摘要：为进一步提高核桃仁分类识别的准确性和实时性,提出一种基于卷积神经网络的算法模型。该模型包括输入层,4个卷积层和池化层构成的隐藏层,2个全连接层和输出层,并通过参数的优化设计来增强卷积网络模型的泛化性和鲁棒性。通过OpenVINO^(TM)(Open Visual Inference&Neural Network Optimization)工具套件进行推理优化缩短算法执行时间,以期提高识别的实时性。将训练后的卷积网络模型进行推理优化并进行试验验证。试验结果表明:未经过推理优化的卷积网络模型的识别正确率为98.31%,平均识别实别时间为323.2 ms,经过推理优化的卷积网络模型的识别正确率为99.44%,平均识别实别时间为29.6 ms,相比未经过推理优化的卷积网络模型在准确率以及实时性方面都有所提升,且执行时间提升10倍左右,经过推理优化的卷积网络模型能够较好地满足核桃仁的分类识别,具有一定的适用性。

摘要：在核桃精深加工过程中,风选法可以实现核桃壳仁混合物料高效无损地分离。为了研究不同等级的核桃壳仁颗粒在气流场中的分选效果,本文设计一种负压垂直气流风选装置,采用计算流体力学(CFD)与离散单元法(DEM)耦合的方法对风选过程进行仿真模拟,引用清选率与损失率量化风选效果。结果表明:当进料量一定,进风口风速19 m/s时,二分之一壳仁混合物料清选率达到96.5%,损失率仅为0.41%,分选效果最佳;进风口风速为17 m/s时,四分之一壳仁混合物料清选率为94.8%,损失率为0.8%,分选效果较为理想;进风口风速为16 m/s时,八分之一壳仁混合物物料清选率为92%,损失率为1.22%,风选效果较为合理。研究表明在垂直风道里,核桃壳的流动速度围绕某一固定值上下波动,核桃仁沉降速度随着颗粒浓度增加而减小并逐渐趋于稳定。

摘要：受普遍缺水的国情及现代种植业向着产业化和规模化发展趋势的影响,设施农业得到了长足发展。我国的温室面积不断扩大,且温室中的种植作物也日趋丰富和多变。为实现对温室群的统一准确调控与各温室不同作物的科学种植,提出了一种远程服务器与物联网技术相结合的调控系统。调控系统以嵌入式Web服务器为核心,结合STM32单片机为底层控制器,采用Modbus通信协议实现温室群与控制端的信息动态交流。同时,现场控制器增设SD卡功能及双模糊规则,实现了在通信受阻状况下温室数据的本地保存及对环境参数的准确控制。用户可通过Internet访问服务端,借助浏览器或网关端的首部控制柜参考数据库内写入的科学种植决策和上传温室各类环境参考数据,即可实现对各温室环境多因子参数的合理调控。控制端多种自动控制方法的集成为用户提供了丰富的选择,对实现温室群科学高效化管理具有重要的实际应用意义。