摘要:针对黄淮海两熟区麦茬地留茬高、根茬难破碎，玉米免耕播种机种床整理部件易缠绕、拥堵，导致种床不平、播种质量差等问题，本文基于“根茬切割破碎移位”思路设计了切秸破茬种床整理装置，采用同轴上下分布的动定刀组合式根秸切割装置和根茬破碎移位装置，实现地上高留茬根秸切断和根茬破碎移除。基于滑切原理，以对数螺旋线和阿基米德螺旋曲线设计根秸切割动、定刀和根茬破碎移位刀刃口曲线，并通过动力学分析确定根秸切割动、定刀和根茬破碎移位刀结构参数。选取机具前进速度、根茬破碎移位刀入土深度、装置转速为试验因素，以种带清秸率和种带宽变异系数为试验指标设计三因素三水平正交旋转组合试验，建立各因素与指标的回归模型和响应面数学模型。田间试验结果表明，最优参数组合为机具前进速度9km/h、根茬破碎移位刀入土深度70mm、装置转速515r/min，此时种带清秸率为92.59%，种带宽变异系数为7.77%，机具通过性合格，满足黄淮海两熟区玉米免耕播种机作业要求。研究结果为玉米免耕播种机种床整理装置设计与优化提供参考。

摘要:耕深是评价耕作机具作业质量的重要指标，针对人工耕深测量存在误差大、效率低、无法在线监测等问题，本文设计了一种具备通用性的耕深在线测量装置。通过激光测距传感器与九轴姿态传感器协同采集耕作机具动态作业数据，结合高斯滤波与卡尔曼滤波算法实现数据降噪与融合，实时在线计算耕深数据，并通过LoRa数传电台将数据实时回传到操作终端显示并存储，经土槽平台试验验证了方案可行性。试验结果表明，静态测试中，加权融合数据与人工测量数据对比，误差最大值为0.43cm，误差平均值为0.26cm，均方根误差为0.24cm；在预定耕深为8、12、15cm的动态测量中，最大偏差为1.63、1.80、1.18cm，耕深变异系数为6.37%、5.28%和2.68%。研究结果表明，本装置可提高农机试验鉴定效率、精度与信息化程度。

摘要:针对小麦播种过程中因播量增大及高效播种产生的排种频率过高而导致高速种子流监测精度不足的问题，提出了一种将高频率种子流分散为多路低频率种子流并行监测的方法，设计了一种基于分散机制与对射式红外光电传感器相结合的小麦种子流监测装置。通过分析种子流在分散装置中的运动状态，建立了种子流在分散装置内的运动模型，确定了影响分散性能的关键因素。利用离散元法(Discrete element method，EDEM)仿真麦种通过分散装置的动态过程并对参数优化，获得最优参数为上分散板半径52.70mm、上分散板倾角5.41°、下分散板半径64.95mm、下分散板倾角7.48°和两分散板垂直距离13.59mm，而分散均匀性变异系数为21.06%。采用最优参数进行分散性能台架验证试验，结果显示分散均匀性变异系数不大于21.94%，台架与仿真试验结果相比相对误差不超过5%。采用对射式红外光电传感器采集种子掉落信号，经电容滤波、双级放大、半波整流、电压比较及单稳态触发处理，获得8路独立且可供单片机捕捉的脉冲信号，单片机通过中断服务程序对各通道种子计数并累计求和。搭建了高频率小麦播量监测系统及监测精度试验台，试验结果表明，加入补偿后播种量在375kg/hm2内，监测精度不低于95.34%。该监测装置可为条播小麦高效精量播种的播量监测研究提供技术支持。

摘要:针对长江流域麦后夏直播棉花作业时节降雨充沛，黏重土壤水分蒸发易板结，常规单粒播种易存在出苗破土难、出苗率低等问题，结合该区域内棉花精量直播穴粒数可调农艺要求，本文提出一种通过调节双吸种圆盘重叠空间切换不同吸孔组合，实现单粒吸种、单-双-单粒吸种和双粒吸种的穴粒数单双粒可调气吸式排种器。阐述了其结构与工作原理，设计了关键部件参数。基于DEM-CFD耦合方法解析了型孔直径、排种盘转速和吸种负压对排种性能影响规律。以型孔直径、吸种负压和排种盘转速为试验因素，以合格指数、重播指数和漏播指数为评价指标，进行了正交试验，经台架试验验证最优参数为型孔直径3.3mm、吸种负压4.3kPa和排种盘转速30r/min，此时单粒吸种、单-双-单吸种和双粒吸种合格指数、重播指数和漏播指数分别为：94.1%、93.8%和92.4%，5.34%、4.65%和6.01%，0.56%、1.55%和1.59%。在最优参数组合下进行田间试验，结果表明，当作业速度为6km/h时，排种合格指数大于89.3%，漏播指数小于4.42%，重播指数小于6.28%。单粒排种、单-双-单粒排种和双粒排种出苗率和缺苗断垄率分别为78.98%、80.3%和84.66%，19.24%、18.92%和12.08%，双粒及单双交错播种较单粒播种，缺苗断垄率分别降低7.16、0.32个百分点，出苗率分别提高5.68、4.36个百分点，有效提升保苗率，保证了棉花群体建成，利于机械化一播全苗与高产稳产。

摘要:为改善甘蓝等高密度田间作物的机械化病虫害防治效果，解决传统的大田高地隙喷雾机农药用量大、作业效率低及存在的药液浪费等问题，本研究结合大田甘蓝的农艺特性，设计了一套基于视觉传感器识别的高地隙变量施药系统。利用Gemini 335型深度相机实时探测作物靶标，并融合脉宽调制技术（Pulse Width Modulation, PWM）实现农药的精准对靶变量喷洒。提出一种改进YOLO v8n的目标检测模型，通过田间试验测试，其检测精确率可达90.2%，提高1.5个百分点；检测速度提高7.6f/s，模型的检测精度得以改善，可满足甘蓝田间防治精度需求。设计电磁阀占空比的流量开闭测试模型，进行不同占空比测试，不同喷雾压力拟合决定系数R2均大于0.9，相关性显著。对整个系统集成并进行田间试验，变量喷雾模式，对靶变量喷洒的靶心雾滴沉积密度明显高于常量喷雾，平均雾滴密度增量为21.53个/cm2，甘蓝靶心区域覆盖率可达23.8%，且沉积均匀性高，变异系数仅0.4%。相比常量喷雾模式下，甘蓝表面整体覆盖率提升5.2个百分点，能够实现按需对靶变量施药且满足甘蓝的病虫害防治要求，整套系统作业性能稳定。研究结果可为高密度蔬菜等作物的田间管理与病虫害治理提供方法和思路，为高地隙精准施药防治技术植保应用提供参考。

摘要:为适应我国蓝莓种植园相关农艺要求，设计了一种国产自走式蓝莓采收机。通过对蓝莓采摘振动机理分析，建立蓝莓植株振动方程，通过方程“正交变换”“正则变换”分析多激励作用条件下蓝莓植株振动输出响应和蓝莓果实采摘力。依据蓝莓种植农艺得到采收机设计要求，对机器采摘系统、果实收集系统和果实输送系统进行结构设计，利用自行研制的样机进行蓝莓采收试验，利用预采试验和正交试验结果建立机器采收评价指标回归方程，进而可得：机器行走速度、采摘装置液压马达转速和采摘装置指排间距对机器采摘效率和采果质量存在交互影响，机器行走速度与采摘效率成正比，与果实损坏率成反比，采摘装置液压马达转速正比于果实采摘效率和果实采净率，指排间距反比于机器采摘生果率。综合正交试验结果得到机器最佳工作参数为：采收作业行走速度35m/min、采摘系统液压马达转速100r/min、指排间距200mm，以机器最佳工作参数进行人机对比试验，可得：机器采摘生果率为8.4%，采摘果实损坏率为3.8%，果实采净率为90.1%，果实采摘效率为1.37kg/min，为人工采摘效率的10.78倍。

摘要:针对我国甘蓝机械化收获水平低、适应性差、缺少专用收获装备等问题，在测定江浙一带主栽甘蓝品种“青玉”物理参数并结合当地种植模式与机械化收获要求设计配套种植模式的基础上，本文设计了一款基于“立式夹持+柔性输送”形式的双行甘蓝收获机。该机主要由拔取装置、夹持输送装置、切根装置、横向输送装置、收集装置等关键部件组成，采用挠性喂入与柔性夹持协同作业的减损方法，通过张紧机构和柔性夹持机构显著降低机采损伤，有效适应不同球径甘蓝收获，可一次性完成双行甘蓝切根、起拔、夹持输送、装箱收集等作业。为提升作业性能，对各关键装置进行了理论分析与计算并开展田间试验，同时，采用多因素响应面分析法（RSM）进行甘蓝收获机作业参数优化试验，研究了机具行走速度、拔取辊转速、柔性夹持输送带转速和双圆盘割刀转速对采收合格率的影响，结果表明，当行走速度1.0km/h、拔取辊转速110r/min、输送带转速180r/min和割刀转速300r/min时工作效果最优，此时收获机各关键部件工作稳定，收获效果好，采收合格率达93.83%。研究结果为甘蓝生产机械化栽培模式设计提供了数据支撑和理论支持。

摘要:针对当前残膜回收机存在表层拾净率低、脱膜困难等问题，本文对现有的一款残膜捡拾打包机捡拾装置进行改进，设计了凸轮控制伸缩齿式滚筒捡拾装置。阐述了伸缩齿式滚筒捡拾装置整体结构和工作原理，通过对残膜捡拾过程进行受力分析，确定了伸缩齿弯曲角、转速以及排列，分析了凸轮盘轮廓曲线方程，并通过反转法得到实际凸轮轮廓曲线。采用离散元法建立膜土秆多相离散元模型，以滚筒转速、前进速度和作业深度为试验因素，以残膜表层拾净率为试验指标，进行二次回归正交旋转组合试验，分析了各试验因素对残膜表层拾净率的影响规律，确定了捡拾装置最优参数组合为滚筒转速57r/min、前进速度7km/h、作业深度47mm，此时残膜表层拾净率达90.8%。对比田间验证试验结果表明，残膜表层拾净率为87.78%，相对误差为3.33%，且改进后设备表层拾净率提升16.02个百分点，满足作业标准要求。研究结果可为残膜回收机设计提供理论依据，对农田“白色污染”治理具有应用价值。

摘要:为了解决耕层残膜回收机作业回收效果差，膜-茬-土复合体过大导致破碎装置关键零部件分离不彻底等问题，本文设计了耕层残膜回收机破碎装置。提土挡板和破碎辊可一次性破碎膜-茬-土复合体，达到耕层残膜回收机农艺和农机技术要求。通过动力学分析，确定提土挡板抛摔破碎时瞬时速度为35.5m/s和抛摔破碎时用时0.75s。为了优化破碎装置结构参数，利用弓背蚁上颚齿进行仿生破碎辊设计，结合离散元软件Rocky对破碎辊上置辊转速、下置辊转速、上下置辊中心高度差进行三因素三水平二次回归正交试验，得出最优参数组合为上置辊转速425r/min、下置辊转速395r/min、上下置辊中心高度差50mm。台架试验结果表明，耕层残膜回收机物料破碎率为96.6%，含土率仅为6%，与仿真试验值误差小于2%。田间试验结果表明，回收率为95.6%，破碎率为94.4%，验证了仿真理论结果，机具通过性显著提高。研究结果为耕层残膜回收机研发和改进提供了依据。

摘要:针对传统人工推料劳动强度大、作业效率低，难以满足牛只采食需求，饲喂精料易下沉导致营养不均等问题，本文设计一款基于双螺旋结构的牛舍智能推料作业机器人。根据牛舍推料饲喂流程和输送原理，对推料机器人整机结构和控制系统进行了研究；分析了饲料推送运动过程，确定双螺旋推送机构工作结构和主要参数，利用EDEM离散元仿真软件建立推料作业过程颗粒群运动仿真模型；以饲料含水率、双螺旋推送机构转速以及机器人前进速度为试验因素，推送率为评价指标，进行三因素三水平正交试验。仿真结果表明，最优推料参数组合为饲料含水率50%、双螺旋推送机构转速72r/min、机器人前进速度0.3m/s。室内试验结果与仿真试验结果推送率平均相对误差6.11%，表明构建的仿真模型具有较高的可行性。牛舍现场试验结果表明，推料机器人最大饲料推送率为98.15%，避障成功率100%，可在空载条件下连续工作25.5h，实际推料条件下连续工作3~5h，满足牛舍推料需求。研究结果为畜牧养殖智能化推料作业装备研发提供技术参考。

摘要:随着水产养殖业的快速发展，过度投喂导致饵料浪费与水质污染及投喂不足所引发的鱼群生长营养不良等问题愈发凸显，针对圈养模式，提出了一种基于视觉与多种传感器的圈养模式智能精准投喂系统，对RGB图像、深度图像、压强传感器和加速度传感器等多源数据融合实时量化成年鱼摄食强度并实现精准投喂控制。以改进的YOLO v8n-seg模型为核心进行RGB图像分割，将水面波动状态分为强、弱和无3种状态；在水面状态分割区域内采用HSV颜色检测方法对水面鱼饵进行面积检测；通过帧差法分析深度图像连续两帧的深度差异，将水面波动量化为强、弱、无3个等级；利用压强传感器和加速度传感器采集的数据提取关键特征，通过随机森林模型对鱼群摄食状态进行分类弥补单一视觉特征的局限性。通过加权融合策略将5类数据决策模块的结果进行融合并建立实时投喂决策模型。多次实地试验结果表明，投饵系统摄食强度评估精度达到95.45%，投喂误差率仅为1.72%，能够准确识别鱼群摄食强度，有效减少饵料浪费和水体污染，在实际圈养模式环境中具有较好的实用性和实时性。

摘要:鱼类生物量估算是水产养殖精细化管理的核心环节，对精准投喂、资源评估及养殖效益提升至关重要。传统人工估测方法存在效率低、需接触式操作且易损伤鱼体等问题，在高密度网箱、循环水养殖等规模化场景中，这一技术瓶颈愈发明显。近年来，深度学习凭借强大的特征学习与复杂模式解析能力，为鱼类生物量自动化估算提供了突破性方案。本文系统梳理近5年深度学习在该领域研究进展，围绕生物量估算核心技术环节，从鱼体尺寸测量、鱼类计数、鱼体质量估计三大维度展开分析。在此基础上总结了当前深度学习技术在鱼类生物量估算实践中面临的问题并进行展望，旨在为深度学习在鱼类生物量估算中的推广应用提供科学参考，助力水产养殖向数字化、智能化升级。

摘要:通过无人机航拍影像快速提取作物行中心线对农机行间喷药、除草和收获等导航作业任务具有重要意义。本研究以新疆地区大田苗期棉花为研究对象，提出了一种基于截距密度聚类的航拍影像作物行提取方法。首先，对航拍影像应用过绿颜色特征提取算法、最大类间方差算法和影像分割投影法获取作物行特征点集。其次，基于截距密度的聚类算法对特征点集进行作物行聚类分割。最后，采用最小二乘法拟合每垄作物行中心线并投影反算到WGS-84坐标系，为农机GNSS行间导航作业提供路径信息。以RTK-GNSS接收机的高精度实地采样数据为参照，对大规模棉田作物行识别定位方法进行了试验验证。结果表明，分别采用分割间距为15、45、75、105像素的分割投影法提取特征点拟合作物行中心线，横向偏差平均值最大值分别为0.022、0.024、0.025、0.112m，横向偏差标准差最大值分别为0.027、0.028、0.028、0.032m；角度偏差平均值分别为0.004°、0.003°、0.002°、0.005°，角度偏差标准差分别为0.002°、0.001°、0.001°、0.002°；提取中心线耗时分别为348.35、101.93、76.29、63.33s。综合考虑精度和效率，分割间距取75像素为较优选择。该方法适合无人机航拍大规模棉田作物行识别和定位，可为棉花生产智能化田间管理和收获环节行间导航作业提供充分的作业路径信息。

摘要:在高密度区域，树木冠层重叠和遮挡严重，传统方法难以准确识别单棵树木，影响成活率和绿化覆盖率的评估精度，因此，亟需一种高精度和强鲁棒性的检测方法，以提升城市树木成活监测的准确性和效率。提出基于焦距反比变换图通过计算目标点到最近边界的距离，对稠密树木小目标检测方法，采用一种多层次的局部极大值检测策略，能够有效提取树木目标中心点信息，并区分相邻目标，从而降低重叠区域目标检测误差。此外，为了增强模型对局部结构信息的学习能力，引入独立结构性损失。选用一个高分辨率林地遥感数据集，并对稠密小目标树木进行检测与定位分析。为了验证本文方法的有效性，与多种现有深度学习方法进行对比分析，评估不同方法在精确率、召回率、定位误差等方面表现。试验结果表明，本文方法在城市林地遥感数据集上展现了较高的定位和计数性能。在计数任务中，本文方法平均绝对误差（MAE）和均方误差（MSE）分别为7.87和10.23，相较于现有方法CSRNET分别降低45.1%和48.3%；在定位任务中，本文方法在Claremont、Long_beach、Palm_springs和Riverside 4个区域的F1值分别达到75.2%、72.7%、74.8%和71.5%，较现有基于密度图法至少提升19个百分点，同时在精确率和召回率等指标上也实现了全面超越。研究结果为林业资源管理、生态监测和环境保护提供了一种高效、可靠的技术手段。

摘要:针对复杂果园环境行间导航树干检测问题，提出一种基于多线激光雷达（Light detection and ranging，LiDAR）的主干形果树树干层级检测方法，使用16线VLP-16型LiDAR采集车辆周围的果园点云数据，通过目标分割和树干检测2个步骤层次化检测树干，去除非树干目标，提高树干检测精度。首先，设置环形感兴趣区域（Region of interest，ROI），采用地面拟合算法移除地面点云，消除果园目标点云之间的连通性；其次，设置矩形ROI，采用基于密度的带噪声空间聚类（Density-based spatial clustering of applications with noise，DBSCAN）算法对非地面点云进行xOy平面聚类，根据LiDAR测量分辨率和果园目标参数设置DBSCAN算法超参数，将非地面点云分割为若干目标簇；然后，从全局和局部2个尺度提取目标簇的几何和强度特征，用这些特征描述树干与其他果园目标间的差异；最后，采用训练好的树干检测器融合特征，将目标簇划分为树干与非树干2个类别，输出树干簇。树干检测步骤采用随机森林（Random forest，RF）算法进行离线特征选择与融合，使用树干和非树干训练样本，基于基尼指数（Gini index，GI）改变量评价特征重要性，从初始特征中选择22个鉴别力较强的特征，再融合这些特征生成树干检测器。实验场景为标准化种植核桃园，共采集1317帧点云数据，从中分割12213个目标簇，其中，树冠、杂草、支撑杆、围栏、土坡、农具、行人等非树干目标占比58.04%。按照帧比例1∶4将目标簇随机划分为训练集和测试集，测试集树干检测精确率为99.16%、召回率为99.21%、F1分数为99.19%，树干层级检测平均帧耗时85.25ms。本文方法能对复杂果园场景快速、精准地检测出树干，满足果园行间导航对树干检测的准确性和实时性要求。

摘要:为了能在复杂环境下提高香梨目标检测准确性，本研究提出了一种基于Transformer-CNN特征深度融合的TC-ICSA-YOLO v8香梨目标检测模型。模型有效融合了卷积神经网络CNN在提取图像局部（高频）特征信息和Transformer在提取图像全局（低频）特征信息的优势，设计了Inception dilated卷积模块和自适应细节融合模块ADI，引入挤压增强轴向注意力机制SeaAttention和坐标注意力机制CA等提升模型的特征提取能力，采用傅里叶变换FT进行数据增强，使用频率斜坡结构以更好地平衡局部（高频）特征信息和全局（低频）特征信息成分，从而优化网络在特征提取过程的性能表现。试验结果表明，TC-ICSA-YOLO v8模型在验证集上的平均精度均值（mAP）、精确率、召回率和检测速度分别达到97.01%、97.33%、95.69%和81.21f/s。本文模型对夜间拍摄的图像目标检测精度也优于同等条件的YOLO v8s模型；其平均精度均值（mAP）与Faster R-CNN、YOLO v3、YOLO v7s、YOLO v8s、SwinTransformer、RT-DETR模型对比分别提高14.65、3.34、0.52、0.20、6.68、5.45个百分点；模型内存占用量分别减少74.60、34.16、9.48、16.81、20.84、13.64MB，本文模型检测精度更高，参数量更少,更有利于部署在移动端。本文提出的检测模型对香梨具有很好的目标检测效果，为复杂环境下目标检测提供参考，可为香梨自动化采摘提供技术支撑。

摘要:植被覆盖度是反映地表植被分布的重要参数，遥感影像中非植被背景的剔除对于基于遥感影像的早期作物产量预测、长势监测等具有重要意义。本文利用无人机遥感系统获取冬小麦返青期、拔节期、抽穗期、灌浆期NDVI（Normalized difference vegetation index）影像及拔节期、抽穗期、灌浆期与返青期冬小麦NDVI差值影像，基于最大类间方差法（Otsu）对各生育期冬小麦植被及非植被NDVI进行分割（NDVI-OTSU植被提取方法），并基于Otsu对冬小麦各生育期NDVI差值影像进行初步分割，进行掩膜等提取后利用Otsu进行再分割，进而实现对各生育期冬小麦植被及非植被NDVI的分割（NDVID-OTSU植被提取方法）。对比2种方法提取作物植被效果，结果表明：对于NDVI-OTSU植被提取方法，作物植被各生育期提取误差为16.68%、7.24%、7.40%、10.79%，各生育期提取精度由高到低为拔节期、抽穗期、灌浆期、返青期。NDVID-OTSU植被提取方法各生育期提取误差分别为6.44%、3.53%、1.36%、4.15%，精度均高于基于NDVI-OTSU的植被提取方法，各生育期植被提取精度由高到低依次为抽穗期、拔节期、灌浆期、返青期。非植被背景剔除后，各生育期NDVI与冬小麦产量相关性进一步提高，其中返青期提升幅度最大。在低植被覆盖度时，植被覆盖度与NDVI及冬小麦产量相关性较好，在高植被覆盖度时，相关性变差，出现严重饱和现象。基于NDVID-OTSU的作物植被提取为作物早期长势监测等提供了一种快速、有效的方法。

摘要:针对人工检测苹果病害效率低、成本高且准确性差的问题，本文以Swin Transformer作为基础模型，在核心模块中引入DenseNet思想，增强特征传递和梯度流动；使用Outlook Attention捕捉图像中细节特征，提升模型细粒度信息提取能力。为了进一步优化模型性能，引入了深度可分离卷积和膨胀卷积，实现在较小参数量前提下捕捉不同尺度的特征；在模型中引入Non-Local，以整合全局上下文信息，进一步提高模型的综合性能。以上改进共同作用，使得本文模型在多个任务上表现出了优异的性能和鲁棒性。实验结果显示，苹果叶部病害分类识别准确率达到95.8%，精确率、召回率和F1分数分别达到95.80%、95.74%、95.76%，均超过基线模型。基于改进Swin Transformer的苹果叶部病害分类模型能够有效实现苹果叶部病害的种类识别及其严重程度分类，为大规模作物病害监测提供了理论支持和研究基础，助力精准防控与绿色农业。

摘要:番茄的成熟度与其品质密切相关，是生产中采摘和分拣等环节的重要依据。针对作物成熟度分级检测系统功能简单，人工升级系统成本较大的问题，本文以番茄为例，采集并构建自然场景下番茄图像数据集，设计以番茄果实成熟度分级算法为基础的番茄图像半自动标注算法对采集后的数据进行标注，在YOLO v8模型基础上，将FPN结构替换为BiFPN结构实现更高效的多尺度特征融合，利用SE注意力机制对空间和通道进行融合特征提取，引入Focal SIoU损失函数对预测框与真实框之间的角度差异进行度量，构建基于颜色特征量化和改进YOLO v8的番茄成熟度分级检测模型YOLO v8_BFS，识别番茄生长过程的5个不同成熟度。试验结果表明，本文模型较好地解决了自然复杂场景下番茄成熟度分级检测的错漏检问题，在模型浮点运算量（FLOPs）、参数量（Params）和内存占用量有少量增加的条件下，本文模型的平均精度均值为94.10%，相较原模型YOLO v8提高3.0个百分点。通过与Faster R-CNN-Resnet50、YOLO v5、YOLO v7-tiny、YOLO v8、YOLO v10和YOLO 11目标检测模型对比，本文在检测精度具有显著优势，为番茄成熟度的检测提供了一种可靠的方法。

摘要:为实现复杂环境下黄瓜霜霉病快速定位和精准检测，针对黄瓜霜霉病小样本及小目标问题，基于YOLO v8n提出一种黄瓜霜霉病检测改进模型SGD-YOLO（SimAM Guide-Fusion Dysample-YOLO）。以黄瓜霜霉病叶片为研究对象，通过将显著性检测FT算法引导CutMix方法进行数据增强，结合迁移学习的训练方式，缓解样本数量少带来的过拟合影响。SGD-YOLO在YOLO v8n的基础上引入无参的轻量级模块SimAM（A simple, parameter-free attention module），加强重要特征传播，提高网络整体性能；并采用轻量动态上采样器DySample增强上采样行为，提升病害小目标检测效果；采用CGFM模块（Context guide fusion module）代替Concat模块，通过基于坐标注意力机制（Coordinate attention）实现更精准的多尺度特征融合，优化病害区域的特征提取；损失函数替换为WIoUv3，提供梯度增益分配策略，提高模型泛化性能。结果表明，在增强后的数据集上检测精确率较原数据集提高12.0个百分点，进行迁移学习后检测精确率进一步提高5.3个百分点；改进SGD-YOLO检测精确率为84.6%，平均精度均值（mAP50）达到93.9%，相较于原模型分别提高7.4、9.5个百分点。研究结果对于小样本情况下蔬菜病害检测方法具有较好借鉴作用。

摘要:为实现在自然环境下对车前草病虫害的快速准确检测，构建车前草虫害、车前草白粉病、车前草叶斑病和车前草花叶病4种常见病虫害的2290幅图像数据集，并提出一种基于YOLO v8n-Plantago的车前草病虫害检测方法。利用轻量化模型MobileNetV3替换原模型的Backbone，实现网络保持轻量化的同时提高模型响应速度；在模型的Neck部分使用VoV-GSCSP模块，替换第15、18、21层的C2f模块，以更高效地处理特征图并保留更多特征信息；在Head中引入RepVGG模块，加快模型的推理速度、减少模型内存占用量，进一步提高模型的准确率，实现对车前草病虫害快速、准确识别。在自建的车前草病虫害数据集上进行验证，结果显示，YOLO v8n-Plantago在车前草病虫害检测中的mAP@0.5达89.43%，相比于YOLO v8n模型提升2.04个百分点，并且浮点运算量下降61.43%，模型内存占用量下降3.53%，参数量下降7.31%。将模型部署到边缘端设备上，推理速度提升33.26%，后处理速度提升8.08%。改进的YOLO v8n-Plantago模型有效地实现了车前草病虫害检测，为研制车前草病虫害自动识别与精准喷药装置奠定了基础。

摘要:桑叶病害导致桑叶质量下降、产量减少，进而影响蚕茧品质，制约桑蚕产业优质发展。目前，桑树种植存在病害识别智能化水平低、防治滞后等问题，且桑叶病斑特征复杂，细小病斑特征提取难度大。本文提出一种结合曼哈顿距离注意力增强与门控双分支结构的桑叶多病害复合识别算法YOLO v10s-MAD，对YOLO v10的骨干网络进行桑叶病虫害图像适配性优化，通过引入具有动态大核选择机制的网络结构（Large selective kernel network，LSKNet），增强对多尺度病斑特征捕捉能力，并减少冗余计算；同时，提出一个新的颈部网络MAD-Neck，通过引入基于曼哈顿距离的自注意力机制（Manhattan distance-based self-attention mechanism，MaSA），并结合Transformer架构的多尺度动态大核门控双分支模块（Multi-scale gated dual-branch module，MGDB），更好地对多种病害的细节特征识别；增加归一化沃瑟距离（Normalized Wasserstein distance，NWD）损失函数增强模型对小目标检测中的微小位置偏差的鲁棒性。不同模型性能试验结果表明，改进算法模型相较于原模型，mAP50和mAP50:95分别提升2.2、3.0个百分点，达到92.2%和76.8%，满足对桑叶病害进行目标检测的要求。

摘要:禽蛋是我国农业农村经济支柱产业之一，饲料强化鸡蛋品质快速无损检测对产业发展意义重大。本研究基于可见-近红外光谱技术，探究虾青素(ASTA)和超氧化物歧化酶(SOD)饲料强化鸡蛋的特异性光谱特征，并构建鉴别和品质预测模型。首先，采集ASTA/SOD饲喂鸡蛋与普通鸡蛋在波段500~950nm范围内的透射光谱，并通过理化测定验证其品质差异，结果表明：ASTA组可显著提高鸡蛋蛋白质含量、蛋黄颜色(P<0.05)；在饲喂前期，SOD组可显著提高鸡蛋脂肪含量(P<0.05)，ASTA组和SOD组均能显著降低鸡蛋含水率(P<0.05)。根据透射光谱探究饲喂鸡蛋的特异性光谱特征，通过不同预处理方法结合竞争性自适应重加权(CARS)算法、连续投影法(SPA)及非信息变量剔除(UVE)3种特征选择算法构建了支持向量机(SVM)鉴别模型和偏最小二乘回归(PLSR)模型。结果表明，ASTA/SOD饲喂鸡蛋最优鉴别模型为SG-CARS-SVM，测试集识别率为95.33%。对于ASTA/SOD饲喂鸡蛋蛋白质含量、含水率和脂肪含量这3类关键品质指标,ASTA组最优预测模型分别为FD-CARS-PLSR、Auto-CARS-PLSR和SNV-CARS-PLSR，对应的测试集R2p分别为0.933、0.937和0.889，RMSEP分别为0.250%、0.209%和0.196%；而在SOD组中，最优模型分别为FD-CARS-PLSR、MSC-CARS-PLSR和FD-CARS-PLSR，其测试集R2p分别为0.929、0.824和0.817，RMSEP分别为0.239%、0.310%和0.273%。本研究建立的光谱模型可实现对ASTA/SOD饲喂鸡蛋无损鉴别及品质快速预测，为鸡蛋品质监测与高质量养殖提供支持。

摘要:针对现有接触式奶牛发情检测装置成本高，易造成奶牛应激反应，部分基于深度学习的检测方法存在复杂环境影响下识别精度不高、模型复杂度高及部署困难等问题，基于YOLO v8n模型提出了DCT-YOLO的轻量化奶牛爬跨行为与发情奶牛检测模型。首先，骨干部分的特征提取与下采样采用YOLO v7的MPConv(MaxPool-Conv)模块，提升模型对远景小目标奶牛爬跨行为的识别能力；其次，在检测头部分采用动态任务对齐检测头(Task align dynamic detection head, TADDH)，融合爬跨行为与发情奶牛间的特征关联，达到通过爬跨行为这一显著特征增强网络对发情奶牛个体关注度的目的；上采样部分采用内容感知重组模块(Content-aware reassembly of features, CARAFE)，通过跨维度交互进行发情奶牛特征增强。为了验证模型性能，标注了2239幅图像用于模型训练与测试。试验结果表明，DCT-YOLO模型精确率为94.8%，召回率为80.1%，平均精度均值(mAP@0.5)为87.5%，浮点计算量为8.5×109，参数量为2.08×106，检测速度为256.41f/s。与SSD、Faster R-CNN、YOLO v5n、YOLO v5s、YOLO v7-tiny、YOLO v8n和YOLO v8s目标检测模型相比，参数量分别降低91.19%、98.48%、16.93%、77.18%、65.41%、30.82%和81.31%，检测速度分别提高192.72、226.56、34.19、97.68、187.92、39.02、126.54f/s，平均精度均值(mAP@0.5)仅比YOLO v8s低1.9个百分点，比其他模型的最高值高0.2个百分点，结果表明，模型取得了检测精度与速度的良好平衡。综上，本研究可为奶牛爬跨行为识别与发情奶牛定位等任务提供关键信息支撑。

摘要:在规模化绵羊养殖场中，畜禽的行为特征能够有效反映其健康状况及环境适应能力。针对传统舍饲羊只行为识别方法在羊群密度变化条件下存在的监测效率低、识别精度不足等问题，提出了一种基于改进YOLO 11n模型的舍饲羊只行为识别方法。在羊圈斜上方安装2D摄像机，采集羊群的视频数据，并构建包含站立、进食、饮水和休息4种行为的舍饲羊行为数据集。在YOLO 11n模型基础上，结合CARAFE（Content-aware reassembly of features）上采样结构，并引入高效多尺度注意力机制EMA（Efficient multi-scale attention）与动态检测头DyHead（Dynamic feature learning for head detection）构成YOLO-CFED模型，提升羊只行为检测的特征提取与识别能力。结果表明，相较原YOLO 11n模型，改进YOLO-CFED模型在自建数据集上的性能提升显著：识别精确率（Precision）为95.6%（提升1.2个百分点）、召回率（Recall）为93%（提升0.4个百分点）、mAP@0.5为94%（提升0.3个百分点）、mAP@0.5:0.95为82.4%（提升1.3个百分点）、F1值为93.4%（提升0.9个百分点）。该方法能够有效识别羊只4种主要行为，为实现羊只行为智能化监测与健康管理提供了有力技术支持。

摘要:湖羊的行为识别有助于其集约化和智能化养殖。在高密度饲养条件下，羊只间相互遮挡严重，导致现有行为识别方法易发生漏检与误检。为此，提出了一种高低频信息聚合的湖羊行为识别模型（HLNC-YOLO），用于识别密集养殖场景下的湖羊行为。采集养殖场湖羊站立、躺卧、进食和饮水4种典型行为图像，构建湖羊行为识别数据集HSBD（Hu sheep behavior dataset）。在YOLO v8主干网络中融入高低频信息聚合的C2F-HLAtt模块以感知被遮挡目标，引入辅助判断分支保留更多有效特征，采用基于定位框综合分数的负样本综合损失（Comprehensive score regression loss，CSLosss）降低次优框分数，提升被遮挡目标框的综合分数。在模型推理阶段使用综合分数衰减后处理算法（Soft comprehensive score non-maximal suppression，Soft-CS-NMS）筛选预测框。在HSBD数据集上进行测试，HLNC-YOLO的平均精度均值（mAP@50）为87.8%，内存占用量为17.4MB。较YOLO v8、YOLO v9、YOLO v10和Faster R-CNN平均精度均值分别提高7.1、2.2、4.6、11个百分点。研究表明，HLNC-YOLO实现了密集养殖湖羊行为的准确识别，具有泛化能力，可为智慧养殖提供技术支持。

摘要:作物播期差异遥感识别可为精准农业和智慧农业提供空间数据支撑，对推动农业生产从“经验驱动”向“数据驱动”转型具有重要价值。本研究融合双阈值决策与深度学习算法，基于Landsat 8/9 OLI影像数据和野外采样数据，提取作物NDVI时序特征曲线，揭示作物出苗至生长旺盛期（4月25日—7月30日）的动态特征，识别作物早晚播差异的敏感生育阶段。计算敏感生育阶段作物整体生长斜率和相邻时相NDVI差值。生长斜率大于样本平均值且NDVI差值大于样本平均值时判定为早播样本，否则为晚播样本。采用随机森林（RF）、人工神经网络（NNC）机器学习模型和卷积神经网络（CNN）、长短期记忆网络（LSTM）深度学习模型对作物播期差异进行遥感识别。结果表明，作物早晚播敏感生育阶段内早播作物NDVI均值普遍比晚播作物高0.1~0.3，且早播作物生长进程显著提前，玉米快速生长期提前7~13d，葵花提前10~16d，西葫芦生长高峰期提前12~24d，番茄提前5~20d，瓜类提前18~35d。作物分类结果表明RF与CNN模型表现较优，其总体分类精度分别达91.77%和90.66%，Kappa系数分别为0.91和0.90，均能有效区分玉米、葵花、西葫芦、瓜类和番茄这5类作物的早播与晚播情况。经过对各模型分类结果的细节对比，CNN分类图像更连续且破碎度更低，在田埂识别与地块边界区分上优于其他模型，选取CNN模型为最优分类模型。

摘要:作物冠层水分状态监测对优化灌溉策略具有重要意义。本研究应用无人机低空遥感技术实现冬马铃薯冠层等效水厚度（Canopy equivalent water thickness, CEWT）反演，通过田间试验，采用无人机搭载多光谱相机获取不同灌水处理下各生育期冬马铃薯遥感影像，并同时测定3种水分指标：叶片含水率（Leaf water content, LWC）、叶片等效水厚度（Leaf equivalent water thickness, LEWT）和CEWT。对多光谱遥感影像剔除土壤背景，获取平均反射率（Average spectral reflectance, ASR）、植被指数（Vegetation indices, VIs）和纹理信息（Textures），基于相关系数分析降低自变量共线性构建数据集，结合偏最小二乘回归（Partial least squares regression, PLSR）、随机森林（Random forest, RF）和极限学习机（Extreme learning machine, ELM）构建定量反演模型，并获得试验区冬马铃薯CEWT空间分布信息。结果表明，冬马铃薯冠层水分指标随灌溉量增加呈上升趋势，各生育阶段ASR随着波长增加呈现先降低后上升特征。相对于LWC和LEWT，CEWT与ASR、VIs、Textures的相关性更优。基于ASR+VIs+Textures的RF模型表现最佳，预测能力较强，校正集、预测集决定系数分别为0.875和0.771，均方根误差分别为0.062、0.065mm，RPD为2.055。研究表明多变量融合可显著提高冬马铃薯CEWT反演准确性，为冬马铃薯冠层水分状态评估提供了参考。

摘要:生物炭可防治微咸水灌溉下土壤结构劣化风险，但其微观、介观尺度上的作用机理尚不完全明晰。本研究选取江苏省典型滨海盐渍土，设置4种生物炭施用处理（0、10、20、30t/hm2），开展了不同电导率（EC，0.5、1、3、5dS/m）和钠吸附比（SAR，0、15、30、∞（mol/L）1/2）的16组微咸水入渗试验。结果表明：随生物炭施用，土壤pH值和有机碳含量增加0.7%~2.7%、130.7%~675.7%，并显著影响了颗粒表面性质（p<0.05），土壤阳离子交换量、比表面积、表面电荷密度和哈梅克常数分别增大20.0%~88.2%、10.7%~30.0%、8.4%~44.7%、35.6%~62.8%。入渗溶液EC减小、SAR增大均可提高表面电位和静电排斥力，同时随生物炭施用，不同EC和SAR溶液界面颗粒表面电位和颗粒间静电排斥力分别增加0.47%~17.65%、0.16%~14.45%，但范德华引力亦增加35.61%~62.81%，导致净斥力随生物炭施用先减后增，10、20、30t/hm2处理较0t/hm2减小9.39%~147.43%、15.31%~219.55%、9.69%~217.13%。土壤孔隙度、连通孔占比、大孔隙（等效直径大于等于1mm）占比等与净斥力呈显著负相关（p<0.001），随净斥力减小分别增加7.60%~40.90%、0.15%~34.37%、3.78%~43.09%，致使不同微咸水入渗溶液下，10、20、30t/hm2处理饱和导水率提升7.77%~24.70%、15.15%~31.60%和10.81%~28.22%。综上，本文探究了生物炭施用下盐渍土表面性质、内力作用、孔隙结构及水分运动间的传递影响，20t/hm2生物炭对土壤结构劣化的调控效应最佳，可为微咸水安全利用提供科学依据。

摘要:气候变化加剧使得干旱成为威胁中国国家粮食安全的重大挑战，为保障国家粮食安全与农业可持续发展，迫切需要对我国耕地的干旱暴露风险进行深入研究。传统干旱评估方法因忽略CO2对植被气孔导度的动态调控作用，可能系统性高估了未来干旱风险。本研究基于CO2生理效应的改进标准化蒸散发指数(SPEI（CO2))与CMIP6多模式数据，通过Sen+MK趋势检验、暴露度评估模型和气候-土地利用双因子可加性分解法，系统量化了历史时期（1961—2022年）及未来情景（SSP1-2.6、SSP2-4.5和SSP5-8.5）中国九大农业区的干旱趋势、耕地暴露度及其驱动贡献。结果表明：1961—2022年SPEI与SPEI(CO2)干旱化趋势网格占比分别为77%和64%，未来2023—2100年SPEI呈微弱干旱化趋势（Sen斜率为-0.0013a-1），而SPEI(CO2)呈微弱湿润化趋势（Sen斜率为0.0011a-1），其中北方干旱半干旱区(NASR)和青藏高原区(QTP)差异最为显著。至21世纪末，SPEI和SPEI(CO2)表征下SSP5-8.5情景对应全国0.25°网格的耕地平均暴露度由57km2/a下降为10km2/a，且北方干旱半干旱区(NASR)暴露度峰值下降最为显著。归因分析显示，气候变化主导了未来耕地暴露度变化，近期(2021—2040年)和未来中期(2041—2060年)的降水增加降低了暴露风险，而未来远期(2081—2100年)温度上升驱动了暴露度上升。CO2效应通过抑制蒸散发，在未来远期逆转了SSP2-4.5和SSP5-8.5情景下主要农业区的干旱化趋势。

摘要:滴灌管网系统在降低工程投资和运行成本的前提下提高可靠性，是优化设计亟需解决的关键问题。针对机压滴灌特点，以管网年投资费用最低、节点富余水头均值最小和节点富余水头方差最小为目标，建立了机压滴灌管网系统多目标优化设计数学模型，提出了改进和声搜索算法求解多目标优化模型方法和步骤。在构建优化模型中，将管网系统按照级、条、段为单元划分，使建立的优化模型具有通用性。以新疆某机压滴灌工程为例，采用该方法对其管网进行优化，与原设计方案相比，优化方案滴灌系统年投资成本降低4.97%，管网节点富余水头均值降低16.84%，管网节点富余水头方差降低12.47%。优化结果表明，该方法不仅能有效降低管网系统投资成本，而且节点富余水头均值和节点富余水头方差显著减小，降低了管网系统压力偏差和故障发生频率，从而提高了管网系统可靠性。

摘要:在北方盐渍化灌区，春灌能明显提高土壤水分并降低土壤盐分，然而传统春灌定额较大，春灌时间难以确定，故优化春灌模式（定额和时间）对于提高农业用水效率和生产力具有重要意义。本研究于2022—2023年在内蒙古自治区鄂尔多斯市黄河南岸灌区设置135mm和180mm（W1、W2）2个春灌定额水平，以及播前18d、播前12d和播前6d（T1、T2、T3）3个灌水时间，共6个处理的田间试验以及2个春灌定额室内入渗试验，研究春灌定额和时间对土壤入渗以及向日葵出苗率的影响，并基于HYDRUS模型探索不同处理下播前土壤水盐动态变化，向日葵播前水盐与不同春灌模式的关系。结果表明，春灌定额越高，湿润锋运移距离与累计入渗量越大，通过构建向日葵出苗率与播前土壤水盐含量定量关系，得出最优含水率（SWC）和电导率（EC）分别为0.254cm3/cm3和0.683dS/m，利用HYDRUS模型对不同春灌模式水盐运移进行模拟，结果显示HYDRUS模型能较好模拟春灌有压入渗和重分布阶段的水盐动态，在验证期，SWC均方根误差（RMSE）、决定系数（R2）、平均相对误差（MRE）平均值分别为0.02cm3/cm3、0.96、7.7%，EC分别为0.32dS/m、0.90和9.9%。相同春灌定额下，越早春灌，播前EC越高、SWC越低，与播前18d春灌处理相比，推后春灌6d和12d处理，播前耕层（0~30cm）2年平均EC降低10.1%和16.8%，平均SWC提高3.4%和6.2%。在相同春灌时间下，与低春灌定额（W1）相比，高春灌定额（W2）在播前耕层2年平均EC降低13.4%，平均SWC提高4.5%。基于HYDRUS模型情景分析灌溉定额90~315mm、播前3~18d不同春灌模式下的播前土壤水盐含量，并利用最优SWC和EC进行寻优，得出该地区适宜春灌模式：春灌定额为180mm、春灌时间为播前18d和春灌定额为135mm、春灌时间为播前15d，该研究结果可为黄河流域盐渍化灌区农业节水以及农业生产提供理论支撑。

摘要:浅沟侵蚀是黄土高原坡耕地的主要侵蚀方式之一，严重破坏了黄土高原的耕地资源。为探究基于遥感影像的黄土高原浅沟快速识别方法，并分析浅沟变化及其时空分布特征，本研究选取陕西省延安市周屯沟流域浅沟为研究对象，利用高空间分辨率遥感影像与深度学习图像语义分割模型，探究了U-Net和SegNet模型在黄土高原丘陵沟壑区浅沟识别性能，阐明了周屯沟流域浅沟时空分布与发育特征。结果表明： SegNet模型在浅沟识别中具有较好的完整性和准确性，其准确率和召回率分别不小于82.59%和91.12%；浅沟主要集中分布于流域地形破碎的南部区域，在河谷平原地区鲜有浅沟分布，浅沟分布具有丛生特点；2009—2021年间共有215条浅沟消失，938条空间位置未发生明显变化浅沟（原位浅沟），新增1374条浅沟；浅沟沟长主要分布在25~40m之间，沟宽在1.00~1.50m之间，浅沟沟长、沟宽、面积、沟密度、割裂度和沟头前进距离多年间平均发育速率分别为1.66m/a、0.04m/a、1.83m2/a、4.94×10-5km/(km2·a)、5.45×10-6a-1和1.66m/a。流域内“治沟造地”工程实施和油气平台开发以及近年来极端降雨事件频发，极大地促进了流域内浅沟的空间分布变化及形态发育。本研究为黄土高原丘陵沟壑区浅沟识别提供了一种有效方法，同时也为黄土高原地区土壤侵蚀和坡沟治理提供了参考。

摘要:土壤质量评价是精细化农业生产和土地科学管理的关键依据，对保障国家粮食安全具有重要意义。为明确黄土丘陵区耕地土壤质量，以黄土高原南缘韩城市为研究区，采集土壤表层（0～20cm) 134个土壤样品，测定了涵盖土壤物理、养分和环境特征的27项指标，基于主成分分析和Norm原则构建最小数据集（Minimum data set，MDS），同时结合土壤质量指数（Soil quality index，SQI）法和地统计分析，对研究区土壤质量进行评价。结果表明：研究区土壤偏碱性（pH平均值为8.31），质地属于粘壤土，土壤环境处于轻度生态风险，环境质量良好，土壤养分中碱解氮含量较缺乏，有机碳和有效磷含量处于适中水平，全磷和速效钾含量较为丰富。黄土高原南缘韩城地区土壤质量评价最小数据集由土壤含水率、比重、毛管孔隙度、有机碳含量、锌含量、镍含量和粗砂粒含量7项指标构成，其中有机碳含量在土壤质量评价指标中权重最大，即有机碳含量为控制该区域土壤质量的关键因子。最小数据集土壤质量指数（SQI-MDS）均值（0.522）与全量数据集土壤质量指数（SQI-TDS）均值（0.537）相差较小，在土壤质量分级上均属于同一等级。SQI-MDS的变化区间和变异系数均高于SQI-TDS，且SQI-MDS与SQI-TDS拟合决定系数R2为0.812。因此，基于最小数据集的土壤质量评价法在该区域具有更好的适用性，且评价准确度较高。半变异函数为高斯函数时，预测精度最高，土壤质量在空间上呈现一定的分布规律，靠近河流区域，土壤质量指数越高，土壤质量越好。最小数据集和土壤质量指数评价法相结合可以准确高效全面反地映土壤质量，为解决土壤质量评价过程中土壤指标多、测试成本高和计算复杂等问题提供了新方法。

摘要:好氧堆肥适宜处理农村散点堆积的餐厨垃圾、畜禽粪便、农业秸秆等多种有机废弃物，但目前小型户用好氧堆肥系统难以在寒区冬季室外稳定运行，且缺乏配套的通风策略，限制堆肥效果提升。本文联合太阳能蓄热与供电、双舱室和蓄热水箱保温等方式，设计适于寒区农村户用的好氧堆肥系统，研究不同环境温度下好氧堆肥的温升规律及堆肥特性，并探索通风优化策略及臭气减排途径。结果表明：该设计可实现堆肥舱室昼夜温度的有效维持，也可预热通风空气，保证好氧堆肥稳定运行，当环境温度为15~30℃、0~15℃、-25~0℃时，堆肥舱室内实际温度达21.9~45℃、15.7~32.4℃、13.5~23.8℃；好氧堆肥前11d，通风速率25L/（m3·min）时的持续通风最优，当环境温度为15~30℃、0~15℃、-25~0℃时，堆体实际最高温度达62.3、56.4、55.2℃；11d后，通风速率25L/（m3·min）、氧气浓度14%~17%调控下的动态通风更适于-25~0℃的低温环境，堆肥21d时种子发芽率达89.89%，且好氧堆肥过程未产生用电成本；秸秆对堆肥尾气中的氨气具有良好的净化效果，去除率达80%~95%。研究结果可为寒区农村户用好氧堆肥全年稳定运行及生态环境改善提供基础依据。

摘要:菇房温度精准预测是保证食用菌工厂化高效生产的关键，现有预测模型在面向不同地点菇房实际应用中缺乏普适性。本文考虑菇房设备对环境变化的扰动影响，融合设备运行状态特征建立一种基于时序卷积网络和长短期记忆网络（Temporal convolution network-long short-term memory，TCN-LSTM）的菇房温度时序预测模型，采用TCN在时间维度上提取特征局部信息，利用LSTM捉时序数据的长期依赖关系。与未融合设备工作状态特征的模型相比，当预测时长为1、2、3h时，TCN-LSTM模型MSE分别降低17.1%、35.7%、44.1%，MAE分别降低4.3%、28.0%、38.0%；结果表明考虑融合设备工作状态提升了模型预测性能。与其他不同浅层和深度学习模型相比，TCN-LSTM模型在不同预测时长下均具有最佳的预测精度，当预测时长为小于，3h模型R2不小于0.982、MSE和MAE不大于0.57℃，可满足菇房环境调控对温度预测精度和时长要求。基于迁移学习的预训练及微调方式在小样本数据集中调整网络参数，实现面向不同地点的菇房温度预测模型快速构建。结果表明，当预测时长为1、2、3h时，以不同地点数据作为目标域建立的预测模型在测试集中R2不小于0.912，MSE不大于4.02℃，MAE不大于2.01℃，因此，在小样本条件下基于迁移学习构建的面向不同地点模型可实现不同步长下温度精准预测。

摘要:水培对保障粮食安全与促进农业可持续发展具有积极意义，但依赖人工光温调控实现水培作物优质高产，会增加能耗，且多因子交互作用带来生物调控结果的不确定性。本研究在非严格控制环境下，对比了营养液膜、深液流及雾培3种水培方式下单作与生菜/萝卜（数量比2∶1）间作的栽培效果。结果表明，间作较单作显著提高生菜干物质产量和氮利用效率（最高分别达19.18%和21.54%），同时显著降低了生菜和萝卜亚硝酸盐含量（最高分别达31.21%和33.36%），并显著提高了维生素C与可溶性蛋白含量；不同水培方式，营养液膜间作种间竞争最强；间作还引起生菜全氮含量下降，萝卜全氮、钼和钙（Ca）含量上升，其中，Ca含量最大提高率为31.94%。这些变化可能通过影响碳氮代谢平衡了作物产量和品质。研究结果为水培蔬菜间作系统优化提供了理论依据。

摘要:为研制一种既对pH值敏感又能抑菌的指示膜用于冷鲜羊肉新鲜度监测，制备了紫薯提取物微胶囊（Purple sweet potato extract microcapsules，PEM），以海藻酸钠和低酰基结冷胶（Sodium alginate/low-acyl gellan gum，SAL）为基材，纳米银（Silver nanopaticles，Ag NPs）和微胶囊为增强剂，探究对指示膜（SAL、SAL/Ag NPs、SAL/Ag NPs/PEM）的性能影响，并应用于羊肉新鲜度监测。结果表明，PEM壁材封装效果良好，使芯材热稳定性增强，具有一定抗氧化能力。Ag NPs和PEM的加入提升了单一SAL膜的机械性能、阻隔性能、热稳定性和抗氧化能力；SAL/Ag NPs/PEM2抗拉伸强度（12.21MPa）最高，氧气透过率（7.25g·mm/(m2·d)）最低，横截面紧实整齐；X射线衍射图谱表明，Ag NPS结晶度较好，有明显衍射峰，且衍射峰尖锐，与PEM混合后，衍射峰没有受到任何影响；傅里叶变换红外光谱分析表明，指示膜各组分结构相似，且具有良好的相容性。当指示膜暴露于氨气中时，其颜色发生显著变化，从最初的紫色逐渐转变为绿色，最终变为蓝色。利用这一特性，对4℃贮藏的羊肉新鲜度进行了监测，结果表明，在第4天和第8天，羊肉分别达到次级新鲜和腐败状态，相应地，指示膜SAL/Ag NPs/PEM2颜色也从紫色变为绿色和蓝色。综上所述，SAL/Ag NPs/PEM2对羊肉新鲜度变化非常敏感，因此可以用于监测羊肉新鲜度。

摘要:针对丘陵山区黏重土壤环境下，履带式车辆底盘行驶不稳定、安全性能低和越障能力差等问题，结合收获作业实际需求，开展黏重土壤条件下自走式三七联合收获机车辆底盘运动学与通过性能分析。分析履带底盘整机结构及工作原理，建立履带收获机底盘动力学与运动学模型；基于质心理论，解析履带底盘直行转向、纵向爬坡、侧倾爬坡、跨越沟壑及翻越田埂等行驶工况下耦合受力情况，获取影响收获机通过性能临界参数；开展RecurDyn动力学及行驶通过性能仿真。仿真结果表明，纵向爬坡角度为30°、侧倾爬坡最大角度为25°、跨越田埂最大高度为380mm、最大跨越沟壑宽度不超过800mm。对收获机整机进行了纵向爬坡、侧倾爬坡、跨越沟壑、翻越田埂3种典型工况下行驶通过特性试验。试验结果表明，自走式联合收获机底盘直行、转向平稳，可在纵坡30°、侧倾坡25°、沟壑宽度750mm、田埂高度350mm情况下稳定行驶，与仿真结果保持一致，验证了仿真准确性。研究结果可为丘陵山区根茎类中药材履带车辆底盘设计提供理论基础与参考。

摘要:农业机械的速度稳定控制可提升作业质量与效率。针对农田坡度变化对无人作业农机速度稳定性的影响，本文提出一种混合控制方法，由坡度控制器与比例-积分-微分（PID）控制器组成混合控制器。农机速度受纵向力影响，包括与坡度相关的常规力和难以估计的滑动摩擦力等。针对常规力设计了坡度控制器；针对滑动摩擦力采用PID控制器。通过混合2种控制器，可动态调节油门开度与制动总泵压力，确保农机在坡地农田中稳定行驶。在目标速度为7km/h仿真测试中，实现了速度稳定控制，均方根误差0.11km/h，平均绝对百分比误差1.6%。实际试验平台的田间试验结果表明，本方法有效，在不同坡度条件下能稳定控制速度，验证了混合控制器具有更优的控制性能，实现了农机行驶速度的精准控制，能满足农机作业的稳定性要求。