水稻机械直播的土壤表层泥浆离散元参数标定

【目的】针对水稻机械直播稻田播前土壤与触土部件的相互作用机理不明确等问题,可利用离散元分析法研究影响水稻精量穴直播质量的因素。由于播前土壤的结构复杂,其表层泥浆与耕层存在一定差异,因此,需分层构建复合土壤模型。为获取精确的水稻机械直播的表层泥浆离散元参数,开展试验研究和仿真分析,并标定表层泥浆的离散元仿真参数。【方法】按照水稻精量穴直播的整地要求处理,并在播种前去田间获取表层泥浆,采用漏斗法进行泥浆堆积角试验,利用数显倾角仪多次测量泥浆堆积角并取平均值。选择EDEM离散元软件中Hertz-Mindlin with JKR接触模型,开展泥浆堆积角仿真试验。以堆积角为响应值,通过Plackett-Burman试验筛选出对堆积角影响显著的3个参数,进一步开展最陡爬坡试验缩小显著性参数的取值范围。采用Box-Behnken试验建立表层泥浆堆积角与筛选的显著性参数的回归模型,并以物理试验测得的泥浆堆积角为目标值,对显著性参数寻优得到最佳参数组合。将最优参数代入仿真软件验证表层泥浆颗粒离散元参数的准确性。【结果】泥浆堆积角物理试验获取表层泥浆堆积角为40.20°。Plackett-Burman试验结果表明,泥浆剪切模量、泥浆-泥浆表面能和泥浆-钢表面能对表层泥浆堆积角有显著性影响,其余试验因素对堆积角的影响均不显著。最陡爬坡试验将显著性参数的最优区间缩小为:泥浆剪切模量1.6~4.6 MPa、泥浆-泥浆表面能0.25~0.35 J/m^(2)、泥浆-钢表面能0.02~0.04 J/m^(2)。通过堆积角回归模型,获取最优解为:泥浆剪切模量1.839 MPa、泥浆-泥浆表面能0.25 J/m^(2)、泥浆-钢表面能0.029 J/m^(2)。将最优参数仿真软件验证的结果为39.10°,与泥浆堆积角物理试验结果的相对误差为2.74%。【结论】基于Hertz-Mindlin with JKR接触模型标定的水稻机械直播的表层泥浆颗粒离散元参数准确可靠,可为构建水稻机械直播稻田土壤的离散元模型提供理论依据。

油茶果分层采摘机构花苞损伤有限元分析及试验

针对目前油茶果采摘机花苞损伤率高的问题,设计了一种油茶果分层采摘机构。利用Adams软件对油茶果与胶辊的接触碰撞进行仿真分析,得到油茶果的临界脱落速度为105mm/s;根据油茶花苞的生长特性,建立花苞与胶辊相互作用的有限元模型,在ANSYS Workbench软件中仿真分析了花苞与胶辊的碰撞过程。研究结果表明:在油茶果临界脱离速度条件下,花苞与胶辊发生碰撞接触后等效应力和等效应变的值随着胶辊速度和胶辊直径的增加而增加,随着胶辊间距的增加先增加后减小,且花苞均未与果柄发生分离;分层采摘机构室内试验结果与仿真结果基本吻合,研究结果可为油茶果采摘装置的设计提供参考。

基于时序高光谱的翠冠梨机械损伤的早期无损检测研究

以翠冠梨表面的机械碰压损伤为研究对象,分别采集良好样本和机械损伤后1~7 d、11 d和14 d的翠冠梨的高光谱图像,并提取其表面损伤区域的光谱信息,光谱范围为500~900 nm。采用中心化方法对采集的光谱进行光谱预处理,分别通过竞争性自适应重加权算法和连续投影算法提取特征波长,利用线性判别式分析结合通过偏最小二乘法确定的最优主成分个数分别建立全谱和特征波长检测模型,识别翠冠梨碰压伤。通过检测结果分析,基于全谱检测模型和选定的特征波长检测模型,其完好果和机械碰压果的识别率均在90%以上,最优可达97.78%,说明选定的特征波长可有效的代表全谱关键信息。研究结果表明,高光谱成像技术可应用于翠冠梨外观品质的检测,为翠冠梨品质高光谱在线检测系统提供理论基础。

基于Faster-RCNN的自然环境下油茶果检测研究

利用Faster-RCNN卷积神经网络模型检测了自然环境中的油茶果图像。首先对3820副油茶果图像进行标注,然后通过VGG16网络提取油茶果的特征,送入RPN层进行分类和校准,最后对油茶果进行分类回归。对100幅含有696个油茶果的图像进行检测验证,检测结果表明:平均识别率为92.39%,准确率为98.92%,召回率为93.32%,F1值为96.04%;平均每幅图像的识别时间为0.21 s,能满足油茶果实时检测的要求。

水稻钵苗移栽机构的设计与试验

【目的】相较于毯状苗移栽,钵苗移栽能够提高水稻的产量和品质。移栽装置作为水稻钵苗移栽机的核心部件,其质量直接决定整机工作性能。结合钵苗移栽的特点,提出了一种新型的曲柄摇杆夹持式水稻钵苗移栽装置,为水稻钵苗移栽机的研制提供设计依据。【方法】设计了取秧机构、横向移箱机构和纵向送秧机构,通过SoildWorks建立了相应的虚拟模型,利用ADAMS软件对取秧机构的运动特性进行了仿真分析。试制了移栽装置样机,以漏拔率和伤秧率为指标进行了取秧性能试验。【结果】在ADAMS中对移栽装置进行运动学仿真,得出秧夹夹持点运动轨迹和位移曲线,且取秧机构在相应位置取放秧时,其左右秧夹夹持点之间距离分别为11.7 mm和0.5 mm。取秧性能试验,观测得到秧苗漏拔率(漏栽率)和伤秧率。随着取秧频率的增加略有增加,取秧频率为50次/min时取秧效果较好,移栽装置的伤秧率和漏拔率分别为2.14%和3.57%。【结论】曲柄摇杆夹持式水稻钵苗移栽装置各机构之间运动平稳,其取秧时伤秧率和漏拔率接近行业标准,基本满足移栽要求,后期将依照试验对机构进一步改进和完善,进而获得较好的移栽效果。

再生稻机收碾压稻茬扶正装置的设计与试验

针对机械收割碾压再生稻导致稻茬损伤倒伏,抑制再生季腋芽萌发和降低产量的问题,设计一种再生稻机收碾压稻茬扶正装置。首先,开展齿爪式扶正器运动分析,构建运动过程速度方程,明确影响扶正性能的关键因素;其次,以装置前进速度、扶正速比和齿爪入茬角度为试验因素,扶正成功率为评价指标,开展全因素台架性能试验。试验结果表明:装置前进速度和齿爪入茬角度均显著影响稻茬扶正成功率,且随着装置前进速度和齿爪入茬角度的增加,碾压稻茬扶正成功率有增大的趋势;影响碾压稻茬扶正成功率的因素主次顺序为齿爪入茬角度、装置前进速度、扶正速比;扶正装置最优运行参数组合为:齿爪入茬角度=70°、装置前进速度=0.75m·s^(-1)、扶正速比=2,扶正成功率可达91.17%;并建立了碾压稻茬扶正成功率的多元线性回归方程,拟合度为0.85,在最优运行参数组合下,理论扶正成功率与实际试验结果基本一致。试验结果可为研制机械收割碾压稻茬扶正装置提供理论及试验依据,对促进再生稻生产全程机械化的发展具有重要现实意义。

水稻机械直播同步悬摆式覆土装置设计与试验

【目的】针对南方水稻机械直播后裸露泥面导致全苗难的问题,研制了一种水稻机械直播同步悬摆式覆土装置。【方法】基于水稻机械穴直播及同步覆土农艺要求,设计了一种悬摆式覆土装置,开展了悬摆覆土的运动分析,构建了其数学模型,确定了悬摆杆长和悬摆装置驱动转速;进而,以覆土板结构(覆土板A、B和C)、前进速度(0.30~1.00 m/s)和土壤含水率(45%、50%、55%)为自变量,覆土厚度和漏覆率为评价指标,全因素台架试验分析研究了悬摆式覆土装置的工作性能;并基于最优参数组合,开展了不同品种机械覆土出苗对照试验。【结果】前进速度、土壤含水率、覆土板结构均显著影响覆土厚度,且覆土板A平均覆土率达86.55%,平均覆土厚度为6.40~6.90 mm,建立了覆土厚度回归方程,拟合度为0.974;当覆土板A在0.5 m/s前进速度、土壤含水率55%条件下,常规稻中嘉早17和杂交稻陵两优722机械覆土处理出苗率比未覆土处理分别提高了37.30%和31.97%,平均增幅为34.64%。【结论】悬摆式覆土装置能实现水稻机械直播同步覆土,满足覆土厚度不超过10 mm的农艺要求,且提高了水稻出苗率。研究可为水稻机械直播同步覆土机具的研制提供关键技术与核心部件。

采用表面增强拉曼光谱技术快速检测脐橙果皮中抑霉唑残留

由于采后处理过程中脐橙保鲜剂抑霉唑易通过果皮渗进果肉中残留,不慎食用后会对人体产生危害。因此,本研究探索一种基于表面增强拉曼光谱技术(Surface-Enhanced Raman Spectroscopy,SERS)的脐橙果皮中抑霉唑残留的快速检测方法。首先对SERS检测条件进行优化,分别确定了最优的检测条件为反应时间2 min,金胶加入量400μL,NaBr作为电解质溶液且加入量为25μL。基于以上最优检测条件,以自适应迭代惩罚最小二乘法(Adaptive Iterative Reweighted Penalized Least Squares,air PLS)、air PLS+归一化、air PLS+基线校正、air PLS+一阶导数、air PLS+标准正态变量(Standard Normal Distribution,SNV)和air PLS+多元散射校正(Multiplicative Scatter Correction,MSC)处理后的6组光谱数据为研究对象,分别采用这6种光谱预处理法建立支持向量回归(Support Vector Regression,SVR)模型并对预测性能进行比较后发现,air PLS方法所建立模型的预测集相关系数(Coefficient of the Determinant for the Prediction Set,RP)最大,预测集均方根误差(Root-Mean-Square Error of Prediction,RMSEP)最小。对光谱数据进行主成分分析(Principal Component Analysis,PCA)特征提取,选择前7个主成分得分作为SVR预测模型的输入值。采用SVR、多元线性回归(Multiple Linear Regression,MLR)和偏最小二乘回归(Partial Least Squares Regression,PLSR)三种建模方法分析比较其对应的预测性能,其中SVR模型的预测集RP可高达0.9156,预测集RMSEP为4.8407 mg/kg,相对标准偏差(Relative Standard Deviation,RPD)为2.3103,表明基于SVR算法对脐橙表面抑霉唑残留的预测值越接近实测值,越能有效提高模型预测准确性。试验结果表明,利用SERS结合PCA及SVR建模,可实现对脐橙果皮中抑霉唑残留的快速检测。