摘要:种子微创取样装备是面向生物育种技术中的种子切片取样环节，基于机电控制、机器视觉等技术，实现种子基因样本的全流程、自动化操作的智能化工具，其推广和应用可有效提升种质资源培育的效率和质量，助力种业振兴。本文首先介绍了种子切片检测的历史背景和装备研究现状，随后将种子微创取样关键技术系统地划分为种子分离、位姿调整、夹持输送、取样和样品收集与清洁技术，并对其研究现状和发展动态进行了阐述和剖析。在此基础上，结合种子切片装备发展要求和应用场景，归纳了种子切片取样装备面临的切割理论不足、多尺度通用性差、系统集成度有待提高等问题，提出了未来发展方向为: 加强种子切片装备基础理论研究；多尺度通用化种子切片平台开发；发展全生产环节智慧取样检测系统。

摘要:北斗定位系统(BDS)能够实现厘米级的定位，在农机导航系统中获得了广泛应用。然而，单纯的卫星定位系统存在一些局限性，比如易受外界遮挡、数据频率低等。因此，在导航系统中集成惯性元件并发展组合导航技术成为重要研究方向。考虑到高性能惯导成本很高，不利于推广应用，本文研究了农业场景下，使用低成本惯导和BDS构成组合导航系统。为提高定位精度，解决由BDS中断导致误差发散的问题，设计了零速修正。同时，分析了BDS/INS组合导航系统中航向角误差不可观测的原因和误差来源，设计了航向约束方法。当BDS信息可用时，利用双天线航向角信息来抑制航向角误差的累积；当BDS中断时，使用零角速度修正。通过现场实验验证，当BDS可用时，零速修正可以将位置、速度和水平姿态的精度分别提高20%、40%和15%以上，航向约束可以将航向角精度提高90%以上；BDS中断时，零速修正可以将位置、速度的精度提高90%以上，水平姿态的精度提高80%以上，航向约束可以将航向角精度提高40%以上。

摘要:果树树冠的季节性变化及果树成长和衰老造成的果树特征变化会影响已构建的果园三维环境地图的匹配，故本文提出一种基于改进Gmapping算法的果园二维环境地图精准构建算法。首先该算法对Gmapping算法的前端里程计和后端优化部分分别进行改进，以提高果园二维环境地图的构建精度。对于前端里程计部分采用改进的R-GPF地面分割方法提高其初始定位精度，对于后端优化部分采用BAT启发式自适应重采样方法提高其最终定位精度。然后进行梨园环境对比试验。通过改进R-GPF方法与原始R-GPF方法的对比，改进R-GPF方法的激光雷达里程计输出频率可达到15.58Hz，最大横向偏差小于25cm，横向偏差均值为12.7cm，标准差为 13.4cm，其各方面性能都优于原R-GPF方法的激光雷达里程计。通过新算法与基于原R-GPF的Gmapping算法对比，新算法所得的梨树列间距离偏差始终保持在20cm范围内，行间距离偏差均值为10.3cm，标准差为6.3cm，比基于原R-GPF的Gmapping算法分别减小50%、43.41%和32.26%；同时，梨树行间距离偏差相对于里程计横向偏差的减小侧面反映出后端BAT启发式自适应重采样方法的有效性。本文提出的算法能够提高果园二维地图构建精度，可以满足后续重定位、导航等作业的精度要求。

摘要:针对果园道路无明显边界且道路边缘存在阴影、土壤和沙石干扰等问题，提出一种基于特征融合的果园非结构化道路识别方法。通过相机标定获取畸变参数对采集到的图像进行畸变矫正，并提出一种基于滤波与梯度统计相结合的动态感兴趣区域（ROI）提取方法对HSV颜色空间S分量进行ROI选取，采用最大值法将颜色特征与S分量多方向纹理特征掩膜相融合并进行二值化与降噪处理。根据道路边缘突变特征寻找特征点，并提出一种基于距离与位置双重约束的两级伪特征点剔除方法。为更好贴合非结构化道路不规则边缘，引入分段三次样条插值法拟合道路边缘，以此实现道路识别。试验结果表明，在晴天、阴天、顺光、逆光、冬季晴天和雨雪天气6种工况条件下，S分量、纹理图像和融合图像的平均纵向偏差均值分别为2.43、39.71、1.36像素，平均偏差率均值分别为0.99%、18.02%和0.54%，相较于S分量与纹理图像而言，使用本文方法构建的融合图像其平均纵向偏差与平均偏差率均得到有效减少。最小二乘法、随机采样一致性法（RANSAC）与分段三次样条插值法拟合边缘的平均偏差均值分别为2.64、3.16、0.66像素，平均偏差率均值分别为1.02%、1.21%和0.26%，偏差率平均标准差分别为0.23%、0.31%与0.09%，其中分段三次样条插值法的平均偏差均值、平均偏差率均值与偏差率平均标准差均最小，表明本文拟合方法其拟合精度更高且具有更好的稳定性。6种工况条件下，本文算法单帧图像平均处理时间为89.9ms，满足农业机器人作业过程中的实时性要求。本文方法可为农业机器人进行果园复杂环境非结构化道路识别提供参考。

摘要:针对果园喷药机器人视觉导航过程中定位精度低、地图构建效果差等问题，本文提出一种新的视觉定位与稠密建图算法。该算法基于ORB-SLAM2算法架构，首先，通过优化FAST角点、描述子阈值，并采取图像金字塔法与高斯滤波算法，剔除劣质ORB特征点，以提升图像关键帧质量和特征匹配精度。其次，引入稠密建图线程，利用点云恢复算法、统计滤波方法形成点云队列，采取点云拼接技术与体素滤波算法输出稠密点云地图，并在ORB-SLAM2算法的ROS节点中增加关键帧输出接口与位姿发布话题，通过NeedNewKeyFrame函数选取ORB-SLAM2算法所生成的关键帧，减少系统计算量。最终，由RGB-D相机实现果园喷药机器人的精准定位与稠密建图。为验证本文算法的有效性与实用性，进行TUM数据集仿真分析与真实场景测试，结果表明：相较ORB-SLAM2算法，本文算法的绝对轨迹平均误差降低44.01%、相对轨迹平均误差降低7.93%，ORB特征点匹配数量平均提升19.03%，定位精度与运行轨迹效果均有显著提升，此外，还能获取较高精度的果园喷药机器人工作场景信息。本文算法可为果园喷药机器人的自主导航提供理论基础。

摘要:果园喷雾机器人路径轨迹规划影响机器人行驶路线的平滑线和行驶过程的可靠性和平稳性。针对目前果园喷雾机器人路径规划中存在的转弯处参考轨迹不够平滑、曲率较大、行驶不平稳等问题，提出了一种基于果园喷雾机器人运动学多约束条件的三次非均匀B样条曲线果园喷雾机器人轨迹优化方法。通过先验地图获取树行位置信息对行间路径点进行拟合处理，保证果园喷雾机器人行驶在树行中心线上符合喷雾作业要求，综合考虑最小转弯半径、首末端点约束、转向机构延迟约束、曲率连续等多约束条件构建路径曲率最小化目标函数，并通过最优化算法求解待优化的曲线参数，生成符合果园喷雾机器人行驶要求的全局路径，最后采用纯跟踪算法进行跟踪试验来验证机器人行驶精度。仿真与试验结果表明，规划生成轨迹的最大曲率为0.31m-1，平均曲率为0.15m-1，符合果园喷雾机器人的行驶要求；针对该轨迹跟踪行驶的平均横向误差为0.225m，标准差为0.031m，满足果园喷雾机器人在果园内喷雾作业时对行驶精度的要求。

摘要:针对传统喷杆喷雾机在转弯、换行过程中调头空间有限、转向半径大、易碾压作物等问题，提出了一种可利用车辆平行移动来实现换行作业的控制方法。基于平移换行方式设计了四轮转向喷杆喷雾机的导航控制系统，该控制系统采用RTK(Real time kinematic)定位模块和姿态传感器进行组合导航，以喷雾机位置信息和姿态信息作为输入，在四轮转向运动学模型基础上，结合运动学解算实现了喷杆喷雾机非转弯调头换行的自动导航跟踪控制，根据喷雾作业要求设计了基于有限状态机的自动作业策略。开展了传统PID（Proportion integration differentiation）控制器与单神经元PID控制器的实地对比测试。在常规方形硬质平整地块试验时，搭载常规PID控制器的喷雾机在平移换行过程中的最大跟踪偏差、平均绝对偏差为7.63、4.27cm，而搭载单神经元PID控制器的喷雾机在平移换行过程中的的最大跟踪偏差、平均绝对偏差为6.48、3.24cm。在常规方形田间地块试验时，搭载常规PID控制器的喷雾机在平移换行过程中的最大跟踪偏差、平均绝对偏差为11.01、6.66cm，而搭载单神经元PID控制器的喷雾机在平移换行过程中的最大跟踪偏差、平均绝对偏差为8.60、4.47cm。试验表明，单神经元PID控制器与传统控制器相比，具有较好的控制精度与适应性，解决了传统换行方式转向半径大而需要较大的转向空间的问题，为宽幅喷杆喷雾机的地头转向和换行提供解决方案。

摘要:引入无人自主系统实现水渠网络智能化巡检对水利工程的建设、监控与维护具有重要意义。采用无人机、无人车协作执行水渠巡检任务时，无人机在水渠上空完成巡检工作，无人车可作为无人机的运载平台和能量补给站，有助于实现大规模水渠网络的快速自主巡检。但是，受到水渠网络、道路网络的双重约束，无人系统的路径规划面临较大困难。针对上述问题，本文以最小化完成整个巡检任务时间为目标，首先基于度约束提出了水渠网络分割方法，将巡检任务分配给无人机，使无人机在巡检各子区域时不需要起飞或降落进行充电。然后基于遗传算法为无人机和无人车计算最优运动路径。最后，通过实例验证，当无人机以速度60km/h、无人车以速度40km/h匀速工作时，按人工步行巡检速度2km/h计算，无人系统的巡检速度为人工巡检的8.4~9.8倍。

摘要:针对工业机械臂苹果采摘时运动规划复杂、自由度多、控制难等问题，本文研制了一款轻量化结构的三自由度苹果采摘机械臂。首先，针对苹果采摘工作要求完成了机械臂的结构设计与运动学分析。机械臂采用平行四边形结构，通过后置动力源减小整机转动惯量，且臂展长，工作空间大，运动时树枝干扰小，更适用于苹果采摘。其次，采用牛顿-欧拉方程建立动力学模型，完成机械臂苹果采摘仿真，通过动力学模型的理论数据，以减轻机械臂自身质量为优化目标，对臂及其关键部件应力及应变进行分析，计算不同轻量化方案下的应力、应变，从而选取最优的轻量化方案。通过对比轻量化前后机械臂仿真数据，骨棒型轻量化方案驱动力矩峰值分别降低21N·m和 15N·m，均降低约20%，整机质量下降1.8kg，降低32.1%，且轻量化后机械臂保持良好工作能力。根据优化结果，搭建了三自由度苹果采摘机械臂物理样机，通过试验得到大、小臂最大驱动力矩为92、63N·m，基本符合仿真结果，验证了动力学模型的正确性。

摘要:针对传统旋耕式耕整机在稻-油或稻-稻-油水旱轮作的油菜种植模式下进行耕整地作业易存在整机通过性、适应性差，旋耕装置作业碎土率低、刀辊易缠草、秸秆埋覆性能差等问题，设计了一种驱动圆盘犁与双刃型旋耕刀组合式耕整机。提出先主动犁耕后双刃旋耕、两侧开畦沟的工作方式，分析确定了驱动圆盘犁组主要结构参数以及驱动圆盘犁组-开畦沟前犁布局方式；分析确定了一种应用于驱动圆盘犁与双刃型旋耕刀组合式耕整机的双刃型旋耕装置关键结构参数。依据滑切原理确定了具有长刃部和短刃部的双刃型旋耕刀片关键结构参数；根据驱动圆盘犁组结构布局确定了双刃型旋耕装置为双头螺旋线排列方式。利用离散元仿真方法分析了整机的秸秆埋覆性能以及对土壤耕层交换的影响，结果表明整机作业平均秸秆埋覆率为94.69%，且整机作业后土壤耕层混合均匀。在秸秆留茬量不同的两种工况下进行田间性能试验，田间性能试验表明，驱动圆盘犁与双刃型旋耕刀组合式耕整机作业后平均秸秆埋覆率为96.45%，平均碎土率为95.30%，犁组不堵塞，刀辊不易缠草，机组通过性好；田间播种试验表明，整机播种后油菜出苗均匀，整机作业各项指标均满足稻茬地油菜直播种床整备要求。

摘要:地表秸秆覆盖免耕播种具有蓄水保墒、提高土壤肥力、改良土壤结构、控制土壤侵蚀、降低生产成本和提高作物产量等社会、生态和经济效益。针对现有同位仿形免耕播种单体在重度秸秆覆盖、高速作业条件下，清秸装置作业质量差、工作效率低问题，改进设计了一种具有秸秆轴向加速推送功能的清秸装置。阐明了清秸装置清理秸秆机理，完成了关键部件清秸轮和助推螺旋设计，确定了影响其工作性能主要参数及取值范围。采用二次回归正交旋转中心组合试验方法，以作业速度、工作偏角、螺旋升角、螺旋叶片数为试验因素，清秸率和工作阻力为性能评价指标，在构建的EDEM-ADAMS联合仿真试验平台上实施参数组合优化试验，结果表明：各因素对清秸率影响由大至小依次为作业速度、工作偏角、螺旋叶片数、螺旋升角；各因素对工作阻力影响由大至小依次为作业速度、工作偏角、螺旋叶片数、螺旋升角。应用Design-Expert软件对试验结果进行参数组合优化，当螺旋升角为40°、螺旋叶片数为4、作业速度为7.5～10.7km/h、工作偏角为20.0°～32.5°时，清秸率大于85%，工作阻力小于110N。在作业速度8、9、10km/h条件下，对螺旋升角40°、螺旋叶片数4、工作偏角30°的清秸装置进行田间性能试验，得到清秸率大于82%，工作阻力小于112N，表明仿真试验结果可信，在作业速度10km/h条件下相对未优化清秸装置清秸率提高33.5%、工作阻力无显著性差异。

摘要:清筛装置对筛片的振动激励是提高物料透筛概率、减少筛孔堵塞以及有效清筛的根本因素。现有清筛装置多使用随机弹跳的橡胶球完成清筛作业，但其清筛效果易受到结构与工作参数制约。为解决橡胶球激振力难以精准调控问题，设计了电磁变频激振清筛装置，阐述了总体结构与工作原理，设计了激振清筛单体与变频激振控制系统，分析了振动激励作用机制；以加速度为指标，研究了弹簧预压缩量与激振频率对振动激励的影响规律，结果表明两者均与振动激励正相关；以净度、筛分效率、筛分时间、卡种数量为指标开展了16组玉米种子清选试验，试验结果表明弹簧预压缩量为2mm、工作频率为3.5Hz、清筛频率为50Hz时清筛装置具有较好的作业效果，种子净度99.1%，筛分效率88.6%，筛分时间70s，卡种数量为0；通过分段设置工作频率与清筛频率，实现了清筛装置激振力的精准调控，能够满足不同工况下正常筛分与强振清筛的作业要求。

摘要:针对玉米在高速（12~16km/h）播种时籽粒脱离种盘初速度大，与带式导种装置种腔内壁碰撞弹跳，发生碰撞异位，导致籽粒进入种腔精准度低等问题，以具有纳种机构的带式玉米高速导种装置为研究对象，建立籽粒夹取、转运和排放动力学模型，提出在拨指表面添加人字形纹路的改进方法，明确影响纳种稳定性与籽粒进入种腔精准度的主要因素。利用高速摄像与图像目标追踪技术进行单因素对比试验及多因素优化试验。单因素试验结果表明，播种速度较快时，有人字形纹路拨指轮纳种合格指数和种腔间隔变异系数均明显优于无人字形纹路拨指轮。为获得拨指轮改进后的纳种机构最佳性能参数，以轮心距、拨指轮转速及拨指长度为试验因素，以纳种合格指数与种腔间隔变异系数为评价指标，进行三因素五水平二次正交旋转组合试验，采用多目标优化方法，确定当轮心距为36.8mm，拨指轮转速为584.97r/min，拨指长度为10.8mm时，纳种合格指数为98.23%，种腔间隔变异系数为0.24%。对优化结果进行验证试验，验证结果与优化结果基本一致。在相同条件下进行台架对比试验，结果表明，有带式玉米高速导种装置的作业性能远优于不安装带式玉米高速导种装置的作业性能。

摘要:针对蚕豆种子粒径大、三轴尺寸差异大，充种困难的问题，设计了一种带有平带辅助充种装置的气吸式蚕豆精量排种器。通过对充种过程中的动力学分析阐述了平带辅助充种装置及种子的运动机理；利用计算流体力学和离散元法双向耦合模拟的方法（Computational fluid dynamics and discrete element method,CFD-DEM），开展了单因素试验，确定了影响排种器充种性能的主要零部件参数并明晰了平带辅助充种机理；搭建试验台架，选取作业速度、平带输入轴转速和负压为试验因素，合格指数、重播指数、漏播指数为试验指标，进行了二次回归正交组合试验。试验结果表明，影响排种器合格指数的因素主次顺序为：作业速度、负压、平带输入轴转速。对试验结果进行多目标优化，得到最优参数组合为作业速度5.69km/h、平带输入轴转速395r/min、负压3845Pa，对此结果进行排种器性能试验验证，此时合格指数为91.6%、重播指数为3.8%、漏播指数为4.6%，满足蚕豆播种要求。

摘要:玉米播种机高速、精量作业时，投种点高，种子因剧烈碰撞，而导致粒距均匀性差，为此基于文丘里原理，设计一种利用正压气流辅助输种的导种装置，确定了导种装置的主要结构和关键参数。分析了气流辅助输种，实现“零速投种”的机理。采用DEM-CFD耦合仿真方法模拟导种装置的工作过程，通过对比分析气流场、种子的出射速度，确定进气室收缩角为70°、进气室收缩段长度为8.2mm。利用排种器性能测试平台进行速度匹配试验、弹跳试验、作业性能试验和对比试验，结果表明：作业速度为8~16km/h、粒距为20~25cm时，合格指数不小于85.7%；粒距变异系数不大于15.8%。与重力式导种管相比，作业速度越高，正压气流辅助导种装置的优良作业性能越突出，作业速度为16km/h时，粒距合格指数增加13.6个百分点，粒距变异系数减少7.4个百分点，满足高速条件下精量输种的要求，有利于提升高速精量播种机整体作业性能。

摘要:为解决螺旋排肥器排肥流量不均匀影响精控施肥的问题，在通过排肥过程肥料运动状态仿真分析确定其排肥不均原因的基础上，采用倾斜排肥口的结构设计以提升排肥均匀性。利用EDEM建立斜口螺旋排肥器仿真模型，以斜口长度x1、斜口角度x2、开口宽度x3试验因素，排肥流量变异系数为试验指标，进行二次通用旋转组合设计试验研究。试验结果表明：试验因素对试验指标的影响主次顺序为x3、x2、x1，且当x1为105mm、x2在30°~44°范围内、x3在40.05~55.00mm范围内时，排肥流量变异系数σ小于15%，排肥均匀性较佳。采用台架试验对传统及斜口螺旋排肥器进行对比试验，结果证明：转速60r/min时斜口螺旋排肥器排肥流量变异系数σ为13.59%，与理论优化值相吻合，且斜口螺旋排肥器均优于传统螺旋排肥器。同时基于实测的排肥器排肥转速流量曲线，设计一种排肥控制器并进行台架试验，结果表明其可实现精控施肥。

摘要:针对入钵夹取式全自动蔬菜钵苗移栽机取苗爪体积小，夹持力检测传感器结构与安装方式干涉取苗爪正常取投动作、影响自身精度与使用寿命等问题，本文选用聚二甲基硅氧烷(Polydimethylsiloxane，PDMS)薄膜作为传感器介电层，设计了一种内置式钵苗夹持力传感器，并通过嵌入方式实现取苗爪与传感器一体化设计。建立穴孔、钵体基质、取苗爪仿真模型，应用LS-PrePost软件对取苗过程进行耦合仿真，得到取苗爪与钵体基质接触部位最大受力区域，确定了取苗爪与传感器的结构与尺寸；设计夹持力信号检测系统，将硬件电路与采集软件结合，完成电容量-电压转换、信号放大、噪声滤除，实现夹持力信号的采集、处理、显示与保存等功能。为验证传感器性能，进行传感器标定试验与室内验证试验。标定试验表明，在不同振荡频率下，夹持力传感器平均灵敏度为0.3728N/V，平均线性决定系数为0.9892，精度为7.548%，量程为7N，满足移栽过程中夹持力检测的准确度要求；室内验证试验表明，夹持力检测传感器具有良好的稳定性与适应性，可用于移栽机取苗机构夹持实时精准检测。

摘要:为探讨黄土高原地区2001—2020年间干旱时空变化特征及其影响因素，利用MODIS增强植被指数（Enhanced vegetation index, EVI）以及地表温度（Land surface temperature, LST）数据，构建温度植被干旱指数（Temperature vegetation dryness index, TVDI）模型，探究黄土高原地区2001—2020年TVDI指数时空动态、变化趋势并利用地理探测器模型分析TVDI空间分异性的驱动因子。结果表明： 2001—2020年间黄土高原TVDI空间分布具有较强的空间分异性，总体上呈现从西向东旱情逐渐增加的趋势，黄土高原多年平均TVDI为0.522，整体上处于轻旱状态。从TVDI多年变化趋势上分析，超过64%的区域有干旱加剧的趋势，且存在明显的地域分异规律，黄土高原西北部的内蒙古、宁夏北部以及山西部分地区旱情大多呈加剧趋势，而旱情缓解区域较为集中，多分布于陕西中部、宁夏南部和甘肃北部。各土地利用类型的TVDI年际变化均呈现不同程度上升的趋势且各土地利用类型年均TVDI差异明显，从大到小依次为：未利用地（0.571）、草地（0.554）、耕地（0.503）、林地（0.473）和建筑用地（0.462）。黄土高原地区TVDI的空间分异主要受高程、土壤类型、植被类型3个因子影响，三者q均超过0.3，是黄土高原干旱的主要驱动因素；在多因子交互作用下，高程与SIF组合对黄土高原干旱发生的影响力最强，q达到0.709。

摘要:马铃薯植株钾含量（Plant potassium content，PKC）是监测马铃薯营养状况的重要指标，快速准确地获取马铃薯植株钾含量对田间施肥和生产管理具有指导意义。基于无人机遥感平台搭载RGB传感器分别获取马铃薯块茎形成期、块茎增长期和淀粉积累期的RGB影像，并实测马铃薯植株钾含量。首先利用各个生育期的RGB影像提取每个小区冠层平均光谱和纹理特征。然后分别基于冠层光谱和纹理特征构建植被指数和纹理指数(NDTI、RTI和DTI)，并与实测PKC进行相关性分析。最后利用多元线性回归(Multiple linear regression，MLR)、偏最小二乘(Partial least squares regression，PLSR)和人工神经网络(Artificial neural networks，ANN)构建马铃薯PKC估算模型。结果表明：各生育期NDTI、RTI和DTI与马铃薯PKC相关性均高于单一纹理特征，植被指数结合纹理指数均能提高模型的可靠性和稳定性，MLR和PLSR构建的估算模型精度均优于ANN。本研究可为马铃薯PKC监测提供科学参考。

摘要:传统的人工种苗表型测量方式存在效率低、主观性强、误差大、破坏种苗等问题，提出了一种使用RGB-D相机的黄瓜苗表型无损测量方法。研制了自动化多视角图像采集平台，布署两台Azure Kinect相机同时拍摄俯视和侧视两个视角的彩色、深度、红外和RGB-D对齐图像。使用Mask R-CNN网络分割近红外图像中的叶片和茎秆，再与对齐图进行掩膜，消除了对齐图中的背景噪声与重影并得到叶片和茎秆器官的对齐图像。网络实例分割结果的类别和数量即为子叶和真叶的数量。使用CycleGAN网络处理单个叶片的对齐图，对缺失部分进行修补并转换为3D点云，再对点云进行滤波实现保边去噪，最后对点云进行三角化测量叶面积。在Mask R-CNN分割得到的茎秆对齐图像中，利用茎秆的近似矩形特征，分别计算茎秆的长和宽，再结合深度信息转换为下胚轴长和茎粗。使用YOLO v5s检测对齐图中的黄瓜苗生长点，利用生长点与基质的高度差计算株高。实验结果表明，该系统具有很好的通量和精度，对子叶时期、1叶1心时期和2叶1心时期的黄瓜苗关键表型测量平均绝对误差均不高于8.59%、R2不低于0.83，可以很好地替代人工测量方式，为品种选育、栽培管理、生长建模等研究提供关键基础数据。

摘要:现有基于深度学习的农作物病害识别方法对网络浅层、中层、深层特征中包含的判别信息挖掘不够，且提取的农作物病害图像显著性特征大多不足，为了更加有效地提取农作物病害图像中的判别特征，提高农作物病害识别精度，提出一种基于多层信息融合和显著性特征增强的农作物病害识别网络(Crop disease recognition network based on multilayer information fusion and saliency feature enhancement, MISF-Net)。MISF-Net主要由ConvNext主干网络、多层信息融合模块、显著性特征增强模块组成。其中，ConvNext主干网络主要用于提取农作物病害图像的特征；多层信息融合模块主要用于提取和融合主干网络浅层、中层、深层特征中的判别信息；显著性特征增强模块主要用于增强农作物病害图像中的显著性判别特征。在农作物病害数据集AI challenger 2018及自制数据集RCP-Crops上的实验结果表明，MISF-Net的农作物病害识别准确率分别达到87.84%、95.41%，F1值分别达到87.72%、95.31%。

摘要:植物病害是造成农作物减产的主要原因之一。针对传统的人工诊断方法存在成本高、效率低等问题，构建了一个自然复杂环境下的葡萄病害数据集，该数据集中的图像由农民在实际农业生产中拍摄，同时提出了一个新的网络模型MANet，该模型可以准确地识别复杂环境下的葡萄病害。在MANet中嵌入倒残差模块来构建网络，这极大降低了模型参数量和计算成本。同时，将注意力机制SENet模块添加到MANet中，提高了模型对病害特征的表示能力，使模型更加注意关键特征，抑制不必要的特征，从而减少图像中复杂背景的影响。此外，设计了一个多尺度特征融合模块（Multi-scale convolution）用来提取和融合病害图像的多尺度特征，这进一步提高了模型对不同病害的识别精度。实验结果表明，与其他先进模型相比，本文模型表现出了优越的性能，该模型在自建复杂背景病害数据集上的平均识别准确率为87.93%，优于其他模型，模型参数量为2.20×106。同时，为了进一步验证该模型的鲁棒性，还在公开农作物病害数据集上进行了测试，该模型依然表现出较好的识别效果，平均识别准确率为99.65%，高于其他模型。因此，本文模型具有实际应用潜力。

摘要:为解决高光谱影像受传感器及分辨率的影响所产生的光谱变化给解混造成的困扰，提出基于多模态多目标优化的端元束提取方法(MOPSOSCD)。对高光谱图像进行标号编码，采用基于索引的环形拓扑结构进行邻域的个体交互，通过邻域最优改进粒子群速度更新方式并整数化粒子位置更新。同时，根据高光谱图像空间特征，通过改进决策空间拥挤距离提高决策空间的多样性，再结合目标空间的拥挤距离进行综合排序，实现多模态多目标优化的粒子筛选。当粒子定向移动概率pm为0.2、粒子数P为30及迭代次数M为400时，算法在MUUFL数据集上均方根误差(RMSE)及平均光谱角距离(mSAD)分别为0.0088、0.1112。通过对比试验，本文方法相较于VCA、DPSO等方法具有更高的提取精度和效率，为高光谱解混提供了更加准确的端元束提取方法。

摘要:在实际生产中，麦苗株数对出苗率估算、产量预测以及籽粒品质预估等起着关键作用，及时准确地估算出麦苗株数对于小麦生产至关重要。由于田间生长环境复杂，麦苗成像易受光照、遮挡和重叠等因素的影响，导致现有目标对象计数方法直接用于麦苗计数时性能不高。为减弱上述因素对麦苗计数的影响，进一步提高计数准确率，本文对现有的目标对象计数网络P2PNet (Point to point network)进行改进，提出增强局部上下文监督信息的麦苗计数模型P2P_Seg。首先，对麦苗图像进行预处理，使用点标注方法自建麦苗数据集；其次，引入麦苗局部分割分支改进网络结构，以提取麦苗局部上下文监督信息；然后，设计逐元素点乘机制融合麦苗全局信息和局部上下文监督信息；最后，引入逐像素加权焦点损失(Per-pixel weighted focal loss)构建总损失函数，对模型进行优化。在自建数据集上的实验表明，P2P_Seg的平均绝对误差(Mean absolute error，MAE)和均方根误差(Root mean square error，RMSE)分别为586和768，比P2PNet分别降低0.74和1.78；与其他先进计数模型相比，P2P_Seg具有更好的计数效果。在实际大田环境下进行了应用测试分析、误计数和漏计数情况分析，结果表明P2P_Seg更适合复杂田间环境，为麦苗株数自动统计提供了新方法。

摘要:针对目前植物解剖表型的测量与分析过程自动化低，难以应对复杂解剖表型的提取和识别的问题，以柑橘主叶脉为研究对象，提出了一种基于掩膜区域卷积神经网络（Mask region convolutional neural network，Mask R-CNN）的主叶脉显微图像实例分割模型，以残差网络ResNet50和特征金字塔（Feature pyramid network，FPN）为主干特征提取网络，在掩膜（Mask）分支上添加一个新的感兴趣区域对齐层（Region of interest Align，RoI-Align），提升Mask分支的分割精度。结果表明，该网络架构能够精准地对柑橘主叶脉横切面中的髓部、木质部、韧皮部和皮层细胞进行识别分割。Mask R-CNN模型对髓部、木质部、韧皮部和皮层细胞的分割平均精确率(交并比(IoU)为0.50)分别为98.9%、89.8%、95.7%和97.2%，对4个组织区域的分割平均精确率均值(IoU为0.50)为95.4%。与未在Mask分支添加RoI-Align的Mask R-CNN相比，精度提升1.6个百分点。研究结果表明，Mask R-CNN模型对柑橘主叶脉各类组织区域具有良好的识别分割效果，可为柑橘微观表型研究提供技术支持与研究基础。

摘要:为解决芦笋采收机器人选择性采收过程中成熟芦笋的判别和采摘手准确定位难题，提出了一种改进YOLACT++（You only look at coefficients）算法，利用该方法对成熟芦笋进行检测判别并定位采收切割。通过引入CBAM（Convolutional block attention module）注意力机制以及SPP（Spatial pyramid pooling）结构改进传统的YOLACT++主干网络，提高了特征提取的有效性；设计了适用于芦笋目标检测的锚框长宽比以保证覆盖到不同姿态的芦笋，以提高网络检测速度和准确率。利用生成的芦笋掩膜分段计算芦笋长度和基部直径，来判定成熟芦笋，并通过空间位姿向量计算成熟芦笋基部区域切割点位置。采收机器人田间试验结果表明，经过训练的改进YOLACT++模型的检测准确率为95.22%，掩膜平均准确率为95.60%，640像素×480像素图像检测耗时53.65ms，成熟芦笋判别准确率为95.24%，在X、Y、Z方向的切割点定位误差小于2.89mm，滚转角和俯仰角误差最大为7.17°；与Mask R-CNN、SOLO和YOLACT++模型相比，掩膜平均准确率分别提高2.28、9.33、21.41个百分点，最大定位误差分别降低1.07、1.41、1.92mm，最大角度误差分别降低1.81°、2.46°和3.81°。使用该方法试制的芦笋采收机器人，采收成功率为96.15%，单根芦笋采收总耗时仅为12.15s。本研究提出的检测-判别-定位方法在保证响应速度的前提下具有较高的检测精度和定位精度，为优化改进基于机器视觉的芦笋采收机器人提供了技术支持。

摘要:针对红花采摘机器人田间作业时花冠检测及定位精度不高的问题，提出了一种基于深度学习的目标检测定位算法（Mobile safflower detection and position network，MSDP-Net）。针对目标检测，本文提出了一种改进的YOLO v5m网络模型C-YOLO v5m，在YOLO v5m主干网络和颈部网络插入卷积块注意力模块，使模型准确率、召回率、平均精度均值相较于改进前分别提高4.98、4.3、5.5个百分点。针对空间定位，本文提出了一种相机移动式空间定位方法，将双目相机安装在平移台上，使其能在水平方向上进行移动，从而使定位精度一直处于最佳范围，同时避免了因花冠被遮挡而造成的漏检。经田间试验验证，移动相机式定位成功率为93.79%，较固定相机式定位成功率提升9.32个百分点，且在X、Y、Z方向上移动相机式定位方法的平均偏差小于3mm。将MSDP-Net算法与目前主流目标检测算法的性能进行对比，结果表明，MSDP-Net的综合检测性能均优于其他5种算法，其更适用于红花花冠的检测。将MSDP-Net算法和相机移动式定位方法应用于自主研发的红花采摘机器人上进行采摘试验。室内试验结果表明，在500次重复试验中，成功采摘451朵，漏采49朵，采摘成功率90.20%。田间试验结果表明，在选取垄长为15m范围内，盛花期红花花冠采摘成功率大于90%。

摘要:活立木茎干水分状况是植物生命状态的有效体现，其中茎干含水率（Stem water content，StWC）和液流密度（Sap flux density，SFD）是研究植物体内水分变化规律的重要参数。准确检测活立木茎干同一空间位置的含水率和液流密度可以更有效地分析2个参数的关系、评估植物生长状况。将基于驻波率（Standing wave ratio，SWR）原理的茎干水分检测方法和基于热比率法（Heat ratio method，HRM）原理的茎干液流检测方法结合，设计了活立木茎干含水率和液流复合参数检测传感器，复合传感器的含水率检测单元和液流检测单元复用一套三针式探针，可对活立木茎干同一位置的含水率和液流实时精准检测。含水率检测单元输出电压与介电常数（6～53.3范围内，对应茎干含水率为0～85%）具有良好的线性关系（决定系数R2=0.9701），静态稳定性良好（长时间测试最大波动为0.6%全量程）。以杨树为研究对象，含水率检测单元与BD-IV型植物茎体水分传感器的对比实验结果一致（决定系数R2=0.9800）。液流检测单元与ST1221型热扩散式液流计对比，二者检测的杨树液流密度具有显著的线性关系(决定系数R2=0.8991)，热扩散式液流计不能准确判断零液流条件而低估了液流密度，ST1221型液流计检测的平均值比本系统液流检测单元低1.1cm/h，液流检测单元使用的热比率法可以准确检测低速液流。复合传感器对杨树茎干含水率和液流的长时间监测结果与前人研究一致且符合植物生理规律。茎干含水率和液流存在极显著的负相关性（Pearson相关系数为-0.7951）。

摘要:茎流测量是研究植物耗水规律的重要手段，现有茎流传感器多基于热平衡法进行设计，但在低温天气时，植物蒸腾作用不明显，茎流瞬时变化响应不灵敏，导致测量结果不精确。针对上述问题，设计了一种热源自适应茎流检测与调控系统。综合考虑不同因素下茎流消耗在热源提供能量占比中变化趋势的建模需求，设计融合外界温度、茎流速率、横截面积等多环境因子茎流标定嵌套试验。在此基础上，利用支持向量机回归算法（Support vector regression，SVR)和遗传算法（Genetic algorithm，GA)，建立热源功率自适应模型。结果表明所建模型的最优决定系数与均方根误差分别为0.989和0.015W。基于LoRa无线传感网络构建茎流检测与调控系统，实现多组温度信息和热源功率的监测，系统调用移植到嵌入式设备的热源自适应模型动态获取热源功率调控目标值，并发送至执行控制器，控制功率调控模块，实现热源自适应融合的功率动态控制。精度验证试验显示：在低温段时，本系统比FLOW-32KS型传感器平均相对误差小2.64（6℃）、2.53（11℃）、3.68个百分点（16℃）。在高温段时，自适应模型修正对结果影响不大，双系统相对误差互有高低。证明本系统嵌入基于热平衡法的GA-SVR算法热源自适应模型后，能确保茎流消耗能量Qf在输入总能量Pin中占比稳定，满足提高热平衡茎流测量精度的需求。

摘要:笼养模式下鸡/蛋自动识别与计数在低产能鸡判别及鸡舍智能化管理方面具有重要作用，针对鸡舍内光线不均、鸡只与笼之间遮挡及鸡蛋粘连等因素导致自动计数困难的问题，本研究以笼养鸡只与鸡蛋为研究对象，基于YOLO v7-tiny提出一种轻量型网络YOLO v7-tiny-DO用于鸡只与鸡蛋识别，并设计自动化分笼计数方法。首先，采用JRWT1412型无畸变相机与巡检设备搭建自动化数据采集平台，获取2146幅笼养鸡只图像用于构建数据集。然后，在YOLO v7-tiny网络基础上应用指数线性单元（Exponential linear unit，ELU）激活函数减少模型训练时间；将高效层聚合网络（Efficient layer aggregation network，ELAN）中的常规卷积替换为深度卷积减少模型参数量，并在其基础上添加深度过参数化组件（深度卷积）构建深度过参数化深度卷积层（Depthwise over-parameterized depthwise convolutional layer，DO-DConv），以提取目标深层特征；同时在特征融合模块引入坐标注意力机制（Coordinate attention mechanism，CoordAtt），提升模型对目标空间位置信息的感知能力。试验结果表明，YOLO v7-tiny-DO识别鸡只和鸡蛋的平均精确率（Average precision，AP）分别为96.9%与99.3%，与YOLO v7-tiny相比，鸡只与鸡蛋的AP分别提高3.2、1.4个百分点；改进后模型内存占用量为5.6MB，比原模型减小6.1MB，适合部署于算力相对有限的巡检机器人；YOLO v7-tiny-DO在局部遮挡、运动模糊和鸡蛋粘连情况下均能实现高精度识别与定位，在光线昏暗情况下识别结果优于其他模型，具有较强的鲁棒性。最后，将本文算法部署到NVIDIA Jetson AGX Xavier边缘计算设备，在实际场景下选取30个鸡笼开展计数测试，持续3d。结果表明，3个测试批次鸡只与鸡蛋的计数平均准确率均值分别为96.7%和96.3%，每笼平均绝对误差均值分别为0.13只鸡和0.09枚鸡蛋，可为规模化养殖场智能化管理提供参考。

摘要:山羊的脸部检测对羊场的智能化管理有着重要的意义。针对实际饲养环境中，羊群存在多角度、分布随机、灵活多变、羊脸检测难度大的问题，以YOLO v5s为基础目标检测网络，提出了一种结合坐标信息的山羊脸部检测模型。首先，通过移动设备获取舍内、舍外、单头以及多头山羊的图像并构建数据集。其次，在YOLO v5s的主干网络融入坐标注意力机制，以充分利用目标的位置信息，提高遮挡区域、小目标、多视角样本的检测精度。试验结果表明，改进YOLO v5s模型的检测精确率为95.6%，召回率为83.0%，mAP0.5为90.2%，帧速率为69f/s，模型内存占用量为13.2MB；与YOLO v5s模型相比，检测精度提高1.3个百分点，模型所占内存空间减少1.2MB；且模型的整体性能远优于Faster R-CNN、YOLO v4、YOLO v5s模型。此外，本文构建了不同光照和相机抖动的数据集，来进一步验证本文方法的可行性。改进后的模型可快速有效地对复杂场景下山羊的脸部进行精准检测及定位，为动物精细化养殖时目标检测识别提供了检测思路和技术支持。

摘要:呼吸及反刍是奶山羊最基本的生理活动，及时准确地同步获取奶山羊的呼吸及反刍信息可以为评估奶山羊健康状况提供数据支撑。针对现有方法呼吸及反刍同步监测能力的不足，提出了一种基于声学冲激响应的单只静卧奶山羊呼吸及反刍同步监测方法。该方法首先利用声学在室内空间中的多径效应，实现奶山羊呼吸过程中胸脯起伏及反刍过程中嘴部咀嚼动作全向采集；其次计算收发信号的冲激响应，捕捉由呼吸及反刍运动造成多径信号周期性变化的特征；然后利用呼吸及反刍运动频率差实现呼吸和反刍信号的分离；最后经过幅度归一化、相位同步后实现呼吸及反刍波形的可视化。为了验证该方法的有效性，选用了不同朝向的静卧奶山羊进行呼吸及反刍监测试验，并分析了环境噪声对试验的影响，结果表明：对于不同朝向的奶山羊，该方法呼吸平均相对误差为2.60%，反刍平均相对误差为3.51%，平均漏帧率为2.49%，并对环境噪声有较强的抗干扰能力。

摘要:生猪的体尺参数是生猪生长状态的重要评判标准，而人工测量体尺耗时耗力且容易造成猪只的应激反应，本文研究了无接触式猪只体尺参数测量方法，借鉴人工测量经验法，提出基于点云语义分割的猪只体尺测量方法。本文以大约克夏猪为研究对象，搭建无接触式猪只点云采集平台，采集3510组猪只双侧点云数据；利用直通滤波器与随机采样一致性分割处理方法去除背景点云，基于统计滤波器去除离群点，采用体素下采样方法稀疏点云，完成猪只点云的预处理；基于PointNet网络，结合注意力模块构建语义分割模型，针对不同分割部位设计猪只体尺测量方法。试验结果表明，在自制数据集上，改进的语义分割模型准确率为86.3%，相较于PointNet、PointNet++和3D-RCNN分别高8、5.7、2.6个百分点；体尺的测量值与实测值最大绝对误差为6.8cm，平均绝对误差均在5cm以内，具有较高的估算准确性，此方法能够用于猪只体尺测量。本文将语义分割与体尺测量相结合，可为后续非接触测量提供思路。

摘要:目前农业环境下的无序目标的精确计数有很高的应用需求，这种计数对其生物量、生物密度管理起到了重要的指导作用。如黑水虻幼虫目标追踪过程中，追踪对象具有高速和非线性的特征，常规算法存在追踪目标速度不足和丢失目标后的再识别困难等问题。针对以上问题，本文提出了一种改进SORT算法，通过改进卡尔曼滤波模型的方式提升目标追踪算法的快速性和准确性，提升了计数的精度。另外，针对黑水虻幼虫目标识别过程中幼虫性状的多样性和混料导致的复杂背景问题，本文通过实验对比多种深度学习网络性能选定YOLO v5s算法提取图像多维度特征，提升了目标识别精度。实验结果表明：在划线计数方面，本文提出的改进SORT算法与原模型相比，平均精度从91.36%提升到95.55%，提升4.19个百分点，通过仿真和实际应用，证明了本文模型的有效性；在目标识别方面，使用YOLO v5s模型在训练集上帧率为156f/s，mAP@0.5为99.10%，精度为90.11%，召回率为99.22%，综合性能优于其他网络。

摘要:准确、快速、无损估测叶面积指数（LAI）对于冬小麦生产管理具有重要意义。利用无人机搭载Prime ALTUM多光谱相机获取冬小麦拔节期、孕穗期、抽穗期、灌浆期多光谱图像，利用LAI-2200C型植物冠层分析仪获取地面LAI数据。通过Pearson相关性分析筛选出25个植被指数，并提取植被指数影像中8种纹理特征：对比度（CON）、熵（ENT）、方差（VAR）、均值（MEA）、协同性（HOM）、相异性（DIS）、二阶矩（SEM）和相关性（COR），以及3种颜色特征：一阶矩（M）、二阶矩（V）和三阶矩（S），再分别利用多元逐步回归模型（MSR）、支持向量回归模型（SVR）和高斯过程回归模型（GPR）构建冬小麦LAI估测模型。结果表明：相对于考虑单一类型变量，考虑结合纹理特征和颜色特征进行估测时模型精度更高；3类模型中，GPR模型估测冬小麦LAI的精度最高；所有模型中，基于纹理-颜色特征与植被指数融合的GPR模型估测冬小麦LAI精度最高（决定系数R2为0.94，均方根误差（RMSE）为0.17m2/m2，平均绝对误差（MAE）为0.13m2/m2，归一化均方根误差（NRMSE）为4.06%）。纹理特征和颜色特征能有效改善植被指数在高密度冠层下的饱和问题，能够从有限的信息中衍生得到更多信息用于更高精度地估测冬小麦LAI，从而为冬小麦长势监测和生产管理提供理论依据。

摘要:微咸水覆膜滴灌在发挥节水效益的同时应避免土壤盐分的积聚，在缺乏大水淋洗的设施大棚内，覆膜对土表局部蒸发的抑制伴随滴灌湿润体的交汇，加剧了滴灌带带间水盐分布的不规则性，导致土壤积盐的潜在风险增加。针对上述问题，以布设形式为“两膜两行”的覆膜滴灌田间小区为试验对象，通过HYDRUS模型构建了不同滴头流量（0.5~3.0L/h）及膜间裸地间距（0~50cm）组合情景下的二维土壤剖面模拟域，并针对滴头处的带间区域进行水盐动态分布的模拟研究。结果表明，所建模型能较为精确地描述带间剖面内水盐的分布状况，且模拟精度随与滴头水平距离的减小而提升。当膜间裸地间距从50cm缩小至0cm时，带间剖面土壤的平均含水率从25.12cm3/cm3上升至28.76cm3/cm3，平均土壤盐分质量浓度从9.53g/L下降至6.25g/L；滴头流量对带间区域内土壤水盐含量的影响程度相对较低，流量0.5、3.0L/h下土壤体积含水率及盐分质量浓度的最大差异仅分别为0.14cm3/cm3和0.22g/L，且均出现在膜间裸地间距为50cm的情景下。经多轮灌水蒸发后，带外区积聚的盐分将向带间区扩散，并随膜间裸地间距的减小，土壤含盐量最低值的水平位置将从滴头处向带间区推移。研究成果可为设施大棚环境下选取适宜的低盐作物栽种位置提供理论依据。

摘要:灌区水资源优化配置中存在众多不确定性因素，而考虑不确定性因素的优化模型往往存在结构复杂、不确定性参数考虑有限、计算精度和效率较低等问题。本文将LH-OAT（Latin hypercube-One factor at a time）方法与灌区用水优化模型耦合，构建了灌区用水优化模型参数敏感性分析与不确定性优化方法，并以黑河流域中游典型灌区为案例研究区，对模型中6类共25个不确定性参数进行了全局敏感性分析。计算获得了模型中25个不确定性参数的敏感度排序，并从中筛选出10个高敏感性参数，以高敏感性参数作为优化模型不确定性参数输入，获得了不确定性下的灌区用水优化结果。案例分析表明，该方法有效筛选出优化模型中高敏感的关键参数，综合考虑了不确定性参数对模型优化结果的影响，大大减少了模型不确定性参数的表征数量，降低了模型复杂性，有效提高了模型计算效率，可为灌区水资源优化配置问题提供方法参考。

摘要:NH3质量浓度和CO2质量浓度是猪舍环境精准控制的重要指标。由于畜禽舍气体浓度具有时变性、非线性耦合等特点，目前有害气体浓度预测模型存在预测精度低的问题。提出了基于门控制循环单元（Gated recurrent unit，GRU）、改进麻雀搜索算法（Improved sparrow search algorithm，ISSA）并融合差分整合移动平均自回归模型（Autoregressive integrated moving average model，ARIMA）的有害气体浓度时序数据预测模型ISSA-GRU-ARIMA。首先构建了GRU气体浓度时序预测模型，然后通过引入Tent混沌序列、混沌扰动和高斯变异增强ISSA算法的局部寻优能力，实现GRU模型超参数优化；然后利用统计学习ARIMA方法提取优化后的ISSA-GRU模型预测残差的线性特征，最终达到提升模型预测精度的目的。以采集的52d猪舍环境的1248组数据对模型进行训练和测试。结果表明，ISSA-GRU-ARIMA模型NH3质量浓度预测的均方根误差（RMSE）、平均绝对百分比误差（MAPE）和决定系数R2分别为0.263mg/m3、8.171%和0.928，CO2质量浓度预测的分别为55.361mg/m3、4.633%和0.985。本文构建的ISSA-GRU-ARIMA模型具有较高的预测精度，可为猪舍有害气体浓度精准控制提供科学依据。

摘要:随着区块链技术在农产品溯源领域研究的不断发展，农产品的质量安全得到有效保障。由于我国马铃薯种薯生产过程复杂、实物形态差异化明显、每个环节的生产周期长、品种繁多等原因，所有生产环节的溯源数据共享难度大，容易发生种薯品种、等级等窜货问题，种薯生产溯源无法得到切实保障，生产基地及相关监管部门无法得到全部有效溯源数据，当发生窜货问题以及最终消费者进行种薯生产溯源时，责任环节定位不明确，难以准确找到责任生产环节及相关责任人等问题源头。基于上述问题，提出了基于智能合约和数字签名的马铃薯种薯防窜溯源模型，利用区块链技术不可篡改、数据透明、数据共享等特点，通过智能合约进行种薯生产全环节溯源数据的上链存储，实现种薯生产全环节溯源数据的高度共享，并将智能合约与数字签名相结合，利用公私钥对验证和智能合约高度自治的区块链网络生态环境，解决生产过程中易发生的生产窜货问题。基于Hyperledger Fabric设计面向种薯生产基地的防窜溯源模型，相关测试结果表明，该模型可以实现种薯生产溯源、防窜、窜货报警信息上链与查询等功能。种薯生产溯源数据的平均上链时间为2566ms，平均查询时间为95ms，报警触发与报警信息上链的平均时间为2562ms，查询具体报警信息的平均时间为77ms。模型综合性能较高，能够实现种薯生产全环节溯源数据的安全存储，并有效解决种薯的生产窜货问题，满足种薯生产溯源数据的上链与查询需求，完善种薯生产质量溯源保障，为防止种薯生产窜货以提高整体效率和安全溯源方面提供了借鉴和参考。

摘要:传统的破坏性检测方法已难以满足豆类品质快速检测的需求。现有的无损检测设备存在稳定性及准确性不高等问题，为提高豆类品质含量检测装置的性能，基于近红外光谱技术研发了豆类品质无损检测装置，体积小、便于携带，能够适用于现场检测。基于所研发的装置，各取30个黄豆、绿豆、红豆、黑豆样本，通过旋转静态采集多次光谱求平均值与采集1次光谱的方式，对同一样品重复测量20次，得出随着采集次数的增加，光谱反射率变异系数平均值逐渐减小直至平缓，选取最佳豆类采集次数分别为16、8、14、16，对应的光谱变异系数平均值为2.9%、2.435%、2.763%、3.019%。以黄豆为例，选取80个样品，使用不同的预处理方法，分别建立黄豆蛋白质、粗脂肪和淀粉含量的偏最小二乘预测模型，结果表明，蛋白质、粗脂肪、淀粉质量分数预测的最优模型预处理方式分别为SG-MSC、SNV、SNV，其预测集相关系数Rp分别为0.9746、0.9505、0.9607，均方根误差分别为0.249%、0.572%、0.623%。取40个黄豆样本对装置模型进行试验验证，蛋白质、粗脂肪、淀粉质量分数的独立验证相关系数Ri分别为0.9411、0.9439、0.9334，独立验证均方根误差分别为0.465%、0.604%、0.673%，重复测量20次的平均偏差分别为0.409%、0.623%、0.637%，各参数重复测量20次变异系数分别为1.257%、0.896%、0.964%。结果表明，该装置具有良好的预测精度。以Visual Studio 2015为软件开发平台开发了豆类品质含量实时检测软件，实现多粒豆类品质情况“一键式操作”检测。选用阿里云服务器和MySQL数据库，基于TCP/IP网络通信协议，实现检测数据自动上传至数据库。基于若依开发框架设计了便于豆类品质监测的前端网络监控系统，实时显示数据库信息。

摘要:根据基于方位特征(POC)的并联机构拓扑设计理论，设计了两种零耦合度且部分运动解耦的三自由度两平移一转动（2T1R）并联机构，它们具有相同运动副类型和数目，但在支链中的分布顺序不同；对这两种机构进行了方位特征、自由度及耦合度等主要拓扑特征分析，并给出其拓扑解析式；根据拓扑特征运动学建模原理，求解了这两种机构的符号式位置正反解，分别分析了两种机构的工作空间和机构发生奇异的条件及奇异位形；根据基于虚功原理的序单开链法对两种机构进行逆向动力学建模，分别求得两种机构的驱动力；对比两种机构运动学与动力学性能，并给出优选机型。给出了优选机型用于水果深加工中智能分拣、输送等应用场景的概念设计。