科研产出
基于马利奥特装置的无土栽培营养液管理控制系统研究
《农业机械学报 》 2022 EI 北大核心 CSCD
摘要：营养液配置及灌溉控制技术已成为无土栽培中的关键技术，然而目前营养液管理控制中存在配置流程繁琐、营养液配比不精准及灌溉策略单一等问题，阻碍了无土栽培技术的大面积推广应用。针对上述问题，设计了一种基于马利奥特装置的营养液管理控制系统，该系统主要由营养液配制系统与营养液灌溉控制系统两部分组成。通过EC（电导率）和pH值传感器实时获取营养液成分，建立配液系统，依据不同作物营养需求自动、快速配置目标营养液。根据不同用户的需求，结合作物栽培区的气象参数和应用环境，制定了3种不同的灌溉策略：参比蒸散灌溉模式、光照辐射灌溉模式、定时灌溉模式。实验表明，该系统可以快速、准确地实现营养液的管理控制，为作物的无土栽培技术的大面积推广应用奠定了基础。
关键词： 无土栽培 马利奥特装置 营养液 配液系统 灌溉策略
全文链接
请求原文
基于优化植被指数的多生育期茶叶游离氨基酸含量估算
《农业机械学报 》 2022 EI 北大核心 CSCD
摘要：不同季节的茶叶外形和品质均具有较大差异,针对运用植被指数检测不同季节茶鲜叶游离氨基酸含量存在难度,选取了10个茶树品种3个季节(春茶、夏茶和秋茶)茶鲜叶中游离氨基酸含量数据和高光谱数据进行分析.首先,对原始光谱数据进行5种光谱变换:倒数T1/R对数T1gR、一阶微分TR、倒数的一阶微分T(1/R)和对数的一阶微分T(1gR),并进一步利用不同光谱变换优化了经典植被指数,最终比较了经典植被指数和优化植被指数对不同季节茶鲜叶游离氨基酸模型的影响.结果 表明:茶鲜叶建模集和验证集游离氨基酸含量的变化趋势从大到小均为春茶游离氨基酸含量、秋茶游离氨基酸含量、夏茶游离氨基酸含量;光谱变换优化后的植被指数与茶鲜叶游离氨基酸含量的相关性均高于经典植被指数与茶鲜叶游离氨基酸含量相关性,相关系数绝对值范围为0.10 ~ 0.30;基于TlgR-VI构建的多元线性回归(MLR)模型在不同季节的建模集和验证集中均得到了较好的精度,且适用于多生育时期茶鲜叶氨基酸含量的估测.基于TlgR-VI构建的全生育时期MLR具有较高的精度,建模集决定系数R2和均方根误差(RMSE)分别为0.38和0.72%,验证模型精度R2和RMSE分别为0.20和0.84%.光谱预处理在不同品种、不同生长季的茶鲜叶游离氨基酸检测中具有正效应,优化植被指数为茶叶品质估算提供了有益的技术支持.
关键词： 茶叶;游离氨基酸;光谱变换;优化植被指数;多元线性回归
全文链接
请求原文
基于THz-TDS技术的培氟沙星和氟罗沙星抗生素定性定量检测研究
《光谱学与光谱分析 》 2022 EI 北大核心 CSCD
摘要：作为两种常用的喹诺酮类抗生素,培氟沙星和氟罗沙星残留问题引起人们的高度关注,研发快速、高效的检测手段成为一种需求.采用太赫兹时域光谱(THz-TDS)技术对鱼粉基质中的培氟沙星、氟罗沙星进行了研究.制备培氟沙星、氟罗沙星、聚乙烯和鱼粉纯净物质以及培氟沙星-鱼粉和氟罗沙星-鱼粉17种不同浓度二元混合物的压片样品,共106个;对所有压片样品进行太赫兹光谱测量和分析;利用连续投影算法(SPA)结合支持向量机(SVM)和反向传播神经网络(BPNN)建立定性判别模型,对培氟沙星-鱼粉和氟罗沙星-鱼粉这两种混合物进行分类判别;利用特征频率处吸收系数建立偏最小二乘回归(PLSR)、BPNN、多元线性回归(M L R)定量预测模型,分别对两种混合物进行定量预测.结果表明:纯净培氟沙星在0.775和0.988 T Hz存在明显吸收峰,纯净氟罗沙星在0.919和1.088 T Hz存在明显吸收峰,聚乙烯对太赫兹波基本没有吸收,鱼粉无吸收峰,两种抗生素与鱼粉混合后的峰值出现在纯净抗生素的吸收峰附近;在定性判别中,S V M判别结果最佳,预测集判别准确率、精确率、召回率、F1得分分别为97.06%,97.22%,97.06%和97.06%;定量回归中,SPA-BPNN模型用于预测培氟沙星-鱼粉结果最佳,预测集相关系数(Rp)、预测集均方根误差(RMSEP)分别为0.9849和0.0095,SPA-MLR模型用于预测氟罗沙星-鱼粉结果最佳,Rp和RMSEP分别为0.9827和0.0406.研究表明THz-TDS技术对鱼粉基质中培氟沙星、氟罗沙星进行定性定量检测是可行的,为畜禽行业中培氟沙星和氟罗沙星实际检测提供理论和技术参考.
关键词： 太赫兹时域光谱 培氟沙星 氟罗沙星 定性判别 定量检测
全文链接
请求原文
融合多环境参数的鸡粪氨气排放预测模型研究
《农业机械学报 》 2022 EI 北大核心 CSCD
摘要：NH3是影响舍内肉鸡生长发育的主要有害气体,对其排放量的准确测量与预测有助于建立鸡舍环境调控模型,提升畜禽福利化养殖的水平.生产中,NH3监测多采用电化学传感器,精度差且寿命短,较难直接获取NH3排放量.结合NH3产生和释放的机理过程,选择相对较易获取的CO2排放量(ECO2)和H2O排放量(EH2O)等环境参数建立NH3排放量的预测模型.建立了肉鸡厚垫料养殖模式下,舍内鸡粪气体排放的模拟试验装置,连续多日 向试验装置内投入等量鸡粪以模拟鸡舍每日 粪便生成,监测温度、相对湿度以及CO2、H2O、NH3排放量数据.基于多种机器学习方法和环境参数,构建了 NH3排放量预测模型,并运用特征和排列重要性探究参数重要程度,运用部分依赖图和个体条件期望图探究模型对参数的依赖关系.依据氨气排放预测相关知识,将温度和相对湿度计算为水汽压差(VPD),对比引入VPD后,不同参数组合方式对最优模型的影响.结果表明极限随机树模型预测NH3排放量的效果最好,其R2为0.916 7、均方根误差为0.289 7 mg/(kg·h)、平均绝对百分比误差为10.82%.分析各模型参数,该模型对EH20的依赖性最大,引入VPD对极限随机树的预测能力没有提升.基于温度、相对湿度、EH2O、ECO2建立的极限随机树模型可较好地预测肉鸡垫料饲养工艺下粪便的NH3排放量.
关键词： 鸡粪 氨气 厚垫料饲养 排放速率 机器学习 预测模型
全文链接
请求原文
基于ELM神经网络的果品冷链乙烯监测校准模型与验证
《农业工程学报 》 2022 EI 北大核心 CSCD
摘要：冷链环境监测对于维持易腐果品品质安全至关重要,乙烯是关键监测要素之一.然而,现有果品冷链乙烯监测设备较少考虑与温湿度之间互作作用,影响监测精度和应用效果.该研究提出了一种基于ELM神经网络的乙烯监测校准模型并在多要素监测设备中验证.首先,以乙烯电化学传感器固有电压信号为基础,综合考虑温湿度变化影响,构建ELM神经网络乙烯监测校准模型,实现乙烯监测自适应校准;其次,以乙烯校准模型为核心,集成相关传感器、微控制器等模块,引入LoRa技术,开发果品冷链环境多要素监测设备;最后,以监测设备为载体,进行ELM模型离线测试和实际场景多要素监测性能验证.结果表明,该模型乙烯校准均方根误差达0.30μL/L,平均训练耗时0.0625 s,有效提高了动态环境下乙烯自适应监测性能;同时,该设备在冷链实际多要素环境中温度、相对湿度、乙烯浓度监测均方根误差达0.46℃,1.65%,1.11μL/L,可以满足果品冷链环境多要素监测精度需求.研究成果对于精准控制冷链环境、准确预测果品品质有指导意义.
关键词： 果品;模型;冷链;乙烯监测校准;ELM神经网络;LoRa技术
全文链接
请求原文
电刺激对肉牛行为和生理指标的影响
《农业工程学报 》 2022 EI 北大核心 CSCD
摘要：为研究电刺激对肉牛行为和生理指标的影响,确定约束肉牛放牧边界的作用电压.以内蒙古鄂尔多斯"草原红"肉牛为研究对象,佩戴电击项圈遥控释电作用于肉牛脖颈下部进行电刺激,分别设计466、1723、2050、2865、4204 V等5个梯度电压,利用无线脑电监测系统对肉牛在不同电刺激前后的体温、心率和脑电波进行监测分析;在试验舍内设计虚拟围栏饲养肉牛,运用摄像系统记录试验过程中肉牛活动行为,基于动物行为观察分析软件对肉牛典型行为(转身、停止、停下慢慢转回去、立即停止向后移动、跳跃)进行统计.结果表明,不同电刺激下,肉牛受到电击前后的体温变化不显著(P>0.05);肉牛受到2865和4204 V电刺激时,心率变化具有显著性差异(P<0.05),与电刺激前相比分别提高了26.3%和35.3%,达到104.32、108.83 bpm;脑电信号的β波在466和1723 V电刺激前后的变化较小,自2865 V开始出现剧烈变化.在试验舍内设计区域虚拟围栏,2865 V电刺激时肉牛触发虚拟边界的次数是93次,出现转身、停止、停下慢慢转回去、立即停止向后移动行为分别占被统计行为总数的33.33%、12.02%、9.29%、31.69%,可有效阻止肉牛继续迈出边界.根据肉牛行为和生理指标的变化,作用电压适宜值在2865 V左右,研究结果为进一步精准确定约束肉牛放牧边界的作用电压适宜范围提供科学依据.
全文链接
请求原文
基于转录组分析氯化钙对青圆椒采后机械损伤品质的影响
《食品科学 》 2022 EI 北大核心 CSCD
摘要：为探究氯化钙处理对青圆椒采后机械损伤品质的影响，通过高处坠落的方法模拟青圆椒运输过程中受到的机械损伤，利用1 mmol/L氯化钙溶液浸泡处理，测定贮藏期间青圆椒的硬度、色泽及感官品质，并通过高通量测序技术进行转录组分析。结果表明，1 mmol/L氯化钙处理能延缓青圆椒转红、软化及腐烂。同时本研究确定了与青圆椒果实色泽转变、质地变化和风味香气产生的相关基因，鉴定了参与植物激素信号转导途径的关键酶和转录因子，分析了氯化钙处理对机械损伤青圆椒果实贮藏品质的影响。氯化钙可能通过抑制编码双功能15-顺式八氢番茄红素合酶（bifunctional 15-cis-phytoene synthase,PSY）和辣椒红色素/辣椒红色素合酶（capsanthin/capsorubin synthase,CCS）等基因的上调来抑制类胡萝卜素的合成，通过抑制纤维素合酶A（cellulose synthase A,Ces）、内切-1,3-β-葡萄糖苷酶（endo-1,3-β-glucosidase 4,β-Glu）和内切葡聚糖酶25（endoglucanase 25,EG25）等基因的下调来缓解其软化，并通过影响青圆椒中某些转录因子、植物激素和香气风味相关基因的表达，进而影改善有机械损伤的青圆椒果实的表观品质。结论：氯化钙处理可以有效延缓机械损伤青圆椒果实品质的劣变，延长青圆椒果实的贮藏期。
全文链接
请求原文
对靶喷药系统压力波动特性的试验研究
《农业工程学报 》 2022 EI 北大核心 CSCD
摘要：针对精准对靶喷药系统作业中由于不同数量喷头反复启闭造成管路压力波动严重的问题，该研究开展了对靶喷药系统回流比例对管路压力波动影响的研究。设计了对靶喷药压力波动试验平台，基于AMESim建立对靶喷药压力波动系统仿真模型。设置系统初始压力0.2～0.4 MPa，回流比例为0～0.9，分别关闭1/5～4/5数量的喷头进行了仿真试验。结果表明，关闭喷头的占比越大，管路压力波动越大，当系统初始压力0.2 MPa，回流比为0，关闭4/5数量的喷头，管路压力从0.2 MPa上升至5.15 MPa，波动率达2 400%；系统初始工作压力越大，关闭喷头数量对压力波动影响越大。设置回流管路可有效减小管路压力波动，且回流比越大效果越明显，当系统初始压力0.2 MPa、回流比例为0.6时，部分喷头关闭的压力波动率最大为64.53%。兼顾泵的利用率，回流比例建议小于0.6。系统初始压力0.3 MPa时，回流比例建议小于0.7；系统初始压力0.4 MPa时，回流比例建议小于0.8。根据对靶喷药压力波动容忍度要求，系统初始压力0.2 MPa时，喷施靶标在作业行中的占比量最佳回流比例关系为：靶标占比1/5的最佳回流比例区间为0.5～0.6；靶标占比2/5的最佳回流比例区间为0.5～0.6；靶标占比3/5的最佳回流比例区间为0.2～0.3；靶标占比4/5的最佳回流比例区间为0～0.1。系统初始压力0.3 MPa时，喷施靶标在作业行中的占比与最佳回流比例区间关系为：靶标占比1/5的最佳回流比例区间为0.6～0.7；靶标占比2/5的最佳回流比例区间为0.5～0.6；靶标占比3/5的最佳回流比例区间为0.2～0.4；靶标占比4/5的最佳回流比例区间为0～0.1。初始压力为0.4 MPa时，靶标占比1/5的最佳回流比例区间为0.7～0.8；靶标占比2/5的最佳回流比例区间为0.6～0.7；靶标占比3/5的最佳回流比例区间为0.4～0.5；靶标占比4/5的最佳回流比例区间为0～0.3。研究结果可为农业植保作业对靶变量施药技术应用及工况参数的选择提供依据，为精准对靶施药装置的进一步优化提供支撑。
关键词： 仿真 植保 对靶喷药 压力波动 AMESim 回流比
全文链接
请求原文
基于不确定性分析的遥感分类空间分层及评估方法
《地球信息科学学报 》 2022 EI 北大核心 CSCD
摘要：空间分层是准确度量遥感分类不确定性程度及其空间分布的基础与关键.本文提出了一种基于不确定性分析的遥感分类空间分层及评估方法,首先基于随机森林算法获取像元后验概率,确定分类不确定性度量指标;其次,采用模糊C均值进行空间分层;最后,对分层结果合理性进行定性与定量评估,并与同尺度数据产品精度评价结果及后验概率不确定性分层方法进行对比分析.以北京市顺义区Landsat 8 OLI遥感影像数据为例,研究结果表明:①基于最大概率、模糊混淆指数和概率熵指标将顺义区分为不确定性大、中、小3层,相应的遥感数据层分类精度分别为62.28%、74.96%、79.31%;②分类不确定性空间分层结果与度量指标大小的空间分布基本一致,错分地类图层与不确定性大层的地类空间分布基本一致;③遥感数据和数据产品的各层地类空间特征、层分类精度大小趋势一致,与总体分类精度相比,不确定性大层的层分类精度降低,不确定性小层的层分类精度提高;④与后验概率不确定性分层方法相比,本研究不确定性大层的层分类精度降低1.08%,不确定性中层提高3.58%,不确定性小层提高0.16%,q值由0.19提高到0.24,空间分异性更高.证实了研发的遥感分类不确定性空间分层结果的合理性.研究旨在提出适用于遥感分类的不确定性分层方案,用于优化遥感分类训练样本和精度评价验证样本的空间布设.
关键词： 不确定性 空间分层 度量指标 遥感分类 随机森林 土地利用 模糊C均值 精度评价
全文链接
请求原文
基于Faster R-CNN网络的茶叶嫩芽检测
《农业机械学报 》 2022 EI 北大核心 CSCD
摘要：为有效识别茶叶嫩芽提高机械采摘精度、规划采摘路线以避免伤害茶树,针对传统目标检测算法在复杂背景下检测精度低、鲁棒性差、速度慢等问题,探索了基于Faster R-CNN目标检测算法在复杂背景下茶叶嫩芽检测方面的应用.首先对采集图像分别进行等分裁切、标签制作、数据增强等处理,制作VOC2007数据集;其次在计算机上搭建深度学习环境,调整参数进行网络模型训练;最后对已训练模型进行测试,评价已训练模型的性能,并同时考虑了 FasterR-CNN模型对于嫩芽类型(单芽和一芽一叶/二叶)的检测精度.结果表明,当不区分茶叶嫩芽类型时,平均准确度(AP)为54%,均方根误差(RMSE)为3.32;当区分茶叶嫩芽类型时,单芽和一芽一叶/二叶的AP为22%和75%,RMSE为2.84;另外剔除单芽后,一芽一叶/二叶的AP为76%,RMSE为2.19.通过对比基于颜色特征和阈值分割的茶叶嫩芽识别算法(传统目标检测算法),表明深度学习目标检测算法在检测精度和速度上明显优于传统目标检测算法(RMSE为5.47).可以较好地识别复杂背景下的茶叶嫩芽.
全文链接
请求原文
