摘要:由“植物诊所”形成的电子病历为作物病害处方推荐提供了新的思路。如何高效地挖掘电子病历数据并辅助作物病害处方推荐，目前还是亟待解决的研究热点问题。在总结和整理现有国内外研究文献的基础上，对基于显微图像的作物病害病菌孢子识别、基于光谱的作物病害诊断、基于电子病历的作物病害处方推荐等作物病害诊断与处方推荐关键技术进行了系统分析与讨论。综述结果表明，围绕作物病害病菌侵染过程，以智能化处方推荐需求为导向，开展基于电子病历数据挖掘的作物病害处方推荐研究，将成为一个研究重点。针对作物病害处方推荐过程中，存在由于作物病害致病机理复杂、作物品种及病害种类多、病害病症动态变化且特征多等特点和难点，研究基于电子病历数据挖掘的作物病害致病机理解析、诊断推理、智能化处方推荐及其应用策略，将是研究的重大方向；探索基于知识图谱分析、大数据挖掘和机器学习算法推理等关键技术的作物病害电子病历数据挖掘分析研究，从区域宏观视角可视化解析作物病害致病机理及其与特征间的关联关系，面向实际应用场景实现基于诊断推理的单一作物病害处方推荐、基于语义匹配的多种作物多种病害处方推荐，具有更大的实际意义。

摘要:为了解决东北玉米垄作免耕播种机作业时缠绕堵塞工作部件，减小对土壤扰动，提高破茬开沟质量等问题，优化设计了防缠绕破茬清垄装置，主要包括阿基米德螺线锯齿型缺口圆盘破茬刀和星型清垄轮。通过理论分析确定了影响破茬清垄装置作业性能的主要参数为机具前进速度Vm、破茬刀入土深度h以及清垄轮安装偏置角α。利用离散元软件EDEM进行二次回归正交旋转组合仿真试验，确定了该装置的最优工作参数组合为：机具前进速度Vm为7km/h、破茬刀入土深度h为75mm、清垄轮安装偏置角α为30°。通过田间验证试验，得出破茬清垄装置在最优工作参数组合下的破茬率为92.21%，清秸率为93.49%，验证了仿真理论研究结果，机具通过性显著提高，达到了东北玉米垄作免耕播种农艺和农机的技术要求。

摘要:针对花生气吸滚筒式穴播器因一次投种性能不稳定造成单粒率低的问题，通过在气吸滚筒式穴播器的取种盘和二次投种机构之间增设分种盘，将种子限定在一个较小的齿形空间内，并拨动种子沿着预定轨道运动，提高了气吸滚筒式穴播器投种的准确性和精度。设计并分析了分种盘的分种齿齿形和分种盘与取种盘的位置关系，确定了分种盘结构和位置参数。借助DEM-CFD耦合方法研究了气吸滚筒式穴播器的工作过程，分析了携种区种子的运动轨迹，阐明了漏播和重播产生机理。以单粒率、漏播率和重播率为评价指标进行三因素二次旋转正交组合试验，分析了齿形方向角、安装角、作业速度对投种性能的影响，结果表明：当齿形方向角为-4.55°、安装角为14.99°和作业速度为4.01km/h时，气吸滚筒式穴播器的排种性能最优，此时单粒率为94.99%，漏播率为2.49%，重播率为2.52%。以最优组合为基础进行田间试验，当作业速度为3.51~4.51km/h时，试验结果满足花生单粒精量播种机械技术要求，且安装分种盘比未安装分种盘的单粒率提升超过1.46个百分点，排种优势明显。

摘要:以茄科蔬菜穴盘苗为作业对象，开展了多株蔬菜同步自动嫁接技术及关键机构研究。提出了基于劈接法的茄科蔬菜六株同步自动嫁接机的整机结构方案，该机可连续实现穴盘苗自动进给、砧穗木的切削与插接、嫁接夹的定向排序与持送上夹等功能。重点设计了嫁接机的砧木平切机构、砧木劈切机构、穗木推切机构、砧木与穗木插接机构、振动排序供夹装置及持送上夹机构等关键机构，确定了各机构的主要结构参数。以辣椒苗为嫁接对象，开展了六株同步嫁接机切削质量正交试验，试验结果表明，提高对苗株的夹持精度和切削速度及较小的茎秆纤维硬度有利于提高切削质量。当切削速度为1.5m/s时，嫁接期辣椒苗样机性能验证试验结果表明，砧穗木切削合格率98.6%、嫁接合格率97.1%、嫁接成活率96.2%、嫁接效率720株/h，达到了设计要求。

摘要:针对甘蓝传统栽植装置存在栽植深浅不一、倒伏率及伤苗率高、影响机收作业性能的问题，以甘蓝基质块苗为对象，设计了一种双排链式栽植装置，通过对该装置及关键部件进行理论分析，确定装置的工作参数。搭建甘蓝基质块苗双排链式栽植装置试验台，以前进速度、栽植频率、栽植器内夹板夹力为试验因素对倒伏率和伤苗率进行三因素五水平二次回归正交旋转组合试验：通过Design-Expert 8.0.6软件建立回归模型，分析了各因素对指标的影响关系，同时采用响应面法对影响因素进行了综合优化，得到最优参数组合：前进速度1.6km/h、栽植频率57株/min、内夹板夹力91.83N，对应倒伏率2.9%、伤苗率2.83%。对参数组合进行台架试验验证，结果为倒伏率3.13%、伤苗率3.07%，与优化结果基本一致，验证了所建模型与优化参数的合理性。田间试验结果为：倒伏率3.35%、伤苗率3.14%，与两指标的优化结果相对误差分别为0.45%和0.31%，表明该装置具有较高的稳定性。

摘要:智能除草机器人在草坪作业时，易受到外界扰动以及系统不确定性的影响，从而导致轨迹跟踪收敛时间长以及跟踪效果差等问题。因此，设计一种面向轨迹跟踪的自适应快速积分终端滑模控制算法。首先，考虑驱动轮动力学特性以及未建模误差、外界干扰、动静摩擦等不确定性因素，建立除草机器人的动力学模型。然后基于所建立的动力学模型，设计自适应快速积分终端滑模控制器。所提出的控制器结合了快速终端滑模、积分滑模和自适应估计技术的优点，能够实现期望的跟踪性能并抑制控制信号抖动。同时，在不需要明确系统不确定性和外界干扰上界的情况下，可以通过所设计自适应估计项进行实时补偿，提高系统的鲁棒性。最后，通过仿真和试验验证了该方法的有效性。试验结果表明，所设计的控制器能够使跟踪误差在有限时间内快速收敛，并且横向误差绝对值不超过0.0979m，纵向误差绝对值不超过0.1026m，航向角误差绝对值不超过0.0578rad，保证除草机器人准确跟踪作业路径，同时具有较强的鲁棒性。

摘要:为适应水田行走和不同垄宽等复杂的农艺条件，设计了一种轮距宽度可调的高地隙四驱农田信息采集机器人。利用SolidWorks对整体结构进行设计分析和零部件选型，设计了基于GNSS和INS的组合导航与路径跟踪控制系统，并对机器人进行了水田行走性能测试和信息采集试验。结果表明，机器人四轮驱动方式具备较好的速度一致性，地隙与轮距调节机构调节到位误差率为1.33%和0.73%；直线路径跟踪的平均横向误差为6.8cm，直角转弯的平均收敛时间为25.6s；机器人最大行驶速度为1m/s，单点信息采集平均耗时为24.5s，传感器采集的各类数据均满足使用要求，该信息采集机器人可实现复杂条件下的农田信息采集工作。

摘要:饲料的定期推送是奶牛饲喂过程中的重要环节，针对现有推料机器人功能单一，无法满足奶牛饲喂需求的问题，开发了奶牛智能推料机器人。构建奶牛、饲料和牛栏参照物识别与分割的YOLACT模型，融合掩膜图像、深度图与ORB-SLAM3定位信息，实现觅食奶牛的快速定位与机器人导航信息的提取；基于信息融合提出智能推料算法，根据觅食奶牛的定位信息、投料时间信息、机器人的导航信息，自动选择工作模式，控制机器人沿着预定的轨迹，实现推料、集料送料、清料等多模式推料功能，满足奶牛个性化自由采食需求，提升饲料利用率。试验结果表明：觅食奶牛的位置识别定位精度为±0.1m，奶牛识别率为100%，机器人导航精度为±0.8cm，智能推料准确率为100%，算法运行速率为12f/s，满足复杂环境下机器人智能推料的要求。

摘要:为探究不同农用轮胎对东北黑土区土壤压实的影响，探索减少土壤压实、改善农田生态、保护黑土地的有效路径，本文以东北地区典型黑土耕地为对象，在玉米播种环节开展基于不同农用轮胎的田间作业对比试验。试验设置超低压子午线和普通子午线轮胎2种农用轮胎类型，采用科学取样法统计土壤紧实度、土壤含水率、土壤容重及土壤孔隙度4个关键土壤物性参数。在此基础上，基于CRITIC-熵权法构建土壤压实综合评价模型，并对普通子午线轮胎（CK）、超低压子午线轮胎（VF）在深度5、10、15、20cm处的土壤压实状况进行统计学评价。试验结果表明，在土壤深度0~20cm内，相对于普通子午线轮胎，超低压子午线轮胎使土壤紧实度降低11.38%、7.97%、5.36%、4.55%，土壤含水率提高11.06%、10.07%、7.37%、5.95%，土壤容重降低3.71%、3.81%、3.12%、2.73%，土壤孔隙度提高11.13%、12.25%、8.92%、5.86%。不同处理的土壤综合评价得分由大到小排序为VF5、VF10、CK5、VF15、CK10、VF20、CK15、CK20，说明在同等条件下，相对普通子午线轮胎，超低压子午线轮胎压实后土壤综合状况更好。说明超低压子午线轮胎对于降低黑土压实、维护土壤物理环境具有积极作用，有助于保护黑土地、保障国家粮食安全。

摘要:植保无人机易因药液剧烈晃动出现操控困难甚至失稳。针对这一问题，并考虑质量限制要求，提出了一种液体晃动抑制装置——弹性约束浮板。搭建晃动力测量系统，试验研究了不同液体深度和激励频率下浮板的晃动抑制效果，分析了浮板结构和约束属性对浮板抑制能力的影响。结果表明：浮板不受约束时，晃动抑制能力较弱；刚性约束在某一液体深度范围内有良好的抑制能力；弹性约束则扩大了具备良好抑制能力的液体深度范围。浮板位于液面附近且弹性绳能被浮板牵拉时，即使激励频率接近固有频率，液体晃动力也仅为原来的1/3~1/2。位于液面以下较深位置时，浮板晃动抑制能力基本消失。浮板位置受弹性绳长度影响，需要根据液体深度变化范围合理选择绳索原长。浮板面积越大，晃动抑制效果越好。但在很多工况下，相对较小的浮板也可获得良好的抑制能力，从而具有更大的灵活性。弹性约束浮板使自由液面的衰减加速，显著提高了振荡系统的阻尼比。对于姿态频繁变化、药液易于大幅晃动的植保无人机，弹性约束浮板具有很好的实用价值。

摘要:为降低大豆联合收获机割台损失率，本文通过分析收获过程得出拨禾轮作用范围、茎秆回弹、拨禾轮高度对割台损失率的影响规律；以最小割台损失率为目标，利用ANSYS-ADAMS联合仿真探究收获不同高度大豆的拨禾轮最优参数。使用ANSYS软件建立大豆植株柔性模型，在ADAMS软件中建立拨禾轮-大豆茎秆刚柔耦合模型，通过单因素预试验确定关键参数的范围，以大豆联合收获机拨禾轮高度、拨禾速比、拨禾轮前移距离和大豆植株高度为试验因素，以拨禾轮对大豆茎秆的碰撞力、拨禾轮作用程度为指标开展四因素五水平二次回归中心组合仿真试验，建立了试验因素与试验指标间的数学模型，建立以作用程度最大、拨禾碰撞力最小为目标的优化方程，确定大豆联合收获机拨禾轮最优拨禾速比、最优前移距离、最优高度与大豆植株高度之间存在线性对应关系，大豆联合收获机拔禾轮参数对碰撞力与作用程度影响主次顺序为：拨禾速比、拨禾轮高度、拨禾轮前移距离。开展以拨禾轮高度、拨禾速比、拨禾轮前移距离为因素，以拨禾轮对大豆茎秆的碰撞力、拨禾轮作用程度为指标的仿真试验和以割台损失率为指标的田间试验，模型计算与仿真的碰撞力偏差平均为1.18N，拨禾轮作用程度偏差量平均为4.80%，仿真模型准确；在理论最优拨禾轮参数组合下，大豆联合收获机割台损失率最小，参数优化结果准确。本研究可为大豆联合收获机拨禾轮参数优化和降低割台损失提供参考。

摘要:掌握永久基本农田非粮生产地块特征、空间集聚及驱动因子可为优化作物种植空间布局、完善耕地精细化管控策略提供参考依据。基于广西壮族自治区第三次全国国土调查数据，分析全区永久基本农田非粮生产现状、类型以及地块特征，采用探索性空间数据分析方法、最小二乘法、地理加权回归模型识别永久基本农田非粮生产空间集聚特征、驱动因子及其作用效应的空间差异。结果表明：全区永久基本农田非粮生产地块主要分布在中部、西部、北部，非粮生产类型以果树和乔木为主，占非粮生产面积的88.85%；非粮生产地块的耕地质量、灌溉条件低于全区平均水平，但集中分布在地势平坦的区域，田面坡度小于等于6°的地块占77.86%；非粮生产比例在县级尺度上呈现显著空间正自相关性，H-H型主要分布在中部和西南部，L-L型主要分布在东部和西北部，H-L型集中分布在西部；田块规模、人均永久基本农田面积、农村居民人均可支配收入、各县到省会城市距离与县域非粮生产比例呈正相关，耕地质量、灌溉保证率与县域非粮生产比例呈负相关，不同驱动因子对非粮生产的影响存在显著的空间差异性。未来应从优化作物布局、加强质量建设、监管属性特征、完善保护补偿等方面加强全区永久基本农田非粮生产地块的管控。

摘要:针对遥感图像河流数据样本人工标注成本高且难以大量获取，以及网络在河流图像边缘细节提取的效果不佳问题，提出一种通过自监督对比学习方式利用大量无标签遥感河流图像数据进行编码器预训练，并使用少量标签数据对预训练后的编码器进行微调，同时在编解码结构中使用一种新的非均匀采样方式的语义分割网络。自监督对比学习可以利用大量无标签数据进行前置任务模型训练，仅需少量标签数据对下游河流提取任务模型微调即可；非均匀采样方式能够通过对高频区域密集采样、对低频区域稀疏采样的方式获得图像中不同类别之间清晰的边界信息和同类别区域中的细节信息，减少模型的冗余度。在河流数据集上的实验表明，利用360幅有标签数据对预训练后的网络进行微调，其像素准确率、交并比、召回率分别达到90.4%、68.6%和83.2%，与使用1200幅有标签数据训练的有监督AFR-LinkNet网络性能相当；在使用全部数据标签进行微调后，网络的像素准确率、交并比、召回率分别达到93.7%、73.2%和88.5%，相比AFR-LinkNet、DeepLabv3+、LinkNet、ResNet50和UNet网络，像素准确率分别提高3.1、7.6、12.3、14.9、19.8个百分点，交并比分别提高3.5、8.7、10.5、16.9、24.0个百分点，召回率分别提高2.1、4.8、6.7、9.4、12.9个百分点，验证了模型在河流图像上精准提取河流的有效性。该算法模型对于解决缺少大量有标签数据和分析我国寒旱区河流分布、水灾害预警、水资源合理利用以及农业灌溉发展等具有重要意义。

摘要:为精准、高效、实时地实现区域冬小麦产量估算，以河南省鹤壁市淇县桥盟乡石桥村为研究区，基于分辨率10m的Sentinel-2多时相光学遥感影像，利用集合卡尔曼滤波（Ensemble Kalman filter，EnKF）算法同化PROSAIL辐射传输模型反演的多期叶面积指数（Leaf area index，LAI）到PyWOFOST作物生长模型中实现一定数量不同长势单点产量的估测，最后利用建立的机器学习模型和面域数据反演区域冬小麦产量，实现作物生长模型与机器学习算法的应用耦合及一种新的区域冬小麦估产模式。研究基于Sobol参数敏感性分析法量化对贮藏器官总干重质量（Total dry weight of storage organs，TWSO）与LAImax的敏感性参数，并基于反演的多期LAI和粒子群优化（Particle swarm optimization，PSO）算法优化与LAImax相关的TDWI、TBASE、CVS、CVL敏感性参数，将其输入到PyWOFOST模型中，利用EnKF算法和时序LAI数据调整对TWSO相关的AMAXTB1、TDWI、TSUMEM、CVO敏感性参数，实现单点产量的估算；与实测单点产量相比，该方法估算的R2、RMSE、MAE、Bias分别为0.8665、468.64kg/hm2、385.70kg/hm2和103.08，为建立随机森林回归（Random forest regression，RFR）区域估产算法提供准确的单点产量训练数据。针对研究区（309.32hm2），基于不同长势人工样点产量数据建立的RFR区域估产算法，区域估产精度为99.44%，每公顷算法运行用时1.55s；应用EnKF算法同化多时期面域LAI到PyWOFOST作物生长模型中的区域估产精度为89.01%，每公顷算法运行用时约0.47h；耦合PyWOFOST作物生长模型与RFR机器学习算法的区域估产精度达到95.58%，每公顷算法运行用时8.85s（训练数据的单点产量计算占总时长约81.35%），显著降低机器学习算法所需的人工成本和同化变量过程计算的时间及算力成本。研究结果为准确、快速的大区域作物估产提供理论支持和技术参考。

摘要:为进一步提升无人机遥感快速监测覆膜条件下冬小麦叶面积指数（Leaf area index，LAI）的能力，以垄沟覆膜冬小麦为研究对象，利用无人机搭载五通道多光谱传感器获取2021—2022年冬小麦出苗期、越冬期、返青期、拔节期、抽穗期和灌浆期的遥感影像数据，使用监督分类剔除背景并计算50种可见光和近红外植被指数，采用主成分分析、相关系数法、决策树排序和遗传算法进行特征降维，结合偏最小二乘、岭回归、支持向量机、随机森林、梯度上升和人工神经网络6种机器学习算法建立不同输入特征变量下的覆膜冬小麦LAI反演模型，并进行精度评价。结果表明，剔除覆膜背景使冬小麦冠层反射率更接近真实值，提高反演精度。采用适宜的特征降维方法结合机器学习算法能够提高覆膜冬小麦LAI的反演精度和稳定性，对比特征降维前的反演精度，主成分分析和相关系数法无法优化反演效果，决策树排序只适用于基于树模型的随机森林和梯度上升算法，遗传算法优化效果明显，遗传算法-人工神经网络模型反演效果达到最优（决定系数为0.80，均方根误差为1.10，平均绝对值误差为0.69，偏差为1.25%）。研究结果可为无人机遥感监测覆膜冬小麦生长状况提供理论参考。

摘要:在小麦育种田间试验中，小区群体株高是最受关注的重要农艺性状之一。针对当前无人机遥感在小麦育种小区粒度下获取株高表型精确度低的问题，提出了两种方法：基于人工测量真值的近邻校正法（Nearest neighbor correction method，NNCM）和基于多光谱+RGB数据融合的光谱指数校正法（Spectral indices correction method，SICM），近邻校正法通过获取小区群体高程信息、结合地埂进行高程校正、再依据近邻真值滑动校正得到小区精确株高；光谱指数校正法通过计算植被指数并进行指数优选，从而构建株高-植被指数精确反演模型。试验结果表明，在具有地面真值的6个时期，传统无人机作物株高测量方法的相对均方根误差（Relative root mean square error, RMSE100）分别为11.15%、59.44%、11.76%、12.31%、8.05%、59.76%；NNCM的RMSE100分别为7.17%、8.18%、5.70%、5.62%、5.65%、7.74%；SICM的RMSE100分别为7.33%、8.17%、6.05%、6.15%、6.45%、10.50%；NNCM与SICM核密度分布曲线与地面真值更加接近，中位数、四分位数、最大值、最小值偏差不超过0.5%，表明提出的2种方法均可以校正无人机测量育种小区粒度上的株高性状。本文所提2种方法具有较高的精确度和较强的鲁棒性，NNCM适用于具有地面随机采样真值的场景，SICM则适用于大范围的农田株高检测，可依据不同使用条件选择相应的校正方法。

摘要:为准确估算森林采伐生物量实现森林碳汇的精准计量，针对采用单一时相可见光无人机影像估算高郁闭度森林采伐生物量较困难的问题，基于伐区采伐前后多时相可见光无人机影像，研究森林采伐生物量高精度的估算方法。以福建省闽侯白沙国有林场一个针叶林采伐小班为试验区，采集分辨率优于10cm的采伐前后多时相可见光无人机影像，采用动态窗口局部最大值法得到高精度的采伐株数与单木树高信息，再基于采伐后无人机影像，运用YOLO v5方法检测并提取伐桩直径信息，根据胸径-伐桩直径模型来估算采伐木胸径信息，再利用树高和胸径二元生物量公式估算采伐生物量，以实测数据进行验证。根据动态窗口局部最大值法获取株数与平均树高精度分别为96.35%、99.01%，运用YOLO v5方法对伐桩目标检测的总体精度为77.05%，根据伐桩直径估算的平均胸径精度为90.14%，最后得到森林采伐生物量精度为83.08%，结果表明这一新方法具备较大的应用潜力。采用采伐前后多时相无人机可见光遥感，可实现森林采伐生物量的有效估算，有助于降低人工调查成本，为政府及有关部门进行碳汇精准计量提供有效的技术支持。

摘要:对猕猴桃产量的准确预估有利于合理安排后续采摘与运输工序，因此开发智能化的产量实时预估工具非常重要。针对大棚培育的猕猴桃矮化密植、分布范围广等特点，本研究利用果园履带小车采集视频，结合人工标注，建立猕猴桃检测和跟踪的数据集。考虑到自制数据集中猕猴桃占比小及密集分布的特点，本文提出使用YOLO v7模型加上Soft-NMS来检测每一帧图像内的猕猴桃。在卡尔曼滤波器预测的结果上，引入VGG16网络对猕猴桃进行特征提取，并结合匈牙利算法完成帧间目标的匹配。最后采用基于YOLO v7+DeepSort跟踪算法的ID计数方法对猕猴桃进行产量估计。实验结果表明，改进的YOLO v7模型在猕猴桃检测数据集上表现良好，检测的F1值为90.09%。猕猴桃跟踪数据集中使用的跟踪算法平均准确率为89.87%，每个目标正确匹配的精确率为82.34%，大型视频跟踪速度为20.19f/s。在环境影响较小的条件下，ID计数准确率为97.49%。该方法可为猕猴桃果园智能化管理中的估产、采收规划等提供技术支撑。

摘要:农田尺度下作物叶面积指数（Leaf area index，LAI）的精准监测，对于研究群体结构对产量和管理措施的响应具有重要意义。目前普遍采用无人机光谱特征反演作物的LAI指数，作为长势和冠层结构诊断的重要依据，其估测精度的准确性是否可以提高仍有待研究。作物表面特征，如灰度和颜色，在不同生育阶段会发生变化。为此，本研究考虑到LAI的影响因素，设置不同的种植密度和氮素水平营造差异化的冠层结构，利用搭载多光谱传感器的无人机获取主要生育时期棉花的冠层图像得到植被指数（Vegetation indexs,VIs），基于二阶概率统计滤波(Co-occurrence measures)方法获取均值(MEA)、方差（VAR）、协同性（HOM）、对比度（CON）、相异性（DIS）、信息熵（ENT）、二阶矩（SEM）和相关性（COR）等8个纹理特征值（Texture features, TFs）。最后，采用支持向量机回归（SVR）、偏最小二乘法（PLSR）、深度神经网络（DNN）分别建立基于光谱特征、纹理特征以及二者结合的棉花LAI的估算模型，并比较差异。试验结果表明：VI（nir/green）、VI（nir/red）、GNDVI、OSAVI和均值与LAI具有较高的相关性；采用SVR建立的LAI估测精度最高（R2=0.78，RMSE为0.22，RRMSE为0.10）；在3种估算模型中，植被指数与纹理特征相结合的SVR模型，较VIs、TFs模型精度分别提高7.89%和32.26%。因此，融合无人机光谱信息和图像纹理的LAI估算模型为密植作物棉花冠层结构的诊断提供了一种可行、准确的方法。

摘要:为解决果园视觉导航机器人行间自主行进和调头问题，提出了基于Mask R-CNN的导航线提取方法和基于随机采样一致性（Random sample consensus, RANSAC）算法的树行线提取方法。首先，基于Mask R-CNN模型对道路与树干进行识别，提取道路分割掩码和树干边界框坐标;其次，在生成行间导航线的基础上，采用改进RANSAC算法提取前排树行线；然后，计算树干边界框坐标点到前排行线的距离，筛选后排树干坐标点，采用最小二乘法拟合生成后排树行线；最后，通过分析前后排树行信息判断调头方向，结合本文提出的行末端距离计算与调头路径规划方法，规划车辆的调头路线。实验结果表明：在不同光照、杂草、天气环境下的6种果园场景中，模型的平均分割精度和边界框检测精度都为97.0%，导航目标点提取的平均偏差不超过5.3%，树行线检测准确率不低于87%，调头后车辆距道路中心的平均偏差为7.8cm，可为果园环境下的视觉自主导航提供有效参考。

摘要:棉铃作为棉花重要的产量与品质器官，单株铃数、铃长、铃宽等相关表型性状一直是棉花育种的重要研究内容。为解决由于叶片遮挡导致传统静态图像检测方法无法获取全部棉铃数量的问题，提出了一种以改进Faster R-CNN、Deep Sort和撞线匹配机制为主要算法框架的棉铃跟踪计数方法，以实现在动态视频输入情况下对盆栽棉花棉铃的数量统计。采用基于特征金字塔的Faster R-CNN目标检测网络，融合导向锚框、Soft NMS等网络优化方法，实现对视频中棉铃目标更精确的定位；使用Deep Sort跟踪器通过卡尔曼滤波和深度特征匹配实现前后帧同一目标的相互关联，并为目标进行ID匹配；针对跟踪过程ID跳变问题设计了掩模撞线机制以实现动态旋转视频棉铃数量统计。试验结果表明：改进Faster R-CNN目标检测结果最优，平均测量精度mAP75和F1值分别为0.97和0.96，较改进前分别提高0.02和0.01；改进Faster R-CNN和Deep Sort跟踪结果最优，多目标跟踪精度为0.91，较Tracktor和Sort算法分别提高0.02和0.15；单株铃数计数结果决定系数、均方误差、平均绝对误差和平均绝对百分比误差分别为0.96、1.19、0.81和5.92%，与人工值具有较高一致性，开发的棉铃跟踪软件可以实现对棉铃的有效跟踪和计数。

摘要:茎秆微观结构与其力学性能密切相关，影响作物的抗倒伏性能。但作物茎秆微观表型参数难以通过人工方式获取，因此急需自动化的测量方法。本研究以玉米为材料，通过光学显微镜获得玉米茎秆横截面切片图像，基于深度学习架构融合ResNet和Unet构建语义分割Res-Unet网络模型，对截面表皮、周皮和髓区3个功能区域进行分割；针对维管束数量多、面积小、密度大的特点，以EfficientDet作为基础网络架构，根据维管束尺寸小的特性，减少双向特征图金字塔（BiFPN）的层数，达到提高推理速度、减少显存占用量的目的，同时添加掩膜分割分支，构造新的网络Eiff-BiFPN实现对维管束的分割。实验结果表明，功能区域分割的平均DICE达到88.17%；维管束分割的AP50和AP50:70分别达到88.78%和72.80%。根据分割结果，可以获得玉米茎秆截面尺寸、各功能区域尺寸和维管束数量、面积等微观结构参数。本文方法具有精确性、实时性和可用性，可用于玉米茎秆微观结构参数的自动化测定，为作物抗倒伏研究提供技术基础。

摘要:为实现苹果果径与果形快速准确自动化分级，提出了基于改进型SSD卷积神经网络的苹果定位与分级算法。深度图像与两通道图像融合提高苹果分级效率，即对从顶部获取的苹果RGB图像进行通道分离，并提取分离通道中影响苹果识别精度最大的两个通道与基于ZED双目立体相机从苹果顶部获取的苹果部分深度图像进行融合，在融合图像中计算苹果的纵径相关信息，实现了基于顶部融合图像的多个苹果果形分级和信息输出；使用深度可分离卷积模块替换原SSD网络主干特征提取网络中部分标准卷积，实现了网络的轻量化。经过训练的算法在验证集下的识别召回率、精确率、mAP和F1值分别为93.68%、94.89%、98.37%和94.25%。通过对比分析了4种输入层识别精确率的差异，实验结果表明输入层的图像通道组合为DGB时对苹果的识别与分级mAP最高。在使用相同输入层的情况下，比较原SSD、Faster R-CNN与YOLO v5算法在不同果实数目下对苹果的实际识别定位与分级效果，并以mAP为评估值，实验结果表明改进型SSD在密集苹果的mAP与原SSD相当，比Faster R-CNN高1.33个百分点，比YOLO v5高14.23个百分点。并且在不同硬件条件下验证了该算法定位分级效率的优势，单幅图像在GPU下的检测时间为5.71ms，在CPU下的检测时间为15.96ms，检测视频的帧率达到175.17f/s和62.64f/s。该研究可为自动化分级设备在高速环境下精准定位并分级苹果提供理论基础。

摘要:为实现自然环境下苹果幼果的快速准确检测，针对幼果期苹果果色与叶片颜色高度相似、体积微小、分布密集，识别难度大的问题，提出了一种融合高效通道注意力(Efficient channel attention, ECA)机制的改进YOLO v7模型(YOLO v7-ECA)。在模型的3条重参数化路径中插入ECA机制，可在不降低通道维数的前提下实现相邻通道局部跨通道交互，有效强调苹果幼果重要信息、抑制冗余无用特征，提高模型效率。采集自然环境下苹果幼果图像2557幅作为训练样本、547幅作为验证样本、550幅作为测试样本，输入模型进行训练测试。结果表明，YOLO v7-ECA网络模型准确率为97.2%、召回率为93.6%、平均精度均值（Mean average precision, mAP）为98.2%、F1值为95.37%。与Faster R-CNN、SSD、Scaled-YOLO v4、YOLO v5、YOLO v6、YOLO v7网络模型相比，其mAP分别提高15.5、4.6、1.6、1.8、3.0、1.8个百分点，准确率分别提高49.7、0.9、18.5、1.2、0.9、1.0个百分点，F1值分别提高33.53、2.81、9.16、1.26、2.38、1.43个百分点，召回率相较于Faster R-CNN、SSD、YOLO v5、YOLO v6、YOLO v7网络模型分别提高5.0、4.5、1.3、3.7、1.8个百分点；单幅图像检测时间为28.9ms，可实现苹果幼果的高效检测。针对幼果目标模糊、存在阴影和严重遮挡的情况，本研究采用550幅测试图像进行模型鲁棒性检验。在加噪模糊情况下，YOLO v7-ECA的mAP为91.1%，F1值为89.8%，与Faster R-CNN、SSD、Scaled-YOLO v4、YOLO v5、YOLO v6、YOLO v7网络模型相比其mAP分别提高26.3、21.0、5.4、8.0、11.5、8.9个百分点，F1值分别提高27.19、7.08、8.50、4.20、3.94、4.67个百分点；在阴影情况下，YOLO v7-ECA的mAP为97.5%，F1值为95.36%，与Faster R-CNN、SSD、Scaled-YOLO v4、YOLO v5、YOLO v6、YOLO v7网络模型相比其mAP分别提高14.8、8.8、2.1、2.4、5.4、2.5个百分点，F1值分别提高21.51、2.60、10.49、1.53、3.23、2.56个百分点；在严重遮挡情况下，YOLO v7-ECA的mAP为98.6%，F1值为94.8%，与Faster R-CNN、SSD、Scaled-YOLO v4、YOLO v5、YOLO v6、YOLO v7网络模型相比其mAP分别提高21.7、13.7、2.3、2.4、4.8、2.2个百分点，F1值分别提高28.29、3.50、6.45、0.96、1.36、1.36个百分点。该网络模型可在保证网络模型精度的同时拥有较快的检测速度，且对场景模糊、阴影和严重遮挡等影响具有较好的鲁棒性。该研究可为幼果实时检测系统提供有效借鉴。

摘要:利用深度学习实现视觉检测技术对自然环境下树上木瓜成熟度的识别，从而监测木瓜生长期成熟度有重要意义。针对目前木瓜的成熟度主要以人工判断为主，缺乏对木瓜成熟度快速、准确的自动检测方法问题，本研究基于轻量化YOLO v5-Lite模型，对自然环境下木瓜成熟度检测方法进行研究，通过采集的1386幅木瓜图像，训练得到最优权值模型。实验结果表明，该模型对木瓜检测mAP为92.4%，与目前主流的轻量化目标检测算法YOLO v5s、YOLO v4-tiny以及两阶段检测算法Faster R-CNN相比，其mAP分别提高1.1、5.1、4.7个百分点；此外，在保证检测精度的前提下，检测时间为7ms，且模型内存占用量仅为11.3MB。同时，该模型对不同拍摄距离、不同遮挡情况、不同光照情况下的果实均能实现准确识别，能够快速有效地识别出复杂背景下木瓜果实的成熟度，具有较强的鲁棒性，可以为木瓜果园的产量估计和采摘机器的定位检测提供技术支持。

摘要:针对基础卷积神经网络识别苹果园害虫易受背景干扰及重要特征表达能力不强问题，提出一种基于改进Mask R-CNN的苹果园害虫识别方法。首先，基于Haar特征方法对多点采集得到的苹果园害虫图像进行迭代初分割，提取害虫单体图像样本，并对该样本进行多途径扩增，得到用于深度学习的扩增样本数据集。其次，对Mask R-CNN中的特征提取网络进行优化，采用嵌入注意力机制模块CBAM的ResNeXt网络作为改进模型的Backbone，增加模型对害虫空间及语义信息的提取，有效避免背景对模型性能的影响；同时引入Boundary损失函数，避免害虫掩膜边缘缺失及定位不准确问题。最后，以原始Mask R-CNN模型作为对照模型，平均精度均值作为评价指标进行试验。结果表明，改进Mask R-CNN模型平均精度均值达到96.52%，相比于原始Mask R-CNN模型，提高4.21个百分点，改进Mask R-CNN可精准有效识别苹果园害虫，为苹果园病虫害绿色防控提供技术支持。

摘要:为提高苹果生产领域实体识别的准确性，提出一种新的Transformer优化模型。首先，为解决苹果生产数据集的缺失，基于苹果栽培领域园艺专家的知识经验，创建以苹果病虫害为主的产业数据集。通过字向量与词向量的拼接，提高文本语义表征的准确性；随后，为防止位置信息缺失，引入具有方向和距离感知的注意力机制，平均集成BiLSTM的上下文长距离依赖特征；最后，结合条件随机场(Conditional random fields, CRF)约束上下文标注结果，最终得到Transformer优化模型。实验结果表明，所提方法在苹果病虫命名实体识别中的F1值可达92.66%，可为农业命名实体的准确智能识别提供技术手段。

摘要:针对非限制条件下奶牛的个体识别，提出了一种基于深度特征与传统特征融合的奶牛识别方法。首先利用Mask R-CNN识别站立和躺卧姿态下的奶牛。其次，用两种方法提取奶牛的特征概率向量：用卷积神经网络(Convolutional neural network, CNN)提取Softmax层概率向量形式的深度特征；人工提取并利用近邻成分分析(Neighbourhood component analysis，NCA)选择传统特征，并将其输入支持向量机(Support vector machine, SVM)模型，输出概率向量。最后对两种特征进行融合，并基于融合后的特征采用SVM对奶牛进行分类。对58头奶牛站立和躺卧姿态的数据集进行了个体识别实验，结果表明，对于站立和躺卧姿态下的奶牛，与单独使用深度特征相比，特征融合方法准确率分别提高约3个百分点和2个百分点；与单独使用传统特征相比，特征融合方法准确率分别提高约5个百分点和10个百分点。站立和躺卧姿态下的奶牛个体识别率分别达到98.66%和94.06%。本文研究结果可为智能奶牛行为分析、疾病检测等提供有效的技术支持。

摘要:为准确实时跟踪羊只目标，进行疾病异常预警，实现奶山羊精细化养殖，本文基于DiMP跟踪模型，利用奶山羊跟踪对象单一且图像样本丰富的特点，结合迁移学习和类特定融合方法，设计了一种类特定的奶山羊目标跟踪模型，能够有效克服DiMP算法在跟踪类特定目标时定位精度不足的缺点。利用构建的奶山羊视频跟踪数据训练集对跟踪算法进行迁移训练，加快模型收敛速度，使评估网络预测出的边界框更贴合奶山羊真实框的位置和尺寸。在线跟踪阶段，针对目标模板仅采用第1帧特征制作整个序列的调制向量，导致该调制向量相对整个跟踪阶段特征不具代表性，与后续帧差异大的缺点，使用训练集制作包含奶山羊各种姿态的类调制向量，以指数消融方式更新奶山羊类调制向量与第1帧调制向量间的比重，增强边界框回归任务中的奶山羊特征与背景的判别性。提出的算法在测试集上的AUC(Area under curve)和精准度(Precision)分别为76.20%和60.19%，比DiMP方法分别提升6.17、14.18个百分点，跟踪速度为30f/s，满足实时跟踪的要求。实验结果表明，提出的类特定奶山羊目标跟踪方法可用于监测复杂场景下奶山羊的运动，为奶山羊精细化管理提供了技术支持。

摘要:奶牛体况评分是评价奶牛产能与体态健康的重要指标。目前，随着现代化牧场的发展，智能检测技术已被应用于奶牛精准养殖中。针对目前检测算法的参数量多、计算量大等问题，以YOLO v5s为基础，提出了一种改进的轻量级奶牛体况评分模型（YOLO-MCE）。首先，通过2D摄像机在奶牛挤奶通道处采集奶牛尾部图像并构建奶牛BCS数据集。其次，在MobileNetV3网络中融入坐标注意力机制（Coordinate attention，CA）构建M3CA网络。将YOLO v5s的主干网络替换为M3CA网络，在降低模型复杂度的同时，使得网络特征提取时更关注于牛尾区域的位置和空间信息，从而提高了运动模糊场景下的检测精度。YOLO v5s预测层采用EIoU Loss损失函数，优化了目标边界框回归收敛速度，生成定位精准的预测边界框，进而提高了模型检测精度。试验结果表明，改进的YOLO v5s模型的检测精度为93.4%，召回率为85.5%，mAP@0.5为91.4%，计算量为2.0×109，模型内存占用量仅为2.28MB。相较原始YOLO v5s模型，其计算量降低87.3%，模型内存占用量减少83.4%，在保证模型复杂度较低与实时性较高的情况下，实现了奶牛体况的高效评分。此外，改进的YOLO v5s模型的整体性能优于Faster R-CNN、SDD和YOLO v3目标检测模型。本研究为奶牛体况评分商业化提供理论基础和研究思路，为奶牛养殖业提供了智能化解决方案。

摘要:鸡群计数是鸡场资产评估中一项非常重要的工作。目前鸡场采用的人工计数方法，存在效率低下且计数准确度不稳定的问题。针对此问题，本文提出了一种基于改进YOLO v5s的蛋鸡个体识别与计数的方法。该方法为了消除真实复杂环境下产蛋箱、食槽等设施对蛋鸡个体识别带来的干扰，在YOLO v5s模型的Neck部分引入了SimAM注意力机制；为了扩大模型感受野，解决蛋鸡个体较小、识别困难的问题，将YOLO v5s模型的SPPF(空间金字塔池化模块)改为了SPPCSPC模块；为了尽可能多地提取蛋鸡有效特征，通过在YOLO v5s的Neck结构添加自适应特征融合模块ASFF，将不同尺度的蛋鸡成像特征信息进行融合的方法，进一步提升了模型的检测精度。在此基础上，通过调用模型检测接口，在接口内部添加计数函数、统计目标数量的方法，实现了蛋鸡个体的计数和鸡舍饲养密度的计算。将改进后的模型通过PyQt工具包进行封装、打包，开发了蛋鸡个体识别与自动计数系统。实验结果表明，改进的YOLO v5s模型的精准率、召回率、平均精度均值分别为89.91%、79.24%、87.53%，较YOLO v5s模型分别提高2.37、2.55、2.20个百分点。本模型在120~247只蛋鸡鸡舍的计数平均准确率为94.77%，较YOLO v5s模型提升2.49个百分点。研发的蛋鸡计数系统在河北省某养殖基地得到了实际应用，为养殖场的蛋鸡数量清点提供了一种可靠且有效的方法。

摘要:土壤水分是研究土壤-植物-大气循环系统中能量与物质交换的关键，通过尺度转换方法将无人机遥感数据上推以修正卫星数据，可有效改善卫星遥感反演模型精度。本文以河套灌区为研究对象，分别采用重采样和TsHARP升尺度法，引入多元线性回归(MLR)、BP神经网络(BPNN)和支持向量机（SVM）算法构建不同土壤深度下无人机-卫星升尺度土壤含水率反演模型。研究结果表明：重采样升尺度法在不同土壤深度下模型整体精度由高到低依次为SVM、MLR、BPNN，其中在土壤深度0~60cm下采用SVM模型最优，R2达到0.571，RMSE为0.022%；TsHARP升尺度法在不同土壤深度下模型整体精度由高到低依次为BPNN、SVM、MLR，其中在土壤深度0~60cm下采用BPNN模型最优，R2达到0.829，RMSE为0.015%。与升尺度修正前对应土壤深度模型对比，两种升尺度方法均能明显提高卫星遥感对土壤含水率的反演精度，但TsHARP升尺度法整体优于重采样法；重采样法的R2由0.413提升至0.571，RMSE由0.026%降至0.022%（降幅15.4%）；TsHARP升尺度法的R2由0.428提升至0.829，RMSE由0.025%降至0.015%（降幅40.0%）。本研究可为大尺度范围灌区土壤水分高精度监测提供理论和技术支撑。

摘要:为了保障山区输水管网运行安全，设计导流式输水管网消能装置。装置由上壳体、消能空腔和下壳体组成，设置入口端和出口端，消能空腔内设有均匀间隔的消能板和导流孔。采用Fluent数值模拟和验证试验对试验方法进行验证，设置3种入口流速、3种导流孔径比例和有无导流片开展全因素试验，并对2种导流孔直径进行消能率对比试验。结果表明：在保证过流能力下，入口流速和导流孔径均对消能率起主导作用，入口流速越大，即流量越大，消能率越好。消能率与导流孔径负相关，导流孔径越小越有利于消能。当基础孔径相同时，为同时满足过流能力且确保消能达到较好效果，建议选择导流孔径比例保持不变布置方式。入口流速为1.0m/s时，局部水头损失占总水头损失的96.3%，所以当计算总水头损失时，可以忽略沿程水头损失。当入口流速小于4.0m/s时，选择不安装导流片，达到4.0m/s时，有无导流片消能率基本持平，大于5.0m/s后，选用安装导流片消能效果更优。

摘要:参考作物蒸发量（Reference crop evapotranspiration，ET0）的预测对作物需水量计算与田间水分管理具有重大意义，可为农业节水和水资源高效利用提供重要的科学依据。基于三江平原6个气象站1961—2010年逐日气象资料，采用Penman-Monteith（P-M）公式计算ET0，对历史期（1961—2010年）ET0及相关气象要素的时空特征进行分析；依据美国国家环境预报中心再分析数据以及大气环流模型（GCM）中加拿大CanESM2模式的预报因子日序列的输出数据，采用统计降尺度模型（SDSM）对未来RCP4.5和RCP8.5两种排放情景下的ET0进行预测。结果表明：历史期ET0呈上升趋势，多年年平均气温与ET0趋势相同，而年平均风速、相对湿度和净辐射整体呈下降趋势，空间分布上多年年平均ET0总体表现为中部高于周边、西部高于东部的趋势；模拟精度检验方面，基于CanESM2模式下historical情景模拟的ET0模拟值与P-M公式的ET0计算值进行检验，两者对应率定期+验证期（1961—2005年）的纳什效率系数（NSE）为0.46~0.61，决定系数R2为0.53~0.61，说明SDSM模拟效果较好。未来2011—2100年年内ET0变化中，两种情景下2011—2040年、2041—2070年、2071—2100年3个未来时段月平均日值的变化趋势与历史期基本一致，均似开口向下的抛物线状，且表现为不同程度的上升趋势；未来2011—2100年年际ET0变化中，未来ET0较历史期为上升趋势，RCP4.5情景下3个未来时段较历史期分别增加11.11%、18.70%、20.24%，其中2011—2040年时段多年ET0为较明显上升趋势，2041—2070年、2071—2100年时段总体为较缓下降趋势；RCP8.5情景下3个时段较历史期分别增加13.01%、24.05%、34.46%，3个时段内多年ET0均为上升趋势。研究区未来ET0的升高可能导致水资源短缺问题进一步加剧，研究结果可为研究区水资源优化管理和灌溉制度制定提供科学参考。

摘要:为探究不同参考作物腾发量（ET0）算法及相应标准化降水蒸散指数（SPEI）在四川省的适用性，针对四川省3个区域（川西高原、川西南山地和川中盆地），利用34个气象站点1967—2016年的气象资料，以Penman-Monteith（PM）法计算的ET0为标准，对FAO-24Radiation（FAO-Ra）、Priestley-Taylor（PT）、Makkink（MK）、Hargreaves-Samani（HS）、Blaney-Criddle（BC）、World Meteorological Organization（WMO）、Rohwer（Ro）7种方法的ET0计算结果进行比较，并选取其中综合表现较好的3种方法进行相应的SPEI计算。通过时间序列分析、误差分析、K-S检验及小波分析等方法，探讨各区域不同ET0算法下的SPEI适用性。结果表明：7种方法在不同区域计算精度差异显著，在川西高原及川西南山地，PT法均方根误差（RMSE）均在99.11mm以下，大部分气象站点的相对误差（RE）介于-3.8%~14.2%之间，适用性最好；MK、Ro法在3个区域的表现均较为稳定。基于PM、MK、Ro、PT 4种方法计算得到的SPEI在同一区域变化趋势一致，在有实际旱情的年份，其最小值均低于0，能够识别历史干旱事件。SPEI_PT和SPEI_PM具有最相似的周期振荡变化，SPEI_Ro和SPEI_PM的周期差距最大。1个月时间尺度的SPEI相关性比3、12个月时间尺度好，在1个月时间尺度下，SPEI_MK与SPEI_PM有更好的相关性，相关系数达到0.99，RMSE仅为0.15。在数据缺失条件下，SPEI_MK可以作为SPEI_PM的替代，该方法可为四川省的干旱监测和防控提供理论依据。

摘要:为探究秸秆还田配施稳定性氮肥对关中地区麦玉轮作体系作物生长及水氮利用的综合影响，并确定合理的高产高效施肥管理措施，设置两种秸秆还田模式（秸秆不还田、秸秆全量还田）和两种施氮措施（常规尿素和减量施用稳定性氮肥），以无秸秆还田且不施肥作为对照，共5个处理，研究分析作物产量、地上部生物量、土壤氨挥发累积量、土壤含水率、土壤硝态氮残留量及水氮利用效率。结果表明：秸秆还田配施氮肥会分别显著提高夏玉米和冬小麦产量28.03%~39.63%和90.10%~112.52%、地上部生物量27.88%~34.00%和78.96%~107.64%；施用稳定性氮肥较施用常规尿素分别降低夏玉米季和冬小麦季全生育期土壤氨挥发累积量50.18%~59.32%和68.21%~73.43%；秸秆还田会显著提高夏玉米季0~10cm土壤含水率6.29%~21.38%，显著提高冬小麦季0~10cm土壤含水率6.80%~25.06%；相同施肥措施下，秸秆还田会显著降低夏玉米与冬小麦收获期0~100cm土壤NO-3N残留量7.34%~10.78%和6.57%~11.24%，在相同秸秆还田模式下，施用稳定性氮肥较施用尿素会显著降低夏玉米与冬小麦收获期0~100cm土壤NO-3N残留量28.96%~31.63%和4.16%~9.54%；在相同施肥措施下，秸秆还田显著提高夏玉米季和冬小麦季水分利用效率、氮肥偏生产力和氮肥农学效率4.55%~7.85%、5.79%~12.08%、25.22%~41.43%和7.36%~9.73%、2.25%~14.38%、4.33%~30.35%，在相同秸秆还田模式下，施用稳定性氮肥显著提高夏玉米和冬小麦氮肥偏生产力、氮肥农学效率、氮素吸收效率、氮肥回收效率43.75%~52.29%、42.01%~60.39%、62.07%~66.67%、52.50%~72.73%和21.93%~36.41%、11.37%~39.14%、50.67%~53.85%、60.00%~64.15%。因此，秸秆还田配施减量稳定性氮肥会显著提高麦玉轮作体系水氮利用效率、减少氮素挥发损失及氮素淋失风险，综合考虑认为，秸秆还田配施180kg/hm2稳定性氮肥和秸秆还田配施150kg/hm2稳定性氮肥是关中地区夏玉米和冬小麦实现高产高效的合理施肥措施。

摘要:为探究不同数据同化算法在时空尺度上监测土壤含盐量的可行性，以内蒙古河套灌区沙壕渠灌域为研究区域，采用高分一号卫星遥感图像作为数据源，通过EnKF算法和PF算法的同化观测算子和模型算子得到时空范围中的土壤含盐量变化情况。其中观测算子分为两步，首先通过PLS-VIP准则来筛选光谱指数作为自变量，再使用ELM模型建立基于不同时间不同深度的遥感监测土壤含盐量模型；模型算子为基于Hydrus-1D模型的数学模拟监测土壤含盐量模型。结果表明，基于ELM模型的土壤含盐量模型中，深度0~20cm、20~40cm和40~60cm的平均IOA均在0.74以上，平均ME在0.14%以下，表明反演模型具有良好的精度；基于Hydrus-1D的数学模拟监测土壤含盐量模型中，3个深度平均IOA在0.79~0.89之间，平均ME在0.128%~0.137%之间，能够较好地反映土壤盐分在时间序列中的运移情况；EnKF算法3个深度IOA在0.820以上，ME在0.141%~0.157%之间，NMB在0.141~0.252之间，PF算法3个深度IOA在0.89以上，ME在0.090%~0.142%之间，NMB在0.075~0.097之间，精度优于EnKF算法，能够很好地反映土壤含盐量在时间和空间上的分布情况。本文基于EnKF和PF算法进行Hydrus-1D模型和ELM模型的同化方案研究，提高了土壤含盐量的监测精度，可为后续在长时间大范围的时空尺度上监测土壤含盐量提供依据，也可为精准农业防治土壤盐渍化的研究提供参考。

摘要:种植结构与土壤盐分的协同程度与发展关系关乎灌区水土生态质量与农业可持续发展，联动灌区种植结构提取与土壤盐分空间分析对于灌区生态环境评价与治理、保障耕地和粮食安全等具有重要意义。本文以内蒙古河套灌区永济灌域为研究区，利用2021—2022年生育期Landsat 8 OLI遥感数据与地面种植结构调查数据，分别构建决策树、支持向量机、随机森林分类模型，通过对比分析遴选出灌域适用的最优模型，准确获取灌域种植结构分布结果，同时进一步结合灌域土壤盐分实测数据及其空间异质特征，对种植结构与土壤盐分的协同关系进行深入探讨与分析。结果表明，3种模型的分类精度由大到小为随机森林、决策树、支持向量机，2021、2022年随机森林分类模型的总体精度、Kappa系数分别为92.81%、0.91，91.64%、0.89，为3种模型中精度最高，故选定随机森林模型作为最优模型；灌域内土壤盐分呈现“北部重，中、南部轻”的空间分布特征，2021、2022年土壤盐分的半方差函数适用于Gaussian模型，土壤盐分空间自相关在“中—强”等级变化；受土壤盐分制约，葵花以北部地带种植为主，玉米、小麦、小麦套种玉米（套种）和瓜菜等其他作物主要分布在中、南部地带，作物的耐盐能力由大到小为葵花、玉米、套种、小麦；2021、2022年研究区作物种植结构与土壤盐分耦合协调度D分别为0.784、0.787，为高度耦合协调，因此观测期内研究区作物种植结构与土壤盐分空间分布均衡、发展协调。研究结果一定程度上可以为灌区优化作物种植结构、改善土壤环境等提供参考依据。

摘要:针对秸秆致密成型机田间作业时因秸秆含水率较低而导致秸秆颗粒裂纹较大、品质差、成型率低等问题，构建了含水率控制模型，提出了一种基于SSA-Smith-LADRC的致密成型机秸秆含水率控制系统。该系统采用Smith预估器解决时滞问题，同时采用麻雀搜索算法（SSA）优化线性自抗扰控制器（LADRC）参数，达到含水率的精准调控。仿真试验表明：SSA-Smith-LADRC控制无超调，调整时间为1.53s，含水率控制系统稳定后，受干扰恢复的时间为0.62s，再次恢复稳态后，无振荡现象。场地试验表明：系统无超调，最大误差为2.0%，平均误差为1.5%。田间试验表明:正常作业不进行秸秆含水率调控时，秸秆颗粒成型率较低，为62.4%；人工经验控制秸秆含水率时，含水率误差变化较大，平均误差为9.83%，成型率为82.1%；含水率控制系统调控时，含水率变化的平均误差为2.82%，成型率为93.4%；SSA-Smith-LADRC相比于Smith-PID，调整时间缩短4.05s，超调量缩小86.5%，最大误差缩小42.0%，最小误差缩小50.8%，均方差缩小60.2%。本文提出的含水率调控系统，可有效跟踪秸秆含水率变化，提高秸秆颗粒成型率。

摘要:过氧乙酸复合马来酸（Peracetic acid and maleic acid, PAM）能有效将玉米秸秆中木质素和半纤维素脱除分离得到纤维素，同时将半纤维素降解为木糖，然而PAM预处理中半纤维素的降解机制尚不清楚。以单独过氧乙酸（Peracetic acid, PA）预处理为对照，考察了90～120℃ PAM预处理玉米秸秆中半纤维素的水解动力学，采用双相水解动力学模型拟合分析了玉米秸秆中半纤维素的水解反应动力学参数。结果表明，半纤维素的水解由快速水解和慢速水解两个阶段构成，慢速水解部分的比例随着反应温度的升高而下降。与PA预处理对比发现PAM预处理可以将木聚糖快速反应和慢速反应的活化能分别降低至71.4kJ/mol和79.1kJ/mol，并且显著提高木聚糖的水解反应速率。研究结果证实了该模型可以有效模拟木聚糖的水解过程，揭示了PAM预处理促进半纤维素水解作用的动力学机制。

摘要:对葡萄酒发酵和陈酿过程中质量进行有效监控，是葡萄酒品质的重要保证。通过监测葡萄酒发酵和陈酿过程中酚类物质和颜色的演变规律，以及紫外-可见吸收光谱特征，建立基于紫外-可见吸收光谱的酚类物质和颜色参数的偏最小二乘回归（Partial least squares regression, PLSR）模型。结果显示总酚、总单宁和总黄烷醇质量浓度在发酵过程中不断增加，在陈酿过程中逐渐减小。而总黄酮醇在发酵过程中先增加而后减小，在陈酿过程中逐渐减小。浸渍过程和发酵初期是颜色形成的关键时期，在陈酿过程中颜色逐渐老化。基于紫外-可见光谱的酚类物质和颜色参数预测模型的校正集决定系数R2cal及验证集决定系数R2val均不小于0.84，残余预测偏差 (Residual predictive deviation，RPD) 均不小于2.54，模型可以达到预测的目的。因此，紫外-可见光谱结合化学计量学是快速监测红葡萄酒发酵和陈酿过程中酚类化合物及色泽演变的一种简单经济且高效可行的手段。

摘要:鉴于采样的完全随机性，传统PRM算法往往较难适用于具有狭窄通道工作环境下的机器人路径规划。为此，本文提出了一种融合全局目标导向采样、局部节点增强的改进概率路图法（Improved PRM），并将其应用于平面栅格地图场景及六自由度机器人的路径规划。首先将全局目标导向采样与随机采样有机结合，通过混合采样的方式来提高全局采样点落在狭窄通道内的概率，实现启发式地图增强；其次，经由节点权重思想对位于狭窄通道中的节点进行提取，并利用基于高斯分布的局部节点增强策略在狭窄通道中扩展新节点，增强地图连通性，以提高路径规划的成功率；最后，采用冗余节点剔除策略对算法规划的初始路径进行优化。Improved PRM算法在平面栅格地图中的仿真结果表明，该算法对于机器人路径规划的成功率可达89.3%以上，且综合评价指数及路径质量评价指数均高于其他算法；在六自由度机器人的仿真实验中，Improved PRM算法得到的平均路径代价比传统PRM算法降低约42.7%，成功通过狭窄通道概率也比传统PRM提高68个百分点。因此，相比文中所提其他算法，在具有狭窄通道的工作环境中，改进概率路图法在提高路径规划成功率、减少路径节点、保证路径质量等方面具有优势。

摘要:为了减少有限元和离散元耦合领域问题的计算时间，本文建立了有限元-离散元耦合异步长并行计算方法。整个计算模型分为有限元和离散元两类计算区域，根据每个子域单元特性选择合适的积分时间步长。每个子分区均采用显式时间积分格式进行求解，采用重叠边界法处理边界耦合问题，不涉及子循环过程的插值和截断过程。数值算例表明该方法在保证高精度的同时有效降低了计算时间。