摘要：为解决现有稻田株间机械除草作业性能严重依赖机具对行质量的问题,设计了一种无需避苗作业的株间除草机。该机采用双排柔性刷指作为除草部件,前排除草部件纵向梳刷拉拔杂草,同时对梳刷后稻株倒伏状态进行自动识别。后排除草部件横向振动拨耙杂草,同时根据前排识别结果实时控制振动作业的启停,用以兼顾除草率与伤苗率。基于触觉感知方法建立了稻株倒伏识别系统,通过气压传感器的电位变化获取稻株根系与前排刷指相互作用的力学反馈数据,以电位峰度及均值为辨识特征,基于支持向量机构建稻株倒伏与未倒伏辨识模型,实现稻株倒伏自动识别。应用液压马达构建了后排除草部件的横向振动系统,对前排除草部件作用下已倒伏稻株停止振动作业,实现振动作业的自适应控制。稻株倒伏识别田间试验表明:稻株倒伏识别精度为83.11%。除草模式对比试验结果表明:无感知振动模式的除草率为58.11%,伤苗率为21.39%;无感知无振动模式的除草率为27.89%,伤苗率为4%;有感知振动模式的除草率为56.17%,伤苗率为5.83%。综合试验结果可知,有感知振动除草模式更适宜稻田株间杂草机械防控的生产要求。

摘要：为实现机器人末端位姿多自由度实时测量反馈,融合一维光学位置传感器(Position Sensitive Detector,PSD)建立了平面3自由度非接触测量系统,对其测量原理,信号处理电路,环境光干扰去除和非线性标定算法等进行研究。根据PSD传感器测量特性和平面3自由度测量要求设计了4-PSD测量系统,并建立测量系统数学模型。研究了PSD传感器的信号处理电路,通过运放和除法器实现了单个PSD的信号处理,结合单片机与A/DC采样电路,实现了上位机的高频率信号采集。对4-PSD测量系统进行预实验,为消除环境光干扰,通过激光调制和数字滤波等方法进行验证。最后,通过激光位移传感器标定4-PSD测量系统,介绍了4-PSD的标定步骤(原点、转角、长度和二阶非线性标定),测定了系统标定后的误差分布。该测量系统具有较高的测量频率(50 Hz)。标定实验结果表明:标定后的4-PSD测量系统在70 mm×70 mm内,测量精度平均为0.49 mm,比标定前降低了90%的误差,能满足大部分高速、高精度机器人末端的非接触式实时测量反馈需求。

摘要：为保证植物工厂蔬菜穴盘育苗高质量作业要求,该研究在气吸滚筒式蔬菜穴盘育苗精密播种器的基础上,优化设计了在线漏播检测与智能补种装置,以可编程逻辑控制器(programmable logic controller,PLC)为控制核心,实时进行播种器吸孔漏吸检测及穴盘穴孔漏播位置预报,并完成漏播穴孔的定点定穴补种。采用光电检测技术检测播种器吸孔漏吸位置,构建漏吸吸孔与育苗穴盘穴孔的对应动态补种矩阵,实现穴盘穴孔漏播位置精准预报;优化设计了智能补种装置,根据预报的穴盘穴孔漏播位置实现定点定穴精准补种。以中双11号菜心种子为对象,开展播种器吸孔漏吸检测与穴孔漏播位置预报试验,得到吸孔漏吸平均检测准确率为98.82%,穴孔漏播位置预报准确率为100%。采用BoxBehnken试验设计方法,对智能补种装置开展作业性能试验,构建主要性能指标(单粒合格指数、重播指数和漏播指数)与主要影响因素(吸针负压、吸针孔径和种室振动压力)的关系,并进行多目标优化,确定智能补种装置最优工作参数组合为吸针负压10.19 kPa、吸针孔径0.67 mm、种室振动压力0.07 MPa,此时补种装置播种的平均单粒合格指数为94.80%、重播指数为2.94%、漏播指数为2.26%。开展整机性能试验,在生产率为100盘/h条件下,整机的单粒合格指数由补种前的93.96%提高到98.18%;在生产率为300盘/h条件下,单粒合格指数由补种前的93.18%提高到97.89%。试验结果满足植物工厂和大田蔬菜穴盘育苗播种装置高精密播种作业要求,可提高蔬菜穴盘育苗的播种性能。

摘要：模具组合加工、电子产品合检等带来不同工件强制同机并行作业,这打破了作业车间调度同一机器不能在同一时刻处理不同工件的约束.为解决该类作业车间调度问题,提出一种自适应混合初始化遗传算法对其进行求解.首先,将该问题定义为考虑强制同机并行作业的广义作业车间调度;利用混合整数规划法以最小化最大完工时间为优化目标建立优化模型.然后,新设计了相应的编码、解码以支持同机并行作业约束下可行调度方案的表达和约束解析;建立了种群混合初始化方法,以支持新约束下高质量可行解的生成;设计了新的交叉、变异操作方法,保证了同机并行作业约束下新生解的可行性;构建了交叉、变异自适应算子,实现了子代的自适应更新,提高了算法全局搜索能力.最后,基于作业车间调度基准算例构建了 40个测试算例,对该测试算例和电子产品分组合检实例开展实验.结果表明,所构建模型和算法可以有效求解强制同机并行作业的广义作业车间调度问题,提出的改进策略均有效提升了解的质量,验证了模型的可行性和算法的优越性.

摘要：随着5G技术的发展和应用,基于数字孪生技术的虚拟果园成为智慧果园管理的新模式。为此,基于物联网数据信息采集,提出了一种虚拟荔枝果园模型构建及采摘行为仿真平台构建方法。首先,分析了荔枝果园的组成要素,并使用3dmax、SolidWorks等工具进行了单元模型构建,运用面向对象技术搭建了荔枝果园虚拟场景平台。基于虚拟仿真软件Unity3D,综合三维建模软件与脚本代码,搭建了采摘机器人采摘试验平台,实现了采摘机器人路径规划仿真,并研发了虚拟荔枝果园三维全景虚拟漫游系统。通过虚拟实验平台设置不同的采摘场景,仿真分析获取优化的采摘决策,可预测采摘机器人的真实作业性能,降低采收作业成本。

摘要：探索将科技成果“香稻增香增产栽培技术”转化为农学专业的综合实验,形成“香稻增香增产栽培技术应用与香气测定分析”创新综合实验,包括了田间实验设计、田间调查与取样、室内测定与分析、实验报告撰写等环节的实验教学体系。通过多途径强化创新能力。综合实验的实施有利于调动新农科学生的科研热情,增强科研创新素质和实践能力,实现推动卓越农林人才培养的目标。

摘要：为探究温度变化对温室大棚骨架结构安全性的影响,建立考虑机械载荷和热载荷的大棚骨架热弹性结构优化设计模型。以机械载荷和热载荷下结构的最大应力值最小化为目标,以结构的总材料用量为约束,考虑机械载荷与热载荷联合作用下的应力分布,实现对大棚骨架的连续体结构优化设计,使结构在满足支撑刚度的前提下最大程度缓和结构的应力集中问题。考虑到热应力优化问题中的设计依赖性和中间变量问题,采用密度过滤函数获得清晰的最优拓扑构型。通过两种典型温室大棚骨架优化算例,对比不同温度变化幅度和不同材料用量下优化结构的最大等效应力,结果表明:该模型在相同体积比下结构最大等效应力优化效率最高可达到约15%,同种载荷条件下体积比增加0.1可实现结构最大等效应力优化效果提高近1%。该研究为考虑机械载荷和热载荷的大棚骨架热弹性结构优化设计提供有效的设计方法,对工程应用中的温室大棚骨架结构设计具有指导意义。

摘要：目的:设计一种具备负压、过热蒸汽的多功能烹饪试验平台。方法:对一体机烹饪设备的研究现状进行分析,并对过热蒸汽和负压技术在食品工业中的应用现状进行汇总,确定了多功能烹饪试验平台的性能参数。根据试验平台各个功能的特性,对烹饪腔体、炉门等部件进行设计,并制定了试验平台的整体方案。结果:研发的多功能烹饪试验平台具有负压、蒸汽、微波、烘烤4个功能,可实现-28 kPa的负压抽取、向腔体直喷390℃的过热蒸汽,热风和微波加热效果较好。结论:研发的多功能烹饪试验平台具有较高的可行性和实用性。

摘要：为解决南方水稻工厂化田间育秧水肥药人工管理作业中存在的灌溉均匀性差、化肥和农药浪费以及劳动强度大等问题,该研究设计了一种水稻田间育秧水肥药变量喷灌装置,阐述了水肥药变量喷灌装置总体结构和工作原理,进行了关键部件设计与试验;以可编程逻辑控制器(programmable logic controller,PLC)为控制核心,构建了注肥量在线调控及整机变量喷灌控制系统。采用Box-Behnken试验设计方法,对装置喷灌均匀性与主要影响因素进行试验研究,应用单目标优化方法对喷灌关键参数进行优化,并通过验证试验,得到最优参数组合为:干管入口水压0.20 MPa、球阀开度90°、喷头喷角80°,此时装置的喷灌均匀性为92.69%;构建了氯化钾肥液质量浓度与电导率(electrical conductance,EC)值的线性模型,开展了装置变量灌溉施肥性能试验,3种喷灌等级下各作业区的肥液EC值分别为1.65、1.66和1.68 mS/cm,平均喷灌强度分别为900.85、1 092.04和1 263.67 mm/h,施肥均匀系数分别为85.21%、87.86%和91.62%。采用水肥药变量喷灌装置开展水稻育秧田间管理试验,华航51常规稻和广8优165杂交稻的秧苗长势均匀度均高于95%,成毯性良好,各项素质指标满足机插作业要求。所设计的水肥药变量喷灌装置能够满足水稻田间育秧水肥药变量喷灌作业要求,对提高水稻工厂化田间育秧机械化水平、保证秧苗质量具有实际应用价值。

摘要：无人机补播是草地修复的有效手段之一。针对无人机作业过程中,空斑定位精度不高导致的效率低下、工作量大等问题,该研究提出一种基于无人机图像超分辨率重建和Transformer的退化草地空斑定位方法YOLOFG(YOLO for Gap)。首先基于YOLOv5s网络框架,在模型颈部设计联级特征纹理选择模块,强化模型特征纹理细节聚焦力,解决无人机空斑影像尺度变化大、纹理模糊问题;其次,以ShuffleNetV2构建主干网络,嵌入信息交互Transformer自注意力结构,提取像素间更多差异化特征,以提升模型对空斑边缘像素的精确捕获能力;最后,基于空斑锚框信息建立无人机位姿信息和空间平面的成像模型,实现目标空斑的精准定位。试验结果表明,YOLOFG模型平均精度均值为96.57%,相较于原始YOLOv5s模型提升3.84个百分点;参数量约为6.24 M,比原始模型降低约11.2%。与YOLOv4、YOLOv7、YOLOv8模型相比,检测精度分别提高11.86、9.65、6.82个百分点。空斑定位的平均误差为0.4404 m,满足无人机作业对草地空斑精准定位的需求,可为开展退化草地植被恢复与重建工作提供技术支持。