农业工程类研究生培养模式创新性研究

现有农业工程类研究生培养过程中科研产出率低、科研成果原创性较低等问题频频出现,对我国研究生教育培养质量产生了较大的影响。针对上述问题,以河南科技大学农业工程类研究生为研究对象,引入TRIZ创新理论进行教学改革与创新能力培养模式方面的研究与实践,从研究生选题前瞻性与创新性把握、科研深层次问题挖掘、科研课题研究方案方法创新模型及研究生科研激励创新机制4个方面进行分析与研究,旨在提升研究生科研创新能力,同时也为我国农业工程类研究生培养模式提供新思路。

智慧教育时代下自动控制原理课程教学模式改革与实践

自动控制原理是一门理论性和工程应用性都较强的课程,是农业电气化专业本科生重要的专业基础课,该课程在教学环节过程中起着承上启下的作用,其教学质量的好坏直接关系后续课程的学习效果。在智慧教育时代下,结合《河南省“十四五”教育事业发展规划》和《河南教育现代化2035》,借助新工科和MOOC教学理念和模式,进行教学模式改革与实践探索,提出适合农业电气化专业的教学改革思路。实践证明,新的教学理念和教学模式,可以有效地提高该课程的教学质量,对提高农业电气化专业教学质量和学生专业素质有重要的意义。

基于Vis-NIR光谱的柑橘叶片黄龙病检测及其光谱特性研究

黄龙病作为柑橘类水果最具毁灭性的疾病之一,目前尚无有效的治愈手段,因此疾病预防成为已知的唯一有效方法。基于四种柑橘叶片(健康叶片、黄龙病叶片、铁缺乏叶片及氮缺乏叶片)VIS-NIR的反射光谱详细讨论了黄龙病的辨别方法以及在判别模型中光谱特征值的提取方法。在两类判别分析的特征值提取方法中,判别值(discriminability)运算的引入,为特征值提取提供了一个可靠依据,判别值越大表明光谱差异性越大。以被选特征值建立的Fisher线性判别分析模型,黄龙病与健康、铁缺乏、氮缺乏叶片的分类判别预测准确率分别都超过了90%,分类效果符合预期。最后,又讨论了分类树(classificationTree)在多类判别中的应用。通过对柑橘叶片原始反射谱,一阶导数谱及被选特征值分别建立分类模型,四种柑橘叶片平均预测准确度都超过88%,尤其是基于特征值的分类结果更是超过94%,验证了在多类判别中检测柑橘黄龙病的可行性及特征值提取的重要性。结合传统分类方法(k-NN,Bayesian)的结果分析,特征值作为输入变量的分类结果明显要优于原始光谱,证实了特征值选取的正确性,并为将来基于光谱特征值开发多光谱成像技术检测黄龙病打下坚实的基础。

基于高光谱成像技术应用光谱及纹理特征识别柑橘黄龙病（英文）

讨论了基于高光谱成像技术光谱及纹理特征在识别早期柑橘黄龙病中的应用。使用一套近地高光谱成像系统采集了176枚柑橘叶片的高光谱图像作为实验样品,其中健康叶片60枚,黄龙病叶片60枚,缺锌叶片56枚。手工选取每幅叶片高光谱图像的病斑位置作为样品感兴趣区域（regions of interest,ROI）,计算其平均光谱反射率,并以此作为样品的反射光谱,光谱范围为396～1 010nm。样品光谱分别经过主成分分析（PXA）及连续投影算法（SPA）进行数据降维,再结合最小二乘支持向量机（LS-SVM）分类器建立分类模型。相比原始光谱,由PCA选取的前四个主成分及SPA选取的一组最佳波长组合（630.4,679.4,749.4和899.9 nm）建立的模型拥有更好的分类识别能力,其对三类柑橘叶片平均预测准确率分别为89.7%和87.4%。同时,从被选四个波长的每幅灰度图像中提取6个灰度直方图的纹理特征以及9个灰度共生矩阵的纹理特征再次构建分类模型。经SPA优选的10个纹理特征值进一步提高了分类效果,对三类柑橘叶片的识别正确率达到了100%,93.3%和92.9%。实验结果表明,同时包含光谱信息及空间纹理信息的高光谱图像在柑橘黄龙病的识别中显示了很大的潜力。

双孢菇柔性仿形采摘末端执行器设计与试验

为解决现有夹持式采摘机械手对双孢菇造成的机械损伤高、采摘损失大等问题,基于颗粒阻塞原理设计了一种双孢菇柔性仿形采摘末端执行器。首先根据双孢菇菇盖外形参数设计柔性仿形吸盘的结构,通过预试验分析末端执行器的关键参数;选定了吸盘材料和颗粒填充物的种类,通过有限元仿真验证柔性仿形吸盘的仿形能力和吸附效果,并得到柔性仿形吸盘最优的开口直径。为明确吸附负压、双孢菇直径、柔性膜厚度、颗粒直径等因素对吸附力的影响,对所试制的末端执行器进行了拉脱力试验,结果表明拉脱力与吸附负压、双孢菇直径、颗粒直径均呈线性关系,与柔性膜厚度呈非线性关系。当末端执行器中柔性膜厚度为9 mm、颗粒直径为20目的石英时仿形效果最好,并与标准真空吸盘开展了对比试验,试验结果表明同等吸附力柔性仿形吸盘所需负压更低。针对尺寸范围为25~50 mm的双孢菇进行了采摘试验,柔性仿形吸盘的采摘成功率为98.5%,并对采后双孢菇进行了损伤检测,柔性仿形吸盘的采摘损伤率为2.5%。结果表明,所设计的柔性仿形采摘末端执行器具备适应性强、抓取稳定、损伤率低等优点,能够满足双孢菇自动化采摘需求。

基于改进K-means算法的冬小麦覆盖度提取研究

为快速、精准地提取冬前分蘖期冬小麦覆盖度,提出了一种基于改进K-means算法的冬小麦覆盖度提取方法。首先将冬小麦图像转换到Lab色彩空间,其次利用蜉蝣算法(Mayfly Algorithm, MA)获取K-means最优初始聚类中心,并用马氏距离代替欧氏距离进行算法改进,最后利用分割得到的二值图像计算冬小麦覆盖度。结果显示,该方法的平均分割精度和平均处理时间分别为94.66%和2.03 s,与过绿指数(excess green,EXG)自适应阈值分割和基于粒子群优化算法(particle swarm optimization,PSO)的K-means(PSO-K-means)分割相比,分割精度分别提高了12.04%和4.18%,处理时间分别减少了2.26和2.94 s。该方法分割效果优于EXG和PSO-K-means分割方法,可用于提取冬小麦覆盖度。

基于高光谱成像技术的蓝莓果实成熟度识别研究（英文）

在蓝莓收获期,果实成熟度识别的预先识别对果实收获管理及产量评估具有重要意义。基于遥感的高光谱成像技术,以其包含丰富的光谱及空间信息,在复杂背景对象识别中具有极大的开发潜力。通过采集美国佛罗里达州三种典型南部高丛蓝莓的高光谱图像,研究了基于高光谱图像处理技术在复杂背景中进行蓝莓果实成熟度(成熟、近成熟以及未成熟)识别的数据处理算法。通过支持向量数据描述(SVDD)和K-means聚类算法,构建了蓝莓果实成熟度识别模型,从像素层面和外观层面对蓝莓果实进行混合识别。实验结果表明:对蓝莓成熟果实的识别正确率达到96.1%,近成熟果实识别率为94.7%,青果识别率为91.2%。为了评估算法性能,使用另外两种对象识别算法(KNN和SAM)作为比较,试验表明新提出的算法对复杂背景适应性更好,尤其是对小尺寸对象识别准确率更高。

基于光谱技术的双孢蘑菇新鲜度量化检测技术研究

双孢蘑菇质地柔嫩、营养丰富,具有很好的降血压、降血脂、消炎护肝等多种保健价值,其新鲜度是反映内外部品质的重要指标之一。目前双孢蘑菇新鲜度鉴别大多依据其外观品质变化(褐变),缺乏精准的量化评价指标与方法,因此提出了以贮藏天数为新鲜度检测的量化指标,并利用近红外光谱技术对双孢蘑菇新鲜度进行检测分析。依据存储天数不同,将双孢蘑菇样本分为1~5组,每组40个样本,依次采集每组双孢蘑菇的近红外光谱数据。针对采集的原始光谱数据,首先选用卷积平滑滤波(SG)与多元散射校正(MSC)消除原始光谱噪声、基线平移以及光散射的影响,并选取399.81~999.81 nm的光谱波段作为数据处理范围;然后分别使用主成分分析(PCA)和连续投影算法(SPA)进行光谱降维和特征波长选择,继而建立极限学习机(ELM)分类模型;同时考虑到ELM模型中初始值对分类准确率影响较大,分别选用粒子群优化算法(PSO)、海鸥优化算法(SOA)对ELM中初始权值及阈值进行寻优,形成PSO-ELM,SOA-ELM优化组合分类模型;最后分别将全光谱、提取主成分以及所选的特征波长{556.87,445.51,481.15,885.10,802.25,720.90,861.34,909.79,924.44,873.17 nm}输入到分类模型中,建立不同输入、不同分类模型的双孢菇新鲜度检测模型。最终试验结果表明,当ELM为分类模型,以全光谱、主成分以及特征波长为输入时的预测精度分别为75%,95%,88%;以SPA优选特征波长作为输入的PSO-ELM、SOA-ELM分类模型训练集精度为96.25%,93.25%,预测集精度为92.5%,94%。可知,SPA波长选择算法可以有效降低光谱信息中存在的冗余信息,加快建模效率,同时海鸥优化算法能较好的优化ELM分类模型的初始参数,分类精度较ELM模型提高了6.8%,同时不产生过拟合现象。因此,利用光谱特征可以快速、准确无损的识别双孢蘑菇的新鲜度,研究结果为便携式双孢蘑菇新鲜度快速无损检测设备的开发提供了理论依据。

基于图像处理的烟草分级系统设计与实现

本文以烟叶为研究对象设计了一种小型化烟草分级系统,能够实现烤烟的自动分级。主要由扫描式图像采集设备、树莓派嵌入式系统和触摸屏人机交互界面3个部分,将烟叶放入扫描装置后,压力传感器感应并反馈信息,Raspberry Pi控制图像采集系统采集图像信息。图像采集系统将预处理后的图像信息通过USB数据线传输到Raspberry Pi,图像处理程序对烟叶图像进行多特征分析,基于神经网络分级算法得到烟叶分级结果。LCD显示屏用于显示烟叶分级结果。将农艺师分级完成的烟叶图像数据库导入新开发烟草分级系统进行分级训练测试,系统验证试验表明,分级正确率为88.97%。

基于Faster R-CNN的蓝莓冠层果实检测识别分析

【目的】基于Faster R-CNN模型对不同成熟度蓝莓果实进行精准识别分类,为浆果类果实的自动化采摘、产量预估等提供技术支撑。【方法】选取成熟果、半成熟果、未成熟果剪切图像各4000幅和8000幅背景图像作为训练集,1000幅原始图像用于验证集开展试验,改进Faster R-CNN算法,设计一种对背景干扰、果实遮挡等因素具有良好鲁棒性和准确率的蓝莓果实识别模型,模型通过卷积神经网络(CNN)、区域候选网络(RPN)、感兴趣区域池化(ROI Pooling)和分类网络来实现蓝莓图像背景消除及果实识别并与DPM算法进行对比。【结果】以WOA算法优化的训练参数作为参考,在蓝莓数据集上训练网络模型。在分析P-R曲线后计算F发现,Faster R-CNN算法在成熟果、半成熟果和未成熟果上的F值分别为95.48%、95.59%和94.70%,与DPM算法相比平均高10.00%。在对3类蓝莓果实的识别精度方面,Faster R-CNN同样有着优秀的识别效果。对成熟果、半成熟果和未成熟果的识别准确率分别为97.00%、95.00%和92.00%,平均识别准确率为94.67%,比DPM算法高20.00%左右。该网络模型在高精度的识别效果下,对于蓝莓果实的平均识别速度依然达0.25 s/幅,能满足实时在线识别的需求。【建议】获取多角度、复杂环境下的图像用来提高模型识别率;利用迁移学习建立蓝莓识别模型;数据集样本扩充并分类。

水分胁迫对温室双孢菇动态发育品质及水分利用效率的影响

为研究基质水分胁迫对双孢菇全育期内菇形的动态发育、产菇品质的影响,确定温室双孢菇适宜、高效的施水方案,以"奥吉1号"品种为试验材料,于2020年8月进行双孢菇全育期基质水分胁迫试验。该试验设置正常T1(基质饱和持水率的80%~90%)、轻度水分胁迫T2(基质饱和持水率的70%~80%)、中度水分胁迫T3(基质饱和持水率的60%~70%)、重度水分胁迫T4(基质饱和持水率的50%~60%)4种水分处理方案,出菇期测定双孢菇发育动态、单菇品质、区域产菇品质、产量与水分利用效率(Water Use Efficiency,WUE)。结果表明:1)菇盖与菇柄的形态指标、出菇品质与基质含水量呈正相关,菇高受水分胁迫影响不明显。2)盖厚、茎粗、菇高的发育经历逐渐增长、快速增长和缓慢增长3个阶段。在T4水处理下菇厚、茎粗的最大值比T1水处理减少26.1%、24.9%,出菇时间延迟16.5 h(P<0.05)。随着水分胁迫的加剧,菇柄与菇盖的生长速率峰值逐步提前,迅速增长期延长。3)在T2水处理下,双孢菇WUE和产菇数最高,相比T1水处理提高2.3%和9.2%(P<0.05),出菇产量和优质菇率略低于T1水处理。4)双孢菇结菇前期和后期可进行轻度水分胁迫提高WUE,形成耐旱机制。快速发育期内应保持基质充足含水量,以提高双孢菇品质,加快出菇时间。该研究为双孢菇水分精准管理提供理论依据。

双孢菇工厂化生产环境因子调控系统设计

双孢菇工厂化生产中环境因子是影响双孢菇的生长发育的主要因素。为此,针对双孢菇高效工厂化生产对环境条件的要求,开发了控温、调湿装置,设计了多因素模糊控制策略,实现了环境温湿度、培养料土温湿度的综合调控。试验结果表明:系统正常运行状态下,培养料土温度控制偏差小于0.7℃,温度上升响应速度大于0.4℃/h;环境湿度调控偏差小于3.5%,湿度上升响应速度大于5%/h;喷淋后培养料土各点位均处于最适含水量范围,含水量标准差约为4.04%。所设计环境调控系统整体性能稳定可靠,能够满足双孢菇生长所需环境要求。该系统可为双孢菇工厂化生产环境自动精准调控提供技术支撑。

基于图像分析的双孢菇(白菇)白度测定方法

双孢菇的白度是评价其新鲜度和品质的重要指标。为实现双孢菇白度的准确评价,本文提出一种基于图像分析的双孢菇(白菇)白度测定方法。通过搭建D65标准光源成像系统,构建非线性白度标定模型,实现了图像RGB数值到CIEXYZ三刺激值的转换,采用CIE甘茨白度公式实现白度的准确测定。使用8种灰度等级的色卡结合色度仪对图像系统进行标定,测定不同白度等级的双孢菇。结果表明,图像分析法与色度仪测量结果具有较高的相关性(r=0.99),测量色差ΔEab*<2。对于4组不同白度等级的双孢菇,各组间图像分析结果具有显著差异性(P<0.01)。利用图像分析不同贮藏条件下双孢菇的白度值,发现双孢菇的贮藏时间与白度值之间具有显著相关性,说明图像分析白度值可用于定量评价双孢菇的新鲜度。

自然光下田间冬小麦分蘖数检测方法研究

分蘖数是冬小麦产量评估的重要指标,分蘖性状的高通量获取对小麦育种研究及功能基因组鉴定具有重要意义。针对目前小麦分蘖数检测主要依靠人工普查、费时耗力、可重复性差等问题,提出一种基于机器视觉的抽穗期冬小麦分蘖数快速检测方法。首先,利用超绿算子与RGB色彩空间下恒定颜色分割,结合形态学操作,获得目标前景区域和边界;然后,使用小波变换Haar特征的线特征检测拓展模板,提取完整植株边缘信息;最后,采用Hough直线检测算法,融合直线角度、长度信息,提取冬小麦分蘖个数。基于已开发的机器视觉设备,采集60幅自然光照条件下抽穗期冬小麦田间图像,经检测发现分蘖数平均识别精度达到93.3%,平均误检率为7.0%,平均漏检率为5.2%。结果表明:该算法可实现在自然光照条件下对抽穗期冬小麦田间图像的分蘖数准确识别,可为自动化、高通量田间信息采集系统设备的研发奠定一定的基础。

基于“淹没法”的双孢菇检测及直径测量方法

随着双孢菇种植面积和产量的增长,智能化采摘机器人的需求已迫在眉睫。为了给采摘机器人提供作业目标和参数信息,通过对双孢菇(白菇)深度图像进行处理和分析,实现了目标检测和直径测量。首先,根据双孢菇三维纵深结构特点,开发了“淹没法”双孢菇-菇床基质分割方法,实现了双孢菇的准确检测;然后,通过坐标变换,得到双孢菇菇盖边缘点的世界坐标,利用Hough圆检测实现双孢菇的直径测量。试验结果表明:此方法双孢菇检出率89%以上,漏检率低于11%,错检率低于2.26%,直径测量误差为2.15%~3.15%,单个蘑菇运算耗时约0.26~0.37s,可为双孢菇机械化采收提供在线、实时的信息决策支持,提高了双孢菇采收质量和效率,并有助于提高双孢菇采收机器人的智能化水平。

新农科背景下产学合作协同育人实践研究

在新农科背景下,提高农林人才培养质量,最有效的举措是产教有机融合、校企协同育人。产学合作协同育人模式存在校企沟通不畅、利益不平衡、合作积极性不高、教学方式难以转变和培养效果评价机制不完善等问题。河南科技大学农业装备工程学院与中国一拖集团有限公司通过共同探索,提出了搭建校企协同育人公共信息网络平台,构建了以学校和企业为主的“一链三环”的育人模式和以产学合作为主导的“三全”评价机制的方法。该方法运用到教学实践中,解决了产学合作过程中的问题,培养了具有农林知识和技能的高素质应用型专业人才。

基于光谱的春季育苗移栽期番茄苗健壮度量化检测

为了筛选影响春季育苗移栽期番茄穴盘苗健壮程度的关键指标,并实现其快速无损检测,测定了5项秧苗指标,经向量归一化预处理并采用独立性权系数法确定各指标权重,并根据权重结果挑选出包含信息较全面,影响较大的两个指标:叶绿素和干质量。两项指标所组成的简化秧苗评价值可以近似表示综合评价值,相关系数r为0.92,大大减少了品质检测所需的指标量,并可以很好的表征春季育苗移栽期番茄苗的健壮度。提取了各穴盘苗的可见-近红外光谱数据,经去噪和多元散射矫正(MSC)预处理,消除了由光散射等带来的光谱干扰信息,相较原始光谱信息更具可利用性。随后采用光谱-理化值共生距离(SPXY)算法对样本集进行划分,利用波段值和评价值两种变量同时计算样本间距离,以最大化表征样本分布,提高样本差异性和代表性。采用竞争性自适应重加权算法(CARS)和无信息变量消除连续投影算法(UVE-SPA)优选光谱特征波数,降低光谱数据维度,得到了更能体现光谱特征的简化光谱信息,减少了冗余信息对建立模型精准度和分析速度的影响。最后应用偏最小二乘支持向量机(LS-SVM)和基于U-Net模型改造的卷积神经网络(CNN),以预处理后的光谱数据和提取特征波长后的光谱数据分别作为模型的输入,建立了光谱数据与综合评价值的非线性映射模型,并进行对比选优。结果显示:应用UVE-SPA预处理方法筛选出的波段,光谱信息更加丰富有效;两种预处理后的优选波段所建模型回归效果整体优于全波段建立的模型;CNN模型的建模效果整体优于LS-SVM模型,且UVE-SPA-CNN模型对光谱数据和秧苗评价值的回归分析效果最好,其建模集和预测集的相关系数r分别为0.988和0.946,均方根误差RMSE分别为0.085和0.025,为直接利用光谱数据获取融合了多种因素的番茄秧苗评价值,从而判别秧苗健壮度提供了理论依据。

基于TRIZ创新理论的产教融合协同育人研究

从TRIZ创新理论视角出发,分析了农业机械化专业产教融合协同育人现状。针对学生创新思维和创新能力不足的问题,鼓励学生打破惯性思维,敢于提出问题,利用TRIZ创新理论的关键方法和具体流程,引导和启发学生分析农机实践中遇到的问题,提出具有初步可行性的解决方案,激发学生能动性和创新性,从而提升产教融合协同育人效果,提高人才培养质量。

新工科背景下大数据推动农业工程学科发展的模式探索

随着新工科理念的提出,对于人才的培养需求及各应用型高校的培养模式有了更高的要求,使得农业工程学科在培养人才方面面临的问题更加突出。该文将阐述如何运用大数据来提高农业工程学科的教学质量及生源数量。

“新农科”背景下校企联合共建产业学院协同育人研究

"新农科"建设是高等教育变革的内在需要,是振兴农林类高等教育的重大战略。该文分析了"新农科"背景下校企联合协同育人的重要性及必要性,指出了目前校企联合协同育人存在的若干问题,提出了校企联合共建产业学院、完善校企利益平衡机制、加强产业学院合作内容落实等措施,积极推进校企联合,加快产教融合,助力"新农科"背景下校企联合协同育人机制发展。