共查询到17条相似文献，搜索用时 265 毫秒
1.
2.
为了研究吊杯式移栽机作业时所栽植土壤的地表不平度,采用超声波测距传感器,对吊杯式移栽机作业时的土壤表面不平度进行了测量分析。将超声波测距传感器垂直于地面安装到移栽机上,连续测量地表高低的变化,采用Lab VIEW编程控制超声波传感器的参数设定,由NI USB-6343 X系列数据采集卡采集数据,并可实时显示和存储在笔记本电脑上。计算分析所测数据,得出了试验田地土壤表面不平度的一些参数值,即地表不平度的RMS高度、轮廓微观不平度的平均间距和分形维数,为研究土壤特性对吊杯式移栽机性能的影响提供了一定的基础数据。 相似文献
3.
黄玉贵 《农业装备与车辆工程》2022,60(1):146-148
通过实验测量的方法研究数控加工过程的铝块表面质量.首先提出表面粗糙度评价指标Ra,其次基于铣削参数设计了四因素三水平的正交铣削实验,利用tr200表面粗糙度测量仪对加工后的铝块表面进行表面粗糙度测量,最后使用SPSS软件对表面粗糙度以及切削参数进行多元非线性回归拟合,得出铝块表面粗糙度预测模型. 相似文献
4.
土壤表面粗糙度检测方法研究 总被引：2，自引：0，他引：2
土壤表面粗糙度是表征土壤表面微地貌的一项重要指标,与土壤本身水分入渗速率、地表径流及土壤侵蚀等密切相关。土壤表面粗糙度直接影响农作物种植、灌溉、收成等,是当前农业发展急需解决的关键问题之一。精细平整的土地,能大幅地节约灌溉用水,提高肥料的利用率和抑制杂草的生长,达到低成本、高收益的目的。为此,在广泛阅读国内外相关文献的基础,主要介绍5种当前主流的土壤表面粗糙度检测方法及其应用情况。通过对检测数据获取、检测时间、检测分辨率、检测精度和土壤微地形的表征情况等指标进行对比,得出当前各种土壤表面粗糙度检测方法的研究现状与存在问题。最后总结其未来发展方向,为对该领域的进一步研究提供参考依据。 相似文献
5.
基于图像处理和GBRT模型的表土层土壤容重预测 总被引：3，自引：0，他引：3
针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBRT模型,土壤表面粗糙度利用图像处理技术获得,土壤阻力使用实验室车载式阻力测量系统获得。使用同态滤波技术对土壤表面图像进行预处理,提取图像灰度直方图的熵、平均值、方差、偏度和峰度表征图像的纹理特征参数,提取图像灰度共生矩阵的能量、熵、对比度和逆方差表征图像的区域特征参数。利用灰度关联分析,从9个表征土壤表面粗糙度的特征参数和土壤阻力中选取与表土层土壤容重关联度大于0.65的变量作为模型输入,将得到的GBRT模型预测结果与环刀法得到的结果进行相关性分析,R2达到0.878 2,平均绝对误差达到0.021 g/cm3。同时在相同的输入参数和运算环境下,与BPNN和SVR模型的预测精度和运算速度进行了对比,验证得到GBRT模型具有更高的预测精度和更短的运算时间。本文研究结果为科学指导农田表土层土壤容重的获取提供了思路。 相似文献
6.
7.
耕作地表三维形貌是土壤灌溉、土壤含水量、土壤风蚀等研究的主要因素之一,其对田间农业机械作业质量与作业效率有着非常重要的影响。为此,根据激光测距技术中的相位法测量原理,在自行研制非接触式测量试验台的基础上创建了空间点阵测量评价系统,实现了空间地表三维形貌的测量。经过田间4种耕作地表的测量试验与数据分析,结果表明:系统可以成功提取耕作地表三维粗糙度及基准面,能够计算得到耕作土壤三维地表粗糙度参数Sa、Sq、Ssk、Sku,进而准确高效地获得田间耕作土壤地表的三维形貌,并实时显示测量数据、耕作土壤地表微观形貌曲线及三维形貌图,可为耕作土壤地表三维形貌的理论分析与评价提供有效的支持。 相似文献
8.
土壤机械阻力既关系到农作物的产量,又关系到农业机械的作业性能和能量消耗。为了实现土壤机械阻力的连续测量,开发设计了一套由“S”型力传感器、GPS模块、超声波测距模块、Arduino控制器、LCD显示模块和SD卡模块组成的系统。通过Arduino程序控制,使“S”型力传感器测量的土壤机械阻力,GPS模块测得位置信息及耕地速度,超声波测距模块测得的耕地深度存储到SD卡模块中。该系统通过Proteus仿真和硬件实物的搭接验证了系统的可行性、准确性。该系统的测量过程和方法与精准农业实时、连续测量土壤机械阻力的要求相吻合。 相似文献
9.
10.
《农业装备与车辆工程》2021,(9)
在分析了多种粗糙度的预测建模方法后,鉴于之前的都是车削试验,选择了更加轻便简单的打磨试验。通过对6061铝合金试件进行砂纸打磨,利用SJ-210测量仪测量粗糙度值。考虑到影响其表面粗糙度的因素有打磨时间、压力、砂纸型号等因素,建立了卷积神经网络预测模型,构建出一个具有高精度、高标准、可靠性高的预报模型。抽取其中的部分实验数据对网络模型进行相应的验证,对于表面粗糙程度有一个基本的判定,利用基本数据作为网络参考,再利用剩余的实验数据对网络模型实施验证试验,确定所建立网络模型的精度。结果表明,该网络模型具有较高的预测精度和较强的适用性,有利于现场快速选择打磨参数,预测和控制表面粗糙度。 相似文献
11.
耕作土壤地表不平度对拖拉机悬挂机组作业质量与作业效率有着重要的影响。为实现准确、高效的测量耕作土壤地表不平度,利用激光位移传感器设计了一套非接触式耕作土壤地表三维形貌测量装置,可获得区域内耕作地表的三维形貌图,并计算出地表不平度。该测量装置主要包括运动测试台、控制箱和基于Lab VIEW软件的数据采集系统,测量范围为1m×1m,空间分辨率为0. 001mm,距离分辨率为1mm。实验表明:测量装置的均方根误差为0. 017mm,表明该测量装置能够准确、高效地测量耕作土壤地表三维形貌,为后续耕作土壤地表三维形貌的理论分析与耕作土壤地表不平度评价提供了有效的支持。 相似文献
12.
犁耕土壤表面的三维分形插值重构 总被引：1，自引：0，他引：1
利用非接触式激光地面不平度仪测量三维犁耕地面不平度,采用不同的剔除率,对剔除后的犁耕地面不平度数据进行了三维分形插值重构,使用统计特性参数及分形特性参数对原始测量的犁耕地面不平度与插值重构后的犁耕地面不平度进行对比分析。研究结果表明:在剔除率小于80%的前提下,使用三维分形插值方法可重构出三维犁耕土壤表面,真实表达了原始的三维犁耕表面;并可得出犁耕土壤不平度的纵向无标度区间为459 mm,横向无标度区间为23 mm。这对三维犁耕地面不平度的最小测量间距提供了理论依据,为三维犁耕地面不平度重构提供了实用方法。 相似文献
13.
14.
基于winSRFR河套灌区小麦不同面积不同生育期的入渗参数和糙率的研究 总被引：1，自引：0，他引：1
为了研究小麦不同生育期土壤入渗参数和田面糙率的规律,采用国内外学者对测定土壤入渗参数和田面糙率的方法和模型,根据春小麦不同生育期的水流推进和消退的实测数据,借助win SRFR模型,通过模拟灌溉过程,总结了河套灌区小麦不同畦田面积不同生育期的入渗参数和糙率的规律。结果表明:1春小麦田面糙率的变化范围为0.12~0.17;入渗系数的变化范围为47.78~75.03 mm/hα;入渗指数的变化范围为0.26~0.57。2田面糙率的变化规律总体表现为灌浆期分蘖期孕穗期拔节期,春小麦入渗参数随着小麦生育期逐渐减小,其规律为分蘖期拔节期孕穗期灌浆期。3数据经Sigmaplot显著性分析得出:入渗参数各生育期互相都有显著差异,而糙率在各个生育期除了孕穗期与分蘖期和拔节期无显著性差异其他都有显著差异。 相似文献
15.
耕作土壤表面不平度分析 总被引：5，自引：3，他引：5
利用激光式不平度测试仪测定犁耕耕地地面、圆盘耙耙地地面和驱动耙耙地地面的不平度，测定地面不平度沿着3个方向进行，即平行、倾斜和垂直于耕作方向。对每一种地面不平度的RMS高度、自相关长度和自相关函数进行了分析，结果表明：对于短的地块，可用单一尺度来表征地表不平度的特征，地表不平度特征属于指数相关函数，RMS高度和自相关长度具有明显的相关性；对于长的地块，平整的农业地表不平度具有分形性或多尺度性，其自相关函数是一种分形过程。 相似文献
16.
砾石覆盖对海涂围垦区粉砂土坡面土壤可蚀性影响试验研究 总被引：2，自引：0，他引：2
通过人工模拟降雨试验,选取2种坡度(15°,30°),2种降雨强度(92,119 mm/h)和6种砾石覆盖度(0,10%,20%,40%,60%,80%),探究砾石覆盖对海涂围垦区粉砂土坡面侵蚀及土壤可蚀性的影响.结果表明:随累积降雨量增加,土壤可蚀性参数先增大后减小,并趋于稳定.坡度对土壤可蚀性影响显著,坡度越陡,坡面土壤可蚀性越大.砾石覆盖度与土壤可蚀性参数并非呈单调关系.坡度较陡且低覆盖度时,砾石覆盖增加坡面侵蚀;而当高覆盖度时,砾石覆盖可降低坡面径流速率,增加入渗率,减小土壤侵蚀率.适当盖度砾石覆盖能够改变边坡表面粗糙程度,降低坡面土壤可蚀性.砾石覆盖坡面径流雷诺数与土壤可蚀性参数呈显著线性负相关关系.通过径流雷诺数与土壤可蚀性参数线性关系定量分析能够较好反映坡面高钠盐土颗粒输移水动力学过程,对于构建盐碱土边坡泥沙输移预测模型具有重要意义. 相似文献
17.
快速获取大范围土壤地表粗糙度的空间分布是一个急需解决的科学难题。以快速获取内蒙古河套灌区解放闸灌域土壤地表粗糙度为目的,研究了RADARSAT-2雷达影像数据的地表粗糙度信息提取技术,通过剖面板法实测地表粗糙度数据。利用BP(Back Propagation)人工神经网络和LMBP(Levenberg-Marquardt Back Propagation)人工神经网络模型2种方法建立了土壤地表粗糙度的定量反演模型,并对模型进行验证。结果表明,LMBP模型的反演效果优于BP模型,其决定系数R2分别为0.888 3、0.689 2。建立的雷达后向散射系数反演土壤地表粗糙度的人工智能模型,能够在一定程度上满足快速获取土壤地表粗糙度的需要,为微波遥感监测土壤墒情及土壤盐渍化提供重要基础参数。 相似文献