基于中红外光谱和化学计量学算法鉴别核桃产地及品种

为探究中红外光谱快速检测核桃产地和品质的可行性,基于中红外光谱分析技术,并将化学计量学的算法应用于中红外光谱判别分析之中,对中国四大核桃主产区的10类主要核桃品种进行检测,取得较好效果。通过提取核桃粉末的光谱透射率,去除原始光谱首尾部分的明显噪声,对保留的700~3 450 cm -1 范围的光谱采用小波分析(wavelet transform, WT)算法进行去噪预处理,并采用无信息变量消除结合连续投影算法(UVE-SPA)提取光谱特征波数,采用主成分分析法(PCA)对光谱定性分析,基于反向传播神经网络(BPNN)、极限学习机(ELM)、随机森林(RF)、径向基函数神经网络(RBFNN)及偏最小二乘判别分析(PLS-DA)对全谱和特征波数建模对比。在4类不同产地核桃判别中,得到12个特征波数: 803, 1 355, 1 418 , 1 541, 1 580, 1 727, 1 747, 1 868, 2338, 2 462, 2 824和3 166 cm -1 ,基于特征波数分类的正确率高于全谱的分类结果, BPNN算法结合特征波数建模得到的识别正确率高达97%, RF算法分类判别效果最差,正确率仅69.70%;在10类不同品种判别中,得到10个特征波数: 903, 1 275, 1 507,1 541, 1 563, 1 671 , 1 868, 2 311, 2 845和3 437 cm -1 ,基于特征波数分类的正确率依然高于全谱的分类结果, BPNN算法结合特征波数建模得到的识别正确率高达83.3%。在特征波数通用性方面,两组特征波数范围中有2个特征波数相同: 1 541和1 868 cm -1 ,其他大多特征波数也都相近,将10类品种特征波数作为输入变量对4类不同产地的核桃进行分类,分类结果较差,因此,在10类品种监督值下选取的特征波数无法适用于4类产地的判别问题,由此推断,即使是同一原始数据,基于不同判别问题得到的特征波数在建模时通用性较差。结果表明,经UVE-SPA算法提取特征波数后,变量数可减少99%以上,有效地简化了模型,减少计算量,提高预测的稳定性;总体上,每个分类器的表现为: BPNN>RBFNN>ELM>PLS-DA>RF;基于小波变换结合特征波数选取和反向传播神经网络算法能有效地实现核桃的产地和品种识别。

植保无人机雾滴沉积效果研究综述

在农业可持续发展进程中,病虫害问题一直是人们关注的焦点。无人机喷雾以其灵活、便捷等特点,在植保领域受到广泛关注,并在病虫害防治上取得新进展。但是,无人机喷雾技术仍存在雾滴飘移、药液流失等问题,且雾滴的沉积效果是无人机喷雾作业中最被关心的问题。本文综述了无人机喷雾雾滴的沉积分布特点,并总结分析了雾滴沉积分布的影响因素,同时列举了目前检测雾滴沉积的方法。研究表明,雾滴沉积效果受飞行参数、自然因素、喷雾雾化设备和喷雾方式等多因素影响,因此在做出采用无人机施药决策时,需要综合考虑多方面的因素,尤其是下旋风场对雾滴沉积的影响。此外,需要进一步研发出新型喷嘴及雾滴沉积检测技术,为提高雾滴沉积效果提供保障。

植保无人机喷施液滴润湿性探究

为研究航空喷施作业时液滴对叶片的润湿性能及其影响因素,通过正交试验和单因素试验分析了叶片位置、喷施液体种类和浓度、助剂浓度、液滴大小和接触瞬间速度等因素对液滴润湿叶片时接触角的影响。结果表明,添加助剂和保证液滴与叶片接触速度至少为1.55 m/s能有效提高叶面肥对叶片的润湿性,液体的种类、浓度和液滴的大小对叶面肥的润湿性有一定影响,而叶片的正反面位置对叶面肥的润湿性影响并不显著。最优组合(喷施叶片反面+高浓度“稼多宝”叶面肥+1%助剂+小液滴)对应的叶面肥润湿叶片的接触角最低可达到8.5°。本研究可为提高农用航空喷施液态肥作业效果提供参考。