摘要：黄花菜是极具营养价值和经济效益的一种农作物,深受人们喜爱。目前黄花菜采摘大都是人工采摘,采摘效率低、人工成本较高,在设计黄花菜自动采摘机器人的过程中,复杂环境下黄花菜的目标识别是实现智能化采摘的核心问题。该研究建立了包含12000幅黄花菜样本的数据库,比较了You Only Look Once(YOLOv7)、Faster Region Convolutional Neural Networks(Faster R-CNN)和Single Shot MultiBox Detector(SSD)三种模型的检测效果,提出一种基于改进YOLOv7目标检测算法的复杂环境下黄花菜识别的YOLOv7-MOCA模型,使用MobileOne网络作为主干特征提取网络,构建了一种轻量化网络模型,并在颈部网络中融合Coordinate Attention注意力机制改善对样本的检测效果。试验结果表明,YOLOv7-MOCA模型检测准确率为96.1%,召回率为96.6%,F1值为0.96,权重为10 MB,帧速率为58帧/s。较YOLOv7检测速度提高了26.1%,权重减少了86.7%,该研究所提出的YOLOv7-MOCA模型检测准确率等参数均大幅提升。该模型可以实现黄花菜的快速识别,模型权重小,识别速度快,为黄花菜智能化采摘设备研究提供技术支撑。

摘要：传统的猴头菇品质检测与分级主要依靠人工分拣来完成,其主观性强、精度相差大、效率低,浪费了大量人力物力资源。鉴于此,为了实现猴头菇的快速无损等级评估,该研究引入机器视觉技术,提出了一种猴头菇品质的快速无损检测与分级方法,设计一套基于机器视觉的猴头菇品质快速无损检测与智能分级设备,并通过图像处理和软件设计开发一套猴头菇智能快速无损检测分级系统。通过加色法混色模型(RGB)对猴头菇的颜色特征的快速检测与等级的判定;采用图像阈值分割和Canny边缘检测,实现猴头菇完整度的判定;使用最小外接圆法对猴头菇的大小进行实时计算,完成猴头菇直径大小的判别;基于Microsoft Visual Studio 2017平台开发一套猴头菇品质快速无损检测可视化平台。试验证明,基于机器视觉的猴头菇品质快速无损检测与分级系统检测准确率达到97.07%,速度达到人工的5倍多。验证了系统的可靠性和可行性,为食品工业的智能化生产和加工提供了技术支撑,推动了机器视觉技术在食品行业的应用。

摘要：为实现对金丝皇菊的快速无损等级评估,本文应用机器视觉技术对5个等级的金丝皇菊进行智能分级。首先根据金丝皇菊的品质特性设计分级装置,并根据金丝皇菊的颜色、形状、完整度等特征设置不同的分级标准;其次运用图像灰度化、图像去噪、图像增强技术完成金丝皇菊图像预处理;再次采用加色法混色模型(Red Green Blue,RGB)完成金丝皇菊颜色特征提取与识别,并通过图像分割和边缘检测技术完成对金丝皇菊图像完整度的判断及花径的计算,得出金丝皇菊的预测等级;最后基于Microsoft Visual Studio 2017平台开发一套金丝皇菊智能分级系统,实现系统的实时可视化操作。结果表明,本文设计的金丝皇菊智能分级系统整体分级准确率达到了97.6%,平均分级速度为人工的5倍多,其在可靠性、速度、工作效率、鲁棒性等各方面都优于传统的人工分级,本研究为机器视觉技术在花茶分级领域的应用提供了实际案例与技术参考。

摘要：以4年为一周期,设计一种生态沃土机械化耕作模式(MET),周期内将翻耕、苗带旋耕、免耕、深松4种不同的耕作措施组合,对土壤进行适度耕作,并以连续免耕(CNT)和传统翻耕(CCT)为对照,研究MET对小麦玉米两熟区不同耕层土壤理化特性的短期影响。结果表明:MET能够显著提高土壤结构质量,增加土壤肥力,避免土壤板结,生态效应和沃土效果显著。显著增加0～30 cm土层土壤大团聚体含量,提高土壤结构稳定性,平均水稳性团聚体含量分别比CNT和CCT高8. 2%和30. 4%;有效降低0～30 cm土层土壤容重,平均容重分别比CNT和CCT小0. 089、0. 125 g/cm3;增加0～30 cm土层全氮、速效磷和速效钾含量,对碱解氮含量影响不显著;增加土壤有机碳含量,平均有机碳含量分别比CNT和CCT高0. 36、0. 61 g/kg,并且各层之间有机碳含量分布较均衡,CNT只增加0～10 cm土层有机碳含量,CCT只增加10～20 cm土层有机碳含量。MET显著增加小麦的平均单株分蘖数、有效穗粒数和千粒质量,从而显著增加小麦产量,分别比CNT和CCT增产14%和14. 9%;小麦播前进行的耕作有一定的后效,对玉米产量有影响,MET与CNT通过增加玉米的有效穗粒数和千粒质量,增加玉米产量,两者产量的差异不显著,但均显著高于CCT,分别高7. 4%和3. 7%。

摘要：为挖掘旗袍服饰要素的关联关系与隐藏价值,构建一个基于电商数据的细粒度旗袍知识图谱,并开展实证研究。旗袍知识图谱采用自底向上逐层构建的方法,首先根据先验知识设计细粒度本体模型,为后续工作提供逻辑基础;然后采集并预处理原始数据,通过知识抽取、知识融合规范化数据,进行实例填充,完成数据层设计;最后将数据存储到图数据库,实现可视化。在此基础上,围绕旗袍、服饰要素以及用户人群开展深度挖掘、知识推理,借助图分析算法在社区检测、相似度和要素关联上展开实证研究。结果表明:旗袍知识图谱蕴含服饰要素之间隐藏的关系,能够挖掘内在的语义信息;旗袍服饰要素和用户人群之间存在一定的知识关联性,进而辅助设计与销售决策。

摘要：随着保护性耕作技术的发展,深松和免耕技术得到大力推广。为此,设计了一种小麦深松免耕播种机,运用EDEM离散元分析技术,对深松铲在不同工作速度下的工作阻力进行了分析。结果表明:随着速度的增加,深松铲工作阻力逐渐增大,且增大速率逐渐加强。同时,结合宽苗带播种技术,对播种口进行设计,得到最佳的排种角度和内部凸起高度,分别为40°和4mm。对小麦宽苗带深松免耕播种机进行了田间试验,结果表明:机器通过性好,播种深度和施肥深度合格率及种肥间距合格率分别为90.82%、95.32%、91.17%,变异系数分别为4.0 6%、2.3 9%、4.9 1%,符合农艺要求。

摘要：针对不同品种玉米对粒距的农艺要求,为克服现有播种机有级调节粒距连续性及地轮驱动粒距均匀性差的问题,研制基于液压马达集中驱动的排种、排肥新型驱动方式,实现粒距无级调节。研究基于导航测速的液压马达转速自适应系统及基于速度反馈的液压马达转速自动补偿系统,实现了液压马达转速与机具前进速度的精确匹配,保证了粒距均匀一致。在此基础上,设计了适宜黄淮海两熟区的玉米免耕播种机,并进行试验。结果表明:在秸秆覆盖量>40%的条件下,机器通过性好,粒距均匀性合格率≥95%,播种深度、施肥深度及种肥间距合格率分别为88.82%、90.32%、90.17%,邻接行距误差为2.8cm/100m,符合设计要求。

摘要：在消化吸收国内外现有的玉米收获机及玉米青贮机技术的基础上,创新设计了青贮型玉米收获机,该玉米收获机能够一次完成果穗摘取、剥皮、集箱及茎秆切断、输送、切碎、集车回收等功能。整机包括摘穗割台和茎秆回收割台,其中重点对茎秆回收割台进行了设计。田间性能试验表明,整机的性能参数满足设计要求,符合玉米收获机及玉米青贮机的国家标准。

摘要：采用单因素分析后再用正交设计研究了4因素4水平的委陵菜总黄酮提取的工艺条件,并用最佳条件提取了安徽产委陵菜属10种植物的总黄酮,并对其进行比较。结果表明:最适提取条件为:提取温度70℃,乙醇体积分数40%,固液比1g:100mL,提取3次的效果最佳。安徽产10种委陵菜植株全株中的总黄酮含量,为1.36%±0.466 8%～10.61%±0.898 4%,其中以三叶委陵菜黄酮含量最高。

摘要：针对黄淮海两熟区传统精耕细作存在的土壤结构破坏、动力消耗过大和连续免耕存在耕层土壤紧实度增加、表层杂草养分富集等问题,该研究设计了4 a的“翻耕-免耕-深松-免耕”的组合耕作模式(Combine Tillage,CT),通过4 a的周期定位试验,以连续免耕(Continuous No-tillage,CN)和连续翻耕(Continuous Plouging,CP)为对照,运用综合评价法,对组合耕作模式的周期生产力进行综合评价,结果表明:土壤质量方面,CT处理可以提高土壤的结构质量,减小土壤容重,有效降低0~30 cm土层土壤容重,平均容重比连续免耕和连续翻耕分别小0.089和0.125 g/cm^3;CT处理提高土壤养分质量,增加0~30 cm土层全氮、速效磷和速效钾含量,对碱解氮含量影响不显著,增加土壤有机碳含量,平均有机碳含量比CN处理和CP处理分别高0.36和0.61 g/kg,并且各层之间有机碳含量分布较均匀;CP处理破坏0~20 cm土壤结构,在20~30 cm土层形成犁底层,增加土壤容重,并且只增加10~20 cm土层有机碳含量,各层养分不均;CN处理虽未对土壤结构造成破坏,但只增加0~10 cm土层有机碳含量,使土壤养分在表层积累。投入产出方面,CT处理周期总投入与CN处理差异不显著,两者均显著低于CP处理,但CT处理粮食总产量和总产值显著高于CN处理和CP处理,组合耕作能够提高物质利用率、劳动生产率和产投比,节本增效显著。CT、CN和CP的周期生产力综合评价得分分别为4.85、3.8和1.7,CT处理得分显著高于CN处理和CP处理,说明组合耕作具有较高的周期生产力。该研究可为小麦-玉米两熟区耕作模式的优化提供参考,促进两熟区的生产力提升和节本增效。