作物根系生长监测微根管装置设计与试验

为实现不同深度下作物根系的实时监测与图像采集,设计开发了作物根系生长监测微根管装置,图像采集后可以通过上位机软件进行实时显示与存储。装置由监测管与控制箱组成,监测管使用亚克力材料制作透明外壳,同时在管内通过丝杠和导杆架设滑动轨道,利用步进电机实现摄像头在导轨上的运动控制;控制箱以STM32单片机为核心控制板,并根据实际需求选取了相应外设模块。以番茄根系为研究对象进行持续98 d的图像采集,借助软件RhizoVision Explore对根系图像进行分析,试验结果表明,前70 d番茄根系整体生长速度较快,后28 d逐渐趋于稳定,在深度6~10 cm处分布较为密集,根长密度在深度10 cm处于第91天达到最大值(1.22 cm/cm^(3)),分析结果与番茄根系生长规律一致,表明本根系生长监测微根管装置能在不影响根系持续生长的情况下完成对作物根系的长期在线监测,满足作物根系监测要求。

基于双目视觉和改进YOLOv8的玉米茎秆宽度原位识别方法

[目的/意义]玉米茎秆宽度是影响玉米抗倒伏能力的重要指标。玉米茎秆宽度测量存在人工采集过程繁琐、设备自动采集识别精度误差较大等问题,研究一种玉米茎秆宽度原位检测与高精度识别方法具有重要应用价值。[方法]采用ZED2i双目相机并将其固定在田间获取实时的玉米茎秆左目和右目图片,对原始图片进行数据增强,使用YOLOv8对玉米茎秆进行识别,再通过多次增加注意力机制(Coordinate Attention,CA)模块,和替换损失函数(Efficient IoU Loss,EIoU)的方法,进一步提高玉米茎秆的识别精度,然后通过对玉米茎秆的三维重建,获取识别框边界点在世界坐标系下的三维数据,通过距离公式计算出茎秆宽度。最后对改进后的YOLOv8模型与YOLOv8原模型、YOLOv7、YOLOv5、Faster RCNN、SSD进行对比,验证模型的识别准确性和识别精度。[结果和讨论]改进后的YOLOv8模型的查准率P、查全率R、平均精确率mAP_(0.5)、平均精确率mAP_(0.5∶0.95)分别达到了96.8%、94.1%、96.6%、77.0%,玉米茎秆宽度原位检测宽度计算的线性回归决定系数R~2,均方根误差RMSE和平均绝对误差MAE分别为0.373、0.265和0.244 cm,可满足实际生产对玉米茎秆宽度测量精度的要求。[结论]本研究提出的基于改进YOLOv8模型的玉米茎秆宽度原位识别方法可以实现对玉米茎秆的原位准确识别,很好地解决了目前人工测量耗时费力和机器视觉识别精度较差的问题,为实际生产应用提供了理论依据。

近红外光谱的玉米种子穗腐病特征提取与判别模型研究

玉米种子穗腐病是危害玉米产量的主要病害之一。利用近红外光谱开展了玉米种子穗腐病判别模型研究。246粒玉米种子由吉林省农业科学院海南育种基地提供,其中96粒玉米种子为穗腐病染病样本,其他150粒玉米种子为同种玉米正常样本。利用MATRIX-Ⅰ型傅里叶近红外光谱仪采集了样本800~2500 nm范围的近红外光谱信息,并对样本近红外光谱数据利用多元散射校正(MSC)进行预处理。结合玉米内部有机物质的近红外光谱的敏感波段和样本近红外光谱吸收峰挑选了4个优选区间,并采用相关系数法(CA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)三种不同原理的特征波长提取算法分别提取了4(1362,1760,2143和2311 nm)、5(1227,1310,1382,1450和1728 nm)和10(1232,1233,1257,1279,1313,1688,1703,1705,2302和2323 nm)个特征波长。以提取得到的特征波长作为玉米种子穗腐病判别模型输入变量,用0-1(染病-正常)表示样本染病状况作为输出真实值建立支持向量机(SVM)模型,使用网格搜索法结合十折交叉验证法对模型参数进行优化。结果表明,CA-SVM,SPA-SVM和CARS-SVM三种判别模型中训练集和测试集建模准确率均在90%以上。该研究成果为玉米种子病害诊断装置提供了模型基础,且针对优选区间进行特征波长选择的方式也可以为建立其他种子病害判别模型提供参考。

玉米种子实时检测分选装置设计与试验

针对我国玉米种子人工分选效率低、错分率高、缺少自动检测分选装置等问题,设计了一种玉米种子实时检测分选装置。该装置由进料单元、检测单元、分选单元和控制系统组成。下位机采用MSP430,与上位机实时通信,并控制分选执行机构,上位机采用Matlab 2014b软件对玉米种子图像进行实时处理,并输出识别结果。为了便于采集玉米种子图像,设计了种子分离机构。根据霉变玉米种子与正常玉米种子表面颜色的差异,设计了一种基于HSV颜色空间划分的玉米种子识别算法,并提出了一种玉米种子排序策略,实现了玉米种子的精确分选。该装置对单幅图像的采集和处理时间约为0.7 s,分选速率最高为680粒/min,霉变玉米种子识别准确率为100%,裝置总体分选准确率不低于94%。该装置实现了从玉米种子进料到分选的全自动化,能够对霉变玉米种子进行实时检测和分选。

基于嵌入式力学传感器的圆锥指数仪设计与试验

为消除在测量过程中因圆锥杆受被测材料摩擦力所产生的测量误差,改进了圆锥指数仪设计,将微型力学传感器嵌入到圆锥杆下端,实现了对土壤和青贮玉米饲料压实度的精确测量。试验结果表明,测量2种土壤压实度过程中,原有圆锥指数测量方法因圆锥杆受摩擦力作用所产生的测量误差可忽略不计。而在青贮玉米饲料压实度测量过程中,2种不同紧实度样本中圆锥杆受摩擦力约占压力传感器测量值32.56%和34.05%,当圆锥头不受阻力时,嵌入式力学传感器测量值为零,而压力传感器测量值约为110 N和280 N,表明原有测量结果存在较大误差。

滚珠丝杠传动的土壤圆锥指数仪设计

设计了一种应用滚珠丝杠传动、直流电动机驱动的恒速(30 mm/s)土壤圆锥指数测量装置。将电动机驱动滚珠丝杠传动方式应用于土壤参数测量装置,具有较高的运行控制精度和机械传动效率。在机电一体化设计方面,研制的专用微控制器既负责协调土壤坚实度信息与纵向行进深度动态信息的实时获取和运行状态监控,又同时与GPS模块和PDA连接。充分利用PDA提供的软硬件资源,可实现农田数据的大容量存储和智能化信息处理。田间试验表明,该仪器具有较高的可靠性和实用性。

青贮饲料紧实度与含水率复合传感器设计与试验

为了同步获取青贮饲料的紧实度和含水率,综合评价青贮饲料品质,本文基于电阻应变效应和频域法设计了一种复合传感器。复合传感器采用一体化结构设计,将电阻应变片和含水率测量电极嵌入圆锥探头内,实现了青贮饲料紧实度和含水率的实时同步测量。对复合传感器进行了标定和验证试验:标定结果表明,青贮饲料紧实度和含水率与复合传感器输出电压均呈线性关系,决定系数分别为0. 99和0. 909。验证试验表明,本文设计的复合传感器不仅可以实时、同步测量青贮饲料紧实度和含水率,还能消除圆锥杆与被测饲料间摩擦力对紧实度测量造成的测量误差。

青贮饲料裹包密度分布的可视化检测方法

青贮饲料裹包密度是衡量青贮饲料质量的重要因素。应用统计理论来分析圆锥指数进而评价青贮饲料裹包密度的方法已很普遍,但其无法充分解释密度分布的位点信息。因此,在传统统计方法的基础上,引入基于地统计理论的可视化属性图来解析青贮饲料裹包密度。试验对由2种不同构造的打捆机填充而成的青贮饲料压实密度进行了测定,结果表明传统统计理论与可视化属性图相结合的方法能为分析青贮饲料裹包密度分布性提供一种更为直观、可靠的方法。

树莓剪枝机器人设计

树莓在我国边疆地区大面积种植,如要有良好的长势,剪枝尤为重要,需要大量的人力。受地理条件限制,边疆地区地广人稀、人力成本高,为降低生产成本,研制树莓剪枝机器人非常必要。为此,针对早春时节树莓需要定植修剪的实际需要,研发了一款树莓剪枝机器人。工作时,以上位机与下位机进行串口通信的控制系统为核心,利用机器视觉技术,对采集到的图像进行实时处理,控制剪枝机器人前进,左右机械臂同时工作,高效地实现对细弱枝、破损枝的识别与剪除。试验表明:树莓剪枝机器人工作时有极大的可靠性与自适应能力,能适应各种复杂环境,可在早春时节实现智能化树莓定植修剪,对过密的细弱枝、破损枝可以齐地剪除。

青贮饲料pH值无线监测装置设计与试验

pH值是评价青贮饲料品质的重要指标之一。设计了青贮饲料pH值无线监测装置,实现了对青贮饲料在发酵过程中pH值变化的同步实时获取。在对仪器进行标定试验后,选用玉米秸秆和青草饲料样本对实际测量结果进行验证,结果表明:饲料pH值测量值与准确值呈严格线性相关关系,玉米秸秆和青草饲料样本,r分别为0.997 3和0.995 7,pH值无线监测装置可准确测量青贮饲料pH值。分别对玉米秸秆和青草饲料青贮发酵过程中pH值的变化过程进行监测,结果表明:对于玉米秸秆,其pH值初始值为5.4,从发酵的第0.5天到第2天pH值从5.4快速下降到4.0,之后pH值下降趋缓,最终稳定于3.8左右;对于青草饲料样本,其pH值初始值为5.9,从发酵的第0.8天到第3天pH值从6.0下降到5.2,发酵7 d后,pH值稳定于5.1。

模糊与PI分段调控肥液EC的优化设计与试验

设施蔬菜生产中对肥液电导率(EC)的精量调控是实现智能灌溉的关键技术之一。肥液混合过程中,由于母液浓度、吸肥方式和灌溉流量等存在差异,试验检测到的EC值会产生滞后和不稳定现象。针对上述问题,本研究设计了一种通过测量频率间接得到肥液电导率的传感器,并以MSP430单片机为主控制器构建了一套水肥调控试验系统。同时,在肥液调控方法方面设计了粗细分段控制策略,控制方法均为以输出相应的占空比来控制吸肥电磁阀的开闭。当实测EC值与目标EC值相差较大时,采用PI控制方法,能够快速缩小差距;而当两者偏差较小时,采用模糊控制可以使混肥EC值逼近设定值。此外,试验利用多管路复合式文丘里,设计了4组不同的EC目标值和4种不同的吸肥管路组合进行吸肥测试。结果表明,EC传感器间接测量到的频率与实际肥液EC值有显著的线性关系,决定系数为0.999 5,保证了测试精度。当目标EC值设定为2 m S/cm时,分段控制情况下实测EC达到稳态的用时为122 s,最大EC值为2.34 m S/cm,优于采用单PI控制的180 s和2.62 m S/cm。且目标EC值越大,稳态EC值越精确,但是稳态时延和过量超调现象更明显。本研究表明分段调控能够较好地克服EC值的过量超调,同时混肥时间和实测EC值能够满足实际需求。

基于二次混合机构的营养液调控模型与PID算法实现

封闭式栽培是解决中国日光温室传统栽培连作障碍问题的有效途径之一。营养液调控过程的性能指标是封闭式栽培模式的关键。该文针对一种具有二次混肥特性的营养液调控过程进行动态分析并建立模型,使用PID控制算法实现了营养液调控,并对影响因素进行对比试验。试验结果表明,系统达到稳定的时间随出液流量的减小或营养液浓度之和的增大呈现减小的趋势;系统震荡持续时间与超调量随出液流量的减小或营养液浓度之和的增大呈现增大的趋势。由试验结果与分析可知,该带有二次混肥的封闭式栽培系统中最优的出液流量与营养液浓度之和分别为6 m3/h与200 g/L,在此状态下进行PID控制参数整定,得到系统在最优条件下稳定时间为100 s、超调量为3%、震荡持续时间为25 s。表明该带有二次混肥的封闭式栽培系统的营养液调控过程能使用PID算法进行调控,能使系统实现稳定、高效的运行。该研究为封闭式栽培的营养液调控提供了参考。

基于LSTM的温室番茄蒸腾量预测模型研究

作物蒸腾量是指导作物灌溉关键参数之一,实时获取作物蒸腾量,实现按需灌溉是节约用水的有效途径。然而,温室内小气候效应显著,作物蒸腾与环境因子间关系较为复杂,且各环境因子之间相互关联并呈非线性变化。本文以番茄作为研究对象,使用称量法测量作物实时蒸腾量,通过布设传感器实时获取温室小气候数据,包括空气温度(Air temperature,AT)、相对湿度(Relative humidity,RH)、光照强度(Light intensity,LI)作为模型的小气候环境输入,冠层相对叶面积指数(Relative leaf area index,RLAI)作为模型的作物生长输入,在此基础上,提出了基于长短期记忆网络(Long short term memory,LSTM)的番茄蒸腾量预测模型。利用该模型对番茄蒸腾量进行预测,并与非线性自回归(Nonlinear autoregressive with exogeneous inputs,NARX)神经网络、Elman神经网络、循环神经网络(Recurrent neural network,RNN)模型进行了对比。试验结果表明,LSTM预测模型决定系数(Determination coefficient,R^(2))与平均绝对误差(Mean absolute error,MAE)分别为0.9925和4.53 g,与NARX神经网络、Elman神经网络、RNN方法进行对比,其决定系数分别提高了8.97%、1.18%和0.82%,其平均绝对误差分别降低了8.16、6.23、0.52 g。本研究所提的预测模型具有较高的预测精度及泛化性能,研究成果可为温室作物需水规律及需水量研究提供参考。

基于CS-CatBoost的温室番茄水分胁迫预测模型

为预测温室番茄水分胁迫程度,利用传感器获取温室内部环境信息,包括空气温度(Ta)、空气相对湿度(Rh)、基质湿度(Hs)、光照强度(Li)、二氧化碳浓度(CO_(2))和基质温度(Ts),通过气象站获取温室外部环境信息,包括风速(Ws)、室外相对湿度(Rho)和室外空气温度(Tao)。根据以上9个参数建立基于布谷鸟搜索优化CatBoost(CS-CatBoost)的温室番茄水分胁迫指数(CWSI)预测模型。通过梯度提升算法计算特征权重并进行筛选,对比不同输入特征数量下CS-CatBoost算法的性能。同时,与原CatBoost模型、CS-LightGBM模型和CS-RF模型进行对比分析。结果表明,当模型的输入参数数量为7时,CS-CatBoost与CatBoost、CS-LightGBM、CS-RF相比,RMSE降低了0.0123、0.0118和0.0311,MAE下降了0.0066、0.0075和0.0208,MAPE下降了0.963、1.1232和3.0892,R^(2)则提高了0.0177、0.0165和0.0767。在模型输入参数数量为其他值时,CS-CatBoost模型的预测能力均优于其他3种模型。该研究证明了CS-CatBoost模型拥有较好的预测能力与泛化能力,可为温室番茄种植的水分胁迫程度分析提供一种新的策略,从而提高农业水资源的利用效率。

基于加权随机森林的番茄氮元素缺乏分级模型研究

基于叶面颜色特征建立番茄氮元素缺乏分级模型判别准确率可达0.8以上。夏季定植的番茄叶片表面会覆盖粘质腺毛,粘质腺毛利于番茄吸收水分和营养元素,相同营养液氮离子浓度下叶片黄化过程异于未覆盖粘质腺毛的叶片。故仅基于叶面颜色特征建立分级模型,其准确率降至0.65。覆盖粘质腺毛番茄其叶片周长和叶面积两个形状特征均小于未覆盖粘质腺毛的番茄叶片,本文将番茄叶片两个形状特征结合原有叶面颜色特征共同作为模型输入,建立新的番茄氮元素缺乏分级模型。搭建图像采集系统,该图像采集单元由树莓派和其相机模块构建,使用WiFi或4G网络完成智能手机、图像采集单元、本地计算机之间无线数据传输。智能手机通过Web界面可远程控制采集图像并将图像传输到云平台存储。本地计算机对图像进行预处理提取叶片形状、颜色特征后输入模型进行预测,并输出预测结果。试验结果表明,图像采集系统春季和夏季平均温度在19.7~28.3℃范围内,光照在1125~9543 lx范围内均可正常使用,采集的图像经预处理分割后降低了环境光线的影响。使用优化后的加权随机森林模型,基于形状特征和颜色特征相结合的叶片氮元素缺乏分级判别准确率可达0.83。

应用土壤圆锥指数仪评估阜新海州矿排土场复垦工程效果

在矿区土地复垦工作中,如何获取合适的土壤特征指标对于提高复垦质量以及复垦效果评估都有着重要的意义。以阜新海州露天矿排土场复垦工程为研究对象,应用新型土壤圆锥指数仪对复垦土壤压实度进行测量,结合GPS信息、GIS技术及统计学方法对数据进行分析,研究土壤圆锥指数方法在评估矿区土壤复垦效果中应用的可行性。通过对排土场覆土复垦区7个地块264个采样点的测量试验,数据分析结果表明,覆土工程5年后,89%以上测量区域的土层厚度达到北方常见农作物生长需求。研究表明,土壤圆锥指数作为评估矿区土地复垦工程一项参数指标具有较强的可行性,但具有一定的片面性,需与其他理化参数相结合,才能更全面地评价矿区复垦效果。

基于频域法的便携式无线土壤水分测量装置设计与试验

针对农田土壤水分测量的实际需要,研制了一种便携式无线土壤水分测量装置。该装置结构一体化设计采用"T"型结构,将土壤水分传感器和信息采集与发送单元融合,可在0~300 mm的不同深度下测量土壤水分,并采用蓝牙传输技术,将测量数据实时发送给Android手机,手机可通过App软件对数据进行分析处理,实现了农田数据的大容量存储和智能化处理。在实验室环境下,使用砂土和壤土2种土样对测量装置进行了标定试验,土壤容积含水率与传感器输出电压服从二次曲线关系,决定系数均达到0.99以上;将测量装置与波兰Easy Test TDR土壤测试仪进行对比试验,二者测量结果呈线性相关关系,决定系数为0.987。试验结果表明该装置可准确测量土壤水分含量。

EM38探测复垦土壤厚度分布的可行性研究

该文采用EM38电磁感应电导率仪测量辽宁省阜新市海州露天矿场复垦区一块面积为5000m2的覆土层的表观电导率,试探性研究表观电导率(ECa)与矿区排土场覆土厚度(TSLT)的相关性。测定结果证实ECa与相同点位剖面挖掘所得的深度数据有很好的负相关性,而两层土壤的电导率差值与上层土壤深度之间存在一定的正相关性。结合地统计克里格插值,得到了该复垦区覆土深度分布的预测趋势图。研究结论指出,基于EM38测量的表观电导率预测矿区复垦区覆土层厚度具有良好的可行性,为废弃矿区复垦质量的客观评估,提供了一种实用、简捷的工程检测手段。

基于基质含水率的作物蒸腾量估算与预测模型研究

作物蒸腾作用是基质水分传输的主要驱动力,建立了基于基质含水率变化量的温室番茄作物蒸腾量估算模型和预测模型,并进行对比分析。使用校准后的EC5基质含水率传感器,记录第1次灌溉后与第2次灌溉前基质实时含水率变化量,使用称量法测量作物实时蒸腾量。通过基质含水率变化量与基质栽培槽体积的多元线性回归运算,建立番茄单株日蒸腾量估算模型;将基质含水率变化量、空气温度、空气湿度和光照强度作为输入,利用GABP神经网络算法,建立番茄单株日蒸腾量预测模型。将试验所得温室作物日蒸腾量估算模型和预测模型分别与温室作物实际日蒸腾量进行线性回归分析,结果表明,基于基质含水率变化量建立的估算模型在苗期、花期的预测精度分别为0.9729、0.9796,预测模型的预测精度分别为0.9915、0.9890,两者之间差异不大,但估算模型运算速度远高于预测模型的运算速度,估算模型对于温室灌溉管理具有推广应用价值。

基于RF-GSO的温室番茄自适应调光系统设计与试验

为满足温室番茄光环境的自适应调控,设计了基于RF-GSO(随机森林-萤火虫)模型的温室番茄自适应调光系统,实现温室中温度、CO2浓度、光照强度的实时采集,同时通过无线传感网络将信息传输到温室番茄自适应调光系统软件平台上,该平台可动态显示实时环境参数,并能实现补光灯远程调控。采用RF-GSO算法对温室内番茄理想光照强度进行动态计算,并将其与传感器实测光照强度间的差值作为调控参数,实现温室内番茄光环境的自适应调控。试验结果表明,系统检测的光照强度与温室调光目标值的决定系数R2为0.955,均方根误差为2.168μmol/(m^2·s),系统丢包率为0.417%,说明基于RF-GSO的温室番茄自适应调光系统运行稳定、可靠。