排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
主流果蔬采收末端执行器根据采收的果蔬品种和果梗木制纤维材质的不同,结构差异较大,均存在占据空间大、结构笨重、易碰撞果实和易造成损伤等问题,不利于果梗切割,因此研究一种结构灵活、占据空间小、切割省力的适用于不同果梗木制纤维的超声切割刀应用于果蔬采收末端执行器非常重要。本研究采用理论-有限元-试验相结合的方式对超声切割刀切割果梗的机理进行分析。首先建立了超声刀具切割果梗的物理场模型,通过对切割过程进行时空分析,建立了其位移、速度、加速度等数学模型,分析了切割过程的时空不连续性,基于断裂力学对果梗切割机理进行研究并绘制Matlab响应面图,可以发现超声切割所需要的力小于常规切割。利用有限元分析软件,对超声刀具进行了模态分析和谐响应分析,得到了刀具在不同频率下的振动模态和利于切割的最佳频率。最后,利用自制试验台采用不同切割速度分别对不同直径的橘子和橙子果梗进行了超声切割试验。试验结果表明：切割速度和激振频率与采收切断力有关,在高频和低频振动下,随着果梗直径增加,切割时间变化在0.4s内,切割效率稳定;试验中超声切割的最大切断力远小于常规切割,且小于1N,超声切割可以很有效地降低切断力,减小切割时的冲击作用,相对于常规切割切断能力更强,适合将其应用到采收末端执行器,从而获得更高的采收效率。 相似文献
2.
针对现有检测方式难以大面积准确检测果园单株猕猴桃病虫害信息，且仅凭地面或者遥感数据获取信息不全的问题，通过搭建地面数据采集设备，配合无人机采集遥感图像，从空地两个角度获取了更全面的猕猴桃冠层叶片病虫害信息。选取Pytorch深度学习框架，使用YOLO v5s算法进行病虫害叶片的目标检测。计算单株果树被害率时，通过图像处理统计被害叶片与冠层叶片的像素数来代替数量统计。在冠层像素数计算过程中，对比K-means聚类分析与大津法阈值分割算法，后者用时更少，操作更加简单。最终得到每株果树冠层不同部分的病害率和虫害率，结果表明，该检测模型精确率为99.54%,召回率为99.24%,验证集目标检测和分类损失值均值分别为0.084 69和0.000 83。同时，分别选取无人机和地面病害和虫害数据20个，将检测模型获得的病虫害叶片数量的预测值与人工标注的真实值进行比较，遥感和地面的病害与虫害检测模型的平均绝对值误差分别为3.5、2.5、0.9和0.45。地面数据检测效果好于遥感数据检测效果。本研究可为建立猕猴桃果园病虫害检测系统提供依据，同时为猕猴桃果园的精细化管理提供指导。 相似文献
1