摘要：叶面积指数(LAI)是评价作物长势的重要参数,快速、准确、低成本地获取作物LAI对于指导作物田间管理有重要的意义。为了低成本获取多种作物的LAI,基于多源信息和深度学习构建了通用的LAI预测模型。在大豆、小麦、花生、玉米四种作物的六个生长时期进行了大田实验,以获取用于建模的多源信息。使用航拍无人机获取作物低空可见光图像、红边图像和近红外图像等多光谱图像信息,此外还采集相关的一维数据信息,包括无人机飞行姿态、拍摄高度、作物生长状态和环境光照。借助深度学习出色的图像和数据处理能力建立基于复杂输入信息的LAI预测模型,考虑到一维数据也要参与模型的训练过程,在设计模型时,采用了组合型网络架构。在卷积神经网络(CNN)算法提取图像深度特征的基础上加入了LightGBM算法用于结合图像特征和一维数据实现作物LAI的最终预测。CNN模型部分使用了VGG19, ResNet50, Inception V3和DenseNet201四种常见的结构。为了更好地说明CNN模型提取图像特征的能力,分析了不同图像输入下四种模型的作物分类情况。结果表明,以可见光、红边和近红外图像为输入时,四种模型的分类准确度均相较于仅有可见光图像时有所提高,尤其是基于Inception V3和DenseNet201的两种模型分类准确率均达到99%以上,证明了CNN模型提取多光谱图像特征的有效性。将图像特征作为LightGBM模型的输入信息预测LAI时,实测值与预测值的R2最大为0.819 2,而在输入中加入一维数据信息后,模型的R2均可达到0.9以上,说明多源信息输入对于提高LAI预测模型的准确度有重要作用。该研究建立的模型可以针对不同的作物进行LAI的预测,不需要对多光谱图像进行复杂的处理,因此,该研究可以实现LAI的低成本、快速预测,同时可以获得较高的预测准确度。

摘要：为了检测与无人机喷雾质量相关的雾滴参数,并将其应用于各种复杂环境,设计了一种基于水性丙烯酸树脂和数字图像处理技术的无人机喷雾质量检测系统。该系统由雾滴采样模块、图像采集模块、图像处理模块、无线通信模块、图像和数据存储模块、数据显示模块组成。利用水性丙烯酸树脂在遇到水时会发生变色反应这一特性,将其制成雾滴采样模块,并对雾滴采集装置上的雾滴图像进行获取,随后利用数字图像处理技术对雾滴图像进行处理,计算得出雾滴参数。在农田环境下,通过无人机喷雾试验对系统的性能进行了评价。该系统可实时检测雾滴粒径、雾滴沉积密度、雾滴覆盖率等4种雾滴参数,从而实现对无人机喷雾质量的检测。初步试验结果表明,系统运行稳定,系统检测结果分布曲线与水敏纸法检测结果分布曲线基本一致,能够及时、准确地检测无人机喷雾质量。

摘要：针对某型火箭第三级发动机尾喷管姿态控制的电动伺服机构可靠性验证试验方法开展研究,采用Weibull分布模型确定了电动伺服系统的可靠性验证试验的试验时间,同时在对电动伺服系统任务阶段的环境应力和工作应力做了详细分析的基础上,设计了电动伺服机构可靠性验证试验载荷谱。针对电动伺服系统可靠性验证试验中小样本、无失效数据情况,提出了累计失效率的Bayes估计评估的方法。

摘要：为了获取植保无人机喷药后雾滴在果树叶片表面的沉积量,设计了面向植保无人机果树低空施药的果树叶片雾滴沉积量检测系统。该系统由LWS型叶面湿度传感器、数据传输模块、上位机检测软件组成。通过LWS型叶面湿度传感器的标定试验,建立了电导率为553μS/cm自来水、860μS/cm甲基硫菌灵溶液、1 525μS/cm磷酸二氢钾叶面肥溶液的回归方程,通过分光光度计验证试验验证了方程的准确性。之后,建立基于Zig Bee的传感器系统数据无线传输网络。同时,利用Qt编写了具有数据分析和显示功能的上位机程序,建立了完整的果树叶片雾滴沉积量检测系统。最后,利用WSZ-4X型植保无人机在樱桃果园中进行了检测系统与水敏纸的对比试验。对比结果显示,使用两种方法获得的雾滴沉积密度曲线的拟合度可达0.926 6。对于单个测量点的雾滴沉积密度,其平均误差为22.8%。在果园中进行试验时,受风速和无人机气流等环境因素的影响,传感器和水敏纸的雾滴分布会出现一定的差异,忽略环境因素影响,可认为两种方法在樱桃果园中测量得到的雾滴沉积密度一致性较好,而使用果树叶片雾滴沉积量检测系统可以更加快速、方便、实时地采集农药雾滴在叶面上的沉积量。

摘要：为了克服LED作为主动光源的土壤全氮含量检测仪波段单一、光强信号较弱、仪器信噪比难以提高的不足,基于卤钨灯光源和特制多路光纤设计了一款便携式土壤全氮含量检测仪。检测仪选用1108、1248、1336、1450、1537、1696 nm作为土壤全氮敏感波长,选用高功率卤钨灯作为光源以提高信号强度,采用“一分六”特制光纤实现1路入射光通道和6路反射光通道。性能试验表明,调理电路和卤钨灯光源工作稳定,并且卤钨灯作为主动光源测量精度更高,“一分六”石英光纤测量精度高于其他类型光纤。根据检测仪吸光度和土壤全氮含量标准值建立了不同预测模型,结果表明,采用PLS建模精度最高,建模RC^2为0.8613,验证RV^2为0.8042,可以用于检测仪模型嵌入。田间试验结果表明,检测仪测量值和标准值的相关系数达到0.8280。设计的检测仪测量精度较高,可以满足田间快速准确检测的目的。

摘要：目前土壤采样信息大多依赖于实验人员手动纸质记录。为了更好地记录和处理土壤信息,提出了一种适用于现代化农业的土壤采样信息记录方法,利用Android系统结合服务器和数据库架构实现基于Android的土壤采样信息自动记录系统。整个系统设计包括系统架构设计和软件功能设计。在服务器上使用JSP和MySQL数据库管理系统(Database management system,DBMS)作服务器端,搭建云服务器及农田信息管理数据库。服务器端设计包括在WEB工程中引入JDBC驱动,使服务器直接连接数据库,实现WEB服务器与MySQL数据库的交互。Android客户端设计包括在Material Design设计规范下完成土壤自动采样记录系统Android客户端界面,以及利用JSON数据解析实现对云服务器下MySQL数据库信息的访问和操作。最后对系统软件进行有效性和健壮性测试。试验表明,该系统能有效地显示采样土壤位置的空气温度、湿度、经纬度以及土壤氮素含量等土壤采样信息,并能进行正确的地图位置显示,证明了Android系统在土壤采样记录方面的有效性以及构建系统的可行性。