利用CARS-BPNN模型的南疆枣园土壤有机质高光谱反演

土壤有机质(SOM)含量是制定枣园土壤施肥方案的主要依据。合理的施肥方案对提升红枣品质、减少农户投入和增加枣园产出有重要意义。利用传统方法获取枣园SOM含量耗费时间和资源,不符合枣园精准施肥管理的需求,土壤有机质高光谱检测是一种有效的替代方法。为筛选南疆枣园SOM的高光谱快速检测模型,采用网格布点法采集158个枣园土壤样品,测定风干土样的室内高光谱数据和SOM含量。分别将400~2400 nm全波段(R)和通过竞争自适应加权算法(CARS)、连续投影算法(SPA)、粒子群优化算法(PSO)三种数据降维算法筛选的数据集与偏最小二乘回归(PLSR)、反向传播神经网络(BPNN)、卷积神经网络(CNN)三种建模方法结合构建12种枣园SOM含量的组合反演模型,通过对比模型的精度评价指标和训练时间,筛选枣园SOM含量最优光谱反演模型。结果表明:(1)CARS、SPA、PSO三种降维算法都能将光谱数据压缩至原来的10%以下,筛选波长数分别由原来的2001个变量降为98、156、102个,降维组合模型的验证集RPD均大于1.50,均能实现对枣园SOM含量的反演,与R组合模型相比,降维组合模型至少能节省30%的时间成本,特别是与BPNN和CNN等构建的组合模型,能节省90%的训练时间,且模型稳定性更强,模型效果更优。(2)CARS数据集构建组合模型的验证集R^(2)均大于0.85,RPD均大于2.50,RPIQ均大于1.60,在三种降维算法中效果最好;PSO数据集的组合模型验证效果略低于CARS数据集,但优于R数据集,R^(2)均大于0.80、RPD均大于2.00;SPA数据集构建组合模型的验证效果要低于R数据集,在三种降维算法中效果最差。(3)BPNN和CNN两种方法的反演模型验证效果均优于PLSR模型,而在模型训练时间和模型验证效果等方面,BPNN模型优于CNN模型,其结合CARS数据集的验证效果最优,R^(2)为0.91、PRD为3.34、RPIQ为3.17、nRMSE%为11.93,训练时间为58.00 s,模型符合快速检测枣园SOM含量的要求。CARS-BPNN模型为反演南疆枣园SOM的最优模型,研究结果能够为南疆枣园土壤养分快速检测与制定施肥方案提供参考。

油松种子园无性系球果性状的变异和空间变化

根据卢氏和黑里河油松种子园结实初期和盛期共６年的球果材料，分析了球果性状在无性系间的变异及其空间变化规律．证实树冠垂直方向以轮层中部球果饱籽数最多，下部饱籽数较少，空籽数和败籽数较多，米籽数随机变异性较大．水平方向以开花期树冠迎风向球果的饱籽数较多，背风向则较少，空籽数和败籽数方向间的变化与饱籽数相反．水平方向的变化比垂直方向要小．卢氏种子园无性系间球果性状存在显著差异，黑里河差异不显著．无性系内分株间变异两个种子园均未达显著水平，多数性状在无性系内的方差分量小于１％．此外。

基于HyperWorks的果园车变速踏板拓扑优化设计

果园车用户在作业过程中,更换挡位非常频繁,对变速踏板的刚度要求高,同时,轻量化的设计要求也非常重要。选用压铸铝合金作为变速踏板的材料,踏板和支架等被合并成一个件。运用UG软件设计三维模型,在HyperWorks环境中对变速踏板做拓扑优化,并重建三维模型,对4种极限工况进行静态受力分析,分析最大应力和位移。最终结果显示,变速踏板应力均小于160 MPa,满足使用条件。