以及Laws滤波对图像进行边界纹理强化，再通过Gabor滤波对图像进行纹理特征向量提取，并对提取后的纹理特征向量进行z-score标准化，随后对标准化后的纹理特征向量进行K-means聚类与开运算，获取花球潜在存在区域。同时对RGB图像进行HSV转换，通过对图像的H分量进行阈值分割达到滤除地面像素的效果。最终对纹理特征识别与颜色特征识别的结果进行融合，实现对田间西兰花的识别。算法通过结合纹理与颜色特征，对田间西兰花进行了识别，解决了西兰花的花球与茎叶等背景颜色相近难以识别的问题。本文共使用792幅图像进行试验，试验结果表明，本方法可以准确地对西兰花田间图像进行识别，其精确率为96.96%，召回率为94.41%，F1值为95.67%。通过对3组不同拍摄环境的数据集进行算法识别，3组数据集的F1值始终保持在94%以上，具有良好的拍摄环境适应性，为农业机器人进行西兰花自动化采收奠定了基础。

摘要:目前猪群图像检测均为基于水平框的目标检测算法，对于图像中猪体粘连和相互遮挡情况检测率较低，针对图像中的猪只长宽比例较大和可能发生任意角度旋转的特点，提出了一种基于双扩张层和旋转框定位的群猪目标检测算法(Dual dilated layer and rotary box location network, DR-Net)。采集3个猪场的群猪图像，利用数据增强保留9600幅图像制作数据集；基于膨胀卷积搭建提取图像全局信息的双扩张层，借鉴Res2Net模块改进CSP层融合多尺度特征，猪只目标以旋转框定位并采用五参数表示法在模型训练中利用Gaussian Wasserstein distance计算旋转框的回归损失。试验结果表明，DR-Net对猪只目标识别的精确率、召回率、平均精确率、MAE、RMSE分别为 98.57%、97.27%、96.94%、0.21、0.54，其检测效果优于YOLO v5，提高了遮挡与粘连场景下的识别精度和计数精度。利用可视化特征图分析算法在遮挡和粘连场景下能够利用猪只头颈部、背部或尾部特征准确定位目标。该研究有助于智能化猪场建设，可为后续猪只行为识别研究提供参考。

摘要:为准确高效地实现无接触式奶山羊个体识别，以圈养环境下奶山羊面部图像为研究对象，提出一种基于改进YOLO v5s的奶山羊个体识别方法。首先，从网络上随机采集350幅羊脸图像构成羊脸面部检测数据集，使用迁移学习思想预训练YOLO v5s模型，使其能够检测羊脸位置。其次，构建包含31头奶山羊3844幅不同生长期的面部图像数据集，基于预训练的YOLO v5s，在特征提取层中引入SimAM注意力模块，增强模型的学习能力，并在特征融合层引入CARAFE上采样模块以更好地恢复面部细节，提升模型对奶山羊个体面部的识别精度。实验结果表明，改进YOLO v5s模型平均精度均值为97.41%，比Faster R-CNN、SSD、YOLO v4模型分别提高6.33、8.22、15.95个百分点，比YOLO v5s模型高2.21个百分点，改进模型检测速度为56.00f/s，模型内存占用量为14.45MB。本文方法能够准确识别具有相似面部特征的奶山羊个体，为智慧养殖中的家畜个体识别提供了一种方法支持。

摘要:针对奶牛产犊过程中自动化监测和预报设备缺乏的问题，设计了基于翘尾特征的奶牛产犊预报设备。设备包括记录待产奶牛尾部加速度数据采集节点，数据上传无线组网和云端数据存储平台，并开发了基于机器学习模型的产犊预报算法，实现了奶牛产犊的自动预报。尾部数据采集节点采用STM32L151CBT6A单片机控制ICM42605传感器实现加速度数据采集，在完成数据整理与本地存储后，通过LoRa网络将数据上传至网关。网关通过WiFi网络，按照MQTT协议将数据传输至腾讯云物联网开发平台，并将数据同步存储在腾讯云数据库中。在算法开发试验中，本文基于25头奶牛产犊前的尾部加速度数据，开发了基于Man-Kendall趋势检验和基于集成学习思想的多SVM产犊预报模型，完成算法性能验证后，将开发好的模型部署在腾讯云服务器。验证试验表明：牛尾节点测量的加速度信号与振动传感器校准仪设定的输出信号相关性良好(r=0.938，P＜0.01)，节点监测模块可连续工作24d，无线传输网络最大丢包率为1.3%，满足应用需求。设备进行部署后，完成了11头奶牛产犊过程的监测，结果表明设备对9头牛(81.82%)在产前12h内成功进行了预报。本文设计的基于翘尾特征的奶牛产犊预报设备可以应用于实际的奶牛产犊过程监测和预报。

摘要:肉鸽行为表现与鸽舍环境舒适度和肉鸽健康状况密切相关。为实现肉鸽行为精准检测、及时掌握肉鸽健康状况，提出了基于改进YOLO v4模型的肉鸽行为检测方法。由于肉鸽社交等行为特征相似性程度高，为了在复杂环境下准确识别肉鸽行为，本文采用自适应空间特征融合（Adaptively spatial feature fusion，ASFF）模块改进YOLO v4模型，在特征金字塔网络中增加ASFF模块，根据特征权值自适应融合多层特征，充分利用不同尺度特征信息，并且ASFF模块能有效过滤空间冲突信息、抑制反向梯度不一致问题、改善特征比例不变性以及降低推理开销。基于多时段的肉鸽清洁和社交行为数据集，自制5类肉鸽行为图像数据库，采用OpenCV工具进行模糊、亮度、水雾和噪声等处理扩充图像数据集（共10320幅图像），增加数据多样性和模拟不同识别场景，提升模型泛化能力。本文按照比例8∶2划分训练集和验证集，训练总共迭代300个周期，对不同时段、角度、尺寸的肉鸽数据集进行检测。检测结果表明，在阈值0.50和0.75时YOLO v4-ASFF检测精度比YOLO v4的mAP50和mAP75提高14.73、14.97个百分点。对比Faster R-CNN、SSD、YOLO v3、YOLO v5和CenterNet模型验证本文模型检测性能，在测试集中mAP50分别提高13.98、14.00、18.63、14.16、10.87个百分点。视频检测速度为8.1f/s，在推理速度相当情况下，本文改进模型识别准确率更高，复杂环境泛化能力更强，且对相似度高的行为误检和漏检情况更少，可为智能化肉鸽养殖和科学管理提供技术参考。

摘要:叶片湿润时间是植物病害模型的重要输入变量之一，它与许多叶部病原菌的侵染有关，影响病原侵染和发育速率。叶片湿润传感器可以实现对其实时、自动化监测，而由于叶片湿润时间受到环境和植物交互效应的影响，需要在灌溉环境下的柑橘园中进行校准。以生长季的柑橘为试验材料研究校准方法。叶片湿润传感器角度为30°，采用移液枪向传感器滴水和使用灌溉设施向传感器喷灌2种方法来确定传感器的干湿阈值；比较了柑橘冠层不同位置的传感器监测效果，并研究了有雨和无雨条件下对传感器监测效果的影响，最后通过神经网络模型验证阈值的合理性。结果表明：叶片湿润传感器在灌溉环境下干湿阈值为270mV，此时传感器的监测效果最好，误差在2h以内，通过与神经网络模型预测结果对比，证实此阈值下传感器监测效果良好；位于柑橘冠层底部位置的传感器监测准确率最高，可达0.95；传感器在无雨条件下监测效果优于有雨条件。该叶片湿润传感器校准方法可以用于灌溉柑橘园叶片湿润时间监测，符合柑橘病害预警系统的要求。

摘要:为探寻不同水氮管理模式对黑土稻田碳固定与碳减排效应的影响，进行了田间试验研究。设置常规淹灌(F)与控制灌溉(C)两种灌溉模式，选用110kg/hm2(N)、99kg/hm2(N1,减氮10%)、88kg/hm2(N2，减氮20%)3种施氮量，测定了6种水氮管理模式下的水稻土壤呼吸CO2排放强度和CH4排放强度，水稻收获后各器官干物质量、碳含量及固碳量，并计算了净土壤碳收支情况。结果表明，不同水氮管理模式下，各处理土壤呼吸CO2排放量呈现单峰值变化，并在分蘖期达到峰值；各处理甲烷排放量呈现双峰值变化且在分蘖期与穗肥施入后达到峰值。相同灌溉方式下，随着施氮量的减少，土壤呼吸CO2排放强度与甲烷排放强度也显著减少(P<0.05)。相同施氮量下，控制灌溉相比常规淹灌有效地降低了甲烷排放强度，但提高了土壤呼吸CO2排放强度。不同水氮管理模式下，水稻收获后总固碳量为319.37~489.00g/m2，水稻收获后各器官固碳量由小到大依次为叶、根、茎、穗，分别为植株总固碳量的5.16%~6.72%、5.71%~10.78%、28.62%~36.66%、49.53%~58.70%。控制灌溉相较常规淹灌有效提高了植株固碳能力。在不同水氮管理模式下，水稻的净初级生产力(NPP)与总初级生产力(GPP)均在减氮量10%处理达到最高，相同灌溉方式下，随着施氮量的增大均呈现先增大后减小的变化趋势；相同施氮量下，控制灌溉下NPP、GPP均高于常规淹灌。控制灌溉相比常规淹灌具有更高的生产潜力。除CN处理净土壤碳收支数值呈负值外其余处理均为正值，即除CN处理外其余处理均为土壤净碳增益效果，相同施氮量常规淹灌下土壤净碳增益高于控制灌溉，但差异不显著(P>0.05)；随着施氮量的减少相同灌溉制度下各处理土壤碳收支呈先增大后减小的变化趋势。综合考虑，CN1处理可以在保证较高生产能力下提高土壤固碳能力，减少土壤碳损失与稻田温室气体排放。

摘要:干法厌氧发酵是提高农业农村废弃物处理效率及资源高效循环的重要技术之一。先前围绕该技术产甲烷效率低、传质传热不均匀等问题，提出了微好氧同步预升温干发酵技术，设计了配套装备，开展了小试和中试试验，产甲烷效率得到改善。为进一步提高放大装备的实际应用质量，在对发酵装置密封、进出料、喷淋循环系统等关键部件优化的基础上，探明了最优曝气量及实际应用中微好氧预升温阶段物质转化特性，揭示了微生物生态网络关系，评价了实际运行效果。结果表明：对关键部件的优化显著提升装备运行稳定性，微好氧同步预升温阶段最优曝气量为10L/min，容积产气率达到1.20m3/(m3·d)。物料在第40小时升温至42℃，曝气组各层物料温度较未曝气组均提高45.54%、32.46%和52.06%。同步预升温促进了物料各层纤维素和半纤维素的降解，提高了酸化效率，有机酸质量浓度分别提高59.83%、50.69%和20.85%，物料产气潜力提高34.9%。探明了微生物网络关系以及与发酵环境因子变化的相关性，发现微好氧预升温阶段具有协同作用的功能微生物SBR1031、Synergistales和Gaiellales，丰度提高57.67%、15.88%和68.59%。

摘要:设计并制备了一种基于喷墨打印的纳米银/单壁碳纳米管柔性电导率传感芯片。通过交流阻抗法对传感芯片进行建模标定，系统测试了该传感芯片的响应时间、稳定性、重复性、弯折及封装影响等性能，并与商用EC电极进行了性能对比，验证了该柔性芯片在无土栽培生菜营养液EC在线监测中的可行性。试验结果表明，叉指柔性EC芯片的电导率测定范围为25.8~3098μS/cm，标准电导率溶液的测定相对误差小于8.02%，芯片响应时间为10s，12h测定数据漂移小于3.91μS/(cm·h)，稳定性和重复性与商用EC电极相当，0°~90°范围内弯折、PDMS封装对其性能无影响。水培生菜EC监测中，柔性EC传感芯片可准确获取营养液EC波动，检测结果与商用EC电极的最大绝对误差小于46μS/cm，最大相对误差小于3.2%，两种传感器测量结果均方根误差为28.29μS/cm。自制柔性电导率传感芯片与商用EC电极的性能相近，具有微小且可弯折等独特农业应用优势。

摘要:不同种属动物源肉骨粉的快速鉴别分析技术是加强饲料监管、防范疯牛病传播的重要保障。为了探索使用显微X射线计算机断层成像技术（Micro-computed tomography, Micro-CT）快速鉴别分析不同种属动物源肉骨粉的可行性，本研究以制备的哺乳动物源牛骨颗粒和非哺乳动物源鸡骨颗粒各100个作为样品集，以不同相对位置鸡、牛骨颗粒以及鸡骨颗粒中牛骨颗粒质量分数约0.97%分别制备验证集，使用Bruker Skyscan 1275 Micro-CT对所有样品进行扫描和图像重构（管电压80kV、管电流125μA，图像分辨率10μm，重构灰度图像灰度阶为0~255，对应X射线吸收系数为0~0.035）；提取不同骨颗粒样品的感兴趣区域进行图像分割，并结合PLS-DA和SVM-DA机器学习算法分别构建鸡和牛骨颗粒分割模型。研究结果表明，鸡、牛骨颗粒图像分割感兴趣区域灰度区间为165~255，基于PLS-DA和SVM-DA模型的鸡、牛骨颗粒鉴别交互验证总准确率均为94%，验证集样品的Micro-CT三维原位可视化表征结果经验证与样品实际结果一致。结果表明，Micro-CT结合PLS-DA和SVM-DA机器学习算法进行哺乳和非哺乳动物源骨颗粒的鉴别分析是可行的。本研究为不同种属动物源饲料的快速、无损鉴别提供了新的三维原位可视化表征手段。

摘要:颜色是红葡萄酒重要的感官特征和质量评价指标，花色苷是红葡萄酒呈色、稳定和营养功能的重要物质基础。既往研究极少探讨外源添加天然色素对红葡萄酒颜色质量和花色苷的影响。选取赤霞珠干红葡萄酒为研究对象，于酒精发酵前和发酵后分别添加天然色素Ⅰ和天然色素Ⅱ 2种色素，并以添加黄岑苷、绿原酸和没食子酸3种多酚为对照，探究对葡萄酒颜色特征、花色苷种类与含量的影响。结果发现：在发酵前添加天然色素Ⅰ和Ⅱ使得酒体颜色加深、红色色调加强、花色苷含量增加。在发酵后添加以上多酚对葡萄酒颜色和花色苷的影响弱于发酵前添加，但添加天然色素Ⅰ仍然有利于花色苷含量的保持，只是效果弱于发酵前添加。其余多酚物质处理对供试酒样颜色品质影响较小。研究结果表明发酵前添加多酚物质更有利于红葡萄酒颜色品质的提升和稳定、花色苷含量的保持和稳定，天然色素Ⅰ是相对最优质的辅色剂。

摘要:针对现有夹心海苔生产采用单张海苔片逐张加工导致两张海苔片难以准确对齐、夹心料浪费严重、生产效率低等问题，提出一种采用热压粘合将单张海苔片粘合成带状海苔片的加工方法，对这种海苔片热压粘合工艺进行试验研究及参数优化。首先研究了热压温度、热压时间和酒精体积分数对粘合后海苔片韧性和粘附力的影响；然后通过二次回归正交试验及响应面分析，研究了各因素对评价指标的影响规律并建立了各影响因素与评价指标间的数学模型；最后通过对数学模型的求解，进行了海苔片热压粘合工艺参数优化，并对优化结果进行了试验验证。结果表明，热压温度、热压时间和酒精体积分数均对海苔片的韧性和粘附力有极显著的影响（P<0.01），随着热压温度的升高，海苔片韧性降低，粘附力增大；增长热压时间，粘附力增大，但韧性呈现先降后升的趋势；随着酒精体积分数的增加，海苔片韧性逐渐降低，粘附力先升高后降低。优化结果表明，热压粘合的最佳参数组合为：热压温度208.39℃、热压时间2.91s、酒精体积分数61.52%，此时海苔片韧性可达8.86N·mm，粘附力为1.36N。验证试验显示，试验结果与优化结果基本一致，说明所建参数优化模型可靠，优化后的参数满足海苔片的加工要求。

摘要:面向全供应链环节建立的农产品区块链溯源系统，追溯链中存储面向多个追溯主体的追溯数据，由于各主体追溯数据的差异化，跨供应链环节的数据难以实现共享和访问控制，敏感数据无法差异化保护和验证，风险数据不能针对性监管。因此，面向不同追溯主体的追溯数据并不适合由同一条区块链账本存储。通过分析果蔬全供应链各追溯主体的需求，建立了面向追溯主体的区块链多链追溯架构，利用溯源链实现消费者的溯源需求，通过共享链实现上下游企业间的数据流转，基于隐私链实现企业隐私数据的安全保护与授权共享，利用监管链实现监管部门对所有环节风险数据的管控。本文基于Hyperledger Fabric设计面向追溯主体的果蔬供应链区块链模型并实现了主体链果蔬溯源系统，测试结果表明，溯源链中追溯数据平均查询时间为38.86ms，获取共享链中已验证的共享数据平均耗时806.80ms，获取隐私链中已验证的隐私数据平均耗时910.35ms，获取监管链中已验证的监管数据平均耗时675.90ms。面向追溯主体建链的追溯系统在满足消费者需求的基础上，实现了供应链各环节追溯数据的数据共享与控制访问，解决了异构数据的存储保护和验证问题，满足了风险追溯数据针对性的监管需求，为果蔬区块链溯源模型设计提供了参考和借鉴。

摘要:以双电机独立电驱动增程式电动拖拉机旋耕机组为对象，提出一种适用于旋耕作业的双输入变量后向建模方法，即在模型中将行驶速度和动力输出轴旋耕转矩作为输入量，设计了双电机独立驱动增程式电动拖拉机动力系统能量管理模型。针对旋耕作业特性，提出一种基于实测数据与经验公式相结合的设计方法，建立了旋耕工况周期模型。基于动态规划算法，分别对其进行旋耕作业仿真试验和台架试验，结果表明：仿真试验结果与台架试验结果吻合度较高，能量管理模型能够很好地描述增程式电动拖拉机在给定旋耕工况下各电机功率、发电机组功率和动力电池组荷电状态的变化情况，且仿真试验和台架试验中燃油消耗量分别为4065.5g和3994.7g，其相对误差为1.77%，验证了建立的增程式电动拖拉机旋耕机组能量管理模型的合理性和准确性。

摘要:针对车辆自身加工、装配误差及轮胎侧滑等因素导致理论转向运动模型与实际转向运动模型不一致的情况，基于最小二乘法对车辆进行了转向运动模型辨识，得到了不同设定线速度下的转向运动模型。同时，为解决常规纯追踪算法计算得出的部分控制量无法使车辆转向系统作出响应，造成路径跟踪精度下降问题，提出了一种考虑横向偏差和横偏角的两阶段纯追踪算法，并针对两个阶段的切换提出了设置过渡区滞后切换策略。模拟环境S形路径跟踪实验表明，在行驶速度为0.6m/s时，固定前视距离的纯追踪算法平均横向偏差为0.5238m，两阶段纯追踪算法为0.3616m，其跟踪精度提高30.9%，较固定前视距离的纯追踪算法具有更好的路径跟踪性能。采用滞后切换策略将两阶段的切换跳变率从2.18%减至1.16%，抑制效果提升46.8%。

摘要:提出一种具有运动分岔特性的并联机构，利用螺旋理论分析了其自由度和运动分岔特性，结果表明当机构处于运动分岔点时，动平台拥有5个自由度，通过驱使不同驱动副，机构可以演变成具有不同运动分岔特性的构型，包括三移动一转动，两移动两转动。为实现两种构型合理切换，采用刚化驱动的方法，选取合理的驱动副。分析并联机构在不同构型下的运动学正反解，得出在两种构型下运动反解方程与正解方程的解析解，机构具有较好的运动解耦性，利用ADAMS验证了运动正反解的正确性。通过雅可比矩阵分析了机构的奇异位形，结果表明在合理的工作范围下两种运动模式均没有奇异位形。绘制了机构的工作空间。基于运动/力传递性能方法分析了机构性能指标，得到了工作空间内的性能分布图，结果显示两种构型都具有较好的运动/力传递特性，优质工作空间大。