基于可见-近红外光谱技术预测茶鲜叶全氮含量

为快速无损监测茶树氮素营养及其生长状况,基于可见-近红外光谱技术建立了茶鲜叶全氮含量的预测模型。以茶鲜叶为对象,田间试验使用便携式光谱仪采集叶片漫反射光谱信息,通过不同预处理和统计分析,建立茶鲜叶全氮含量预测的光谱模型。试验共采集111个样品,其中86个样品作校正集,25个样品作预测集。通过一阶导数与滑动平均滤波相结合的预处理方法,用7个主成分建立的偏最小二乘模型最好,其校正集均方根误差(RMSEC)为0.0973,预测集的相关系数为0.8881,预测均方根误差(RMSEP)为0.1304,预测的平均相对误差为4.339%。研究结果表明,利用可见-近红外光谱技术可以很好地预测茶鲜叶全氮含量,对于快速实时监测茶树长势和施肥管理具有重要指导意义。

基于语义分割网络的植保机器人视觉伺服控制方法

为实现稳定可靠的植保机器人视觉伺服控制,提出了一种基于语义分割网络的作物行特征检测方法。基于语义分割网络ESNet实现农田场景图像像素级带状区域检测,并利用最小二乘算法拟合得到每条行作物线特征;在此基础上通过设计一种主导航线提取算法获取导航路径,并利用卡尔曼滤波对主导航线几何参数进行平滑处理,有效抑制了不平整地面导致的机器人运动颠簸与视觉图像测量噪声引起的导航参数波动。继而构建机器人前轮转向、后轮差速的阿克曼运动学模型;在图像空间坐标下设计纯追踪控制器实现植保机器人的伺服运动控制。大田环境下的现场实验结果为:总体横向偏差为0.092 m,验证了本文方法的有效性。

一维卷积神经网络的手持式可见/近红外柑橘可溶性固形物含量无损检测系统

为实现柑橘可溶性固形物含量(SSC)快速无损检测,基于可见/近红外技术开发了低功耗手持式柑橘可溶性固形物含量无损检测系统。以宽谱LED光源结合特征窄带微型光谱仪为核心,设计了手持式柑橘可溶性固形物含量无损检测终端。开发了基于物联网技术的水果光谱仪云端数据系统,该系统主要包括用户库、设备库、检测数据库和模型库,通过通讯模块与手持式无损检测终端相连接,可以实现光谱采集参数修改、云端数据上传与下载、云模型的调用等功能。利用该检测系统获取的光谱数据,建立一维卷积神经网络(1D-CNN)模型用于预测柑橘的可溶性固形物含量。该网络包含输入层、卷积层、池化层、全连接层和输出层等7层结构。主机采集柑橘的光谱数据并建立1D-CNN柑橘可溶性固形物含量预测模型,并用该模型与多种传统回归方法进行对比。1D-CNN模型的预测相关系数和预测均方根误差分别为0.812,0.488,优于偏最小二乘法(PLS),人工神经网络(ANN)和支持向量机(SVM)。采用基于模型的迁移学习方法,基于主机的1D-CNN模型对从机进行模型传递,研究了从机标准样本数量对模型传递的影响。发现使用少量从机光谱样本即可取得较好的效果,从机预测集均方根误差为0.531。研究结果表明,研发的柑橘SSC云模型的手持式可见近红外无损检测系统具有检测快速、低成本、操作简便等优点,基于该检测系统的1D-CNN网络可以有效提取柑橘光谱的有效特征并进行回归分析。借助迁移学习算法,可以实现1D-CNN模型在不同装置间的有效传递,满足柑橘可溶性固形物含量无损检测的需求。为手持式水果内部品质无损检测系统的开发与应用提供了借鉴和参考。

番茄果实蠕变特性表征的Burger's修正模型

针对经典Burger’s模型在蠕变特性表达中的不足,进行了绿熟期、变色期、红熟前期和红熟中期番茄果实的蠕变试验,并在Burger’s模型和常用指数型与幂函数型修正模型分析的基础上构造提出了4元件6参数修正模型。该模型对不同成熟期蠕变段试验数据拟合的平均决定系数与和方差分别达0.9975～0.9994和0.04047～0.07633,蠕变变形率和弹性度的拟合平均相对误差分别为2.54%～3.04%和2.89%～7.12%,蠕变量预测的平均相对误差为0.29%～0.46%,蠕变速率也与实际更加吻合,其曲线拟合精度、关键指标表达精度和蠕变预测精度大大优于Burger’s模型和常用修正模型。研究表明该模型实现了蠕变行为的更准确表征与预测,从而为果实收获、储运、分选的减损提供了更好的模型依据。

河岸带不同植被下土壤酶特征及其去污效果

通过测定河岸带常见植被类型下的土壤酶活性,比较其去污效果,分析土壤酶活性与TN、TP、NH4+-N、COD等农业面源污染物去除率的相关性。结果表明,不同植被类型表层土壤酶活性存在显著差异(P<0.05),灌草、草本酶活性较大,乔灌草次之,乔草最小,而不同植被河岸带对农业面源污染物的去除率也表现出基本相同的规律,因此对农业面源污染去除效果最好的河岸带植被类型配置应为灌草或草本(芦苇);不同植被深层土壤酶活性基本不存在显著差异。由相关性分析可知,TN、NH4+-N去除率与表层土壤脲酶活性呈显著相关关系,而COD去除率与土壤脲酶的相关性不显著;TP、COD去除率与土壤磷酸酶活性的相关性显著。研究结果为利用土壤酶活性强度作为评价河岸带净化效果的指标提供了理论依据。

茶叶咖啡碱含量近红外光谱定量分析模型优化

为了提高茶叶近红外光谱咖啡碱预测模型的精度,利用净分析物预处理法(NAP)对茶叶近红外光谱进行了预处理,将原始光谱矩阵中待测组分的净分析物信号(NAS)提取出来。并用区间偏最小二乘法(iPLS)与遗传算法(GA)相结合的PLS建模波长筛选方法iPLS-GA建立了咖啡碱的预测模型:首先利用iPLS,将整个光谱划分为40个子区间,选择交互验证均方根误差RMSECV值低于全光谱区间的第26和35子区间的组合为信息区间,共166个波数点,然后用GA对这166个波数点进行全局优化组合,最终共有17个波数点用于建立茶叶咖啡碱模型。结果表明,用NAP和iPLS-GA后所建立的茶叶咖啡碱模型的预测相关系数Rp和预测均方根误差RMSEP分别为0.978 7和0.220。该结果均好于其它模型。建模所用数据量从3 320个减少到17个,使模型的建立得到简化。

基于侧向光电圆弧阵列的温室路沿检测与导航方法

针对现有温室移动机器人沿边导航技术的精度与实时性不足等问题,提出了一种基于光电开关圆弧阵列的沿边导航方法。提出了基于圆弧阵列理想目标带原理的位姿检测与调控方法,并建立了基于光电圆弧阵列信号触发数与触发中心序号双指标的位姿检测模型,按照双指标的不同阈值进行车体位姿状态归类并触发相应调控轨迹程序,进而根据由该双指标数值计算得到的位姿给定各调控轨迹参数,实现实时的沿边导航。试验结果表明,在0.15 m/s速度内,小车的沿边位置与姿态偏差分别保持在-35 mm^+15 mm和-5°^+5°范围内,能够满足实际施药、搬运等作业的行走需求。同时小车的调控周期约为2 m,实现了温室内低调控频度的沿边平顺导航,并且沿下沉路沿行走时,能够适应300 mm长的杂物。该方法为温室环境下的低成本快速沿边导航提供了新的技术思路。

优化茶多酚近红外光谱定量分析模型

茶叶中茶多酚作为茶叶品质检测中常规检测成分之一,目前的常规检测方法的缺点是费时、费力,成本较高,因此本研究利用近红外光谱分析技术对茶叶中茶多酚含量快速无损检测具有很高的实用价值。为了提高近红外光谱茶多酚预测模型的精度,利用小波消噪预处理茶叶近红外光谱,滤去其中的噪声信息。再用区间偏最小二乘法(iPLS)与遗传算法(GA)相结合的PLS波长筛选法iPLS-GA建立茶多酚的预测模型:用iPLS预测前,先将整个光谱划分为40个子区间,选择交互验证均方根误差RMSECV值低于全光谱区间的第25和34子区间的组合为信息区间,共166个波数点,然后用GA全局优化组合这166个波数点,最终共有18个波数点用于建立茶多酚模型。结果表明,用小波消噪和iPLS-GA建立的茶多酚模型的预测相关系数Rc和校正均方根误差RMSEC分别为0.964 8和2.14;预测相关系数Rp和预测均方根误差RMSEP;分别为0.958 7和2.22。均比其它模型好。建模数据量从3 320个减少到18个,使模型得以简化。