设施蔬菜生产中对肥液电导率(EC)的精量调控是实现智能灌溉的关键技术之一。肥液混合过程中,由于母液浓度、吸肥方式和灌溉流量等存在差异,试验检测到的EC值会产生滞后和不稳定现象。针对上述问题,本研究设计了一种通过测量频率间接得到肥液电导率的传感器,并以MSP430单片机为主控制器构建了一套水肥调控试验系统。同时,在肥液调控方法方面设计了粗细分段控制策略,控制方法均为以输出相应的占空比来控制吸肥电磁阀的开闭。当实测EC值与目标EC值相差较大时,采用PI控制方法,能够快速缩小差距;而当两者偏差较小时,采用模糊控制可以使混肥EC值逼近设定值。此外,试验利用多管路复合式文丘里,设计了4组不同的EC目标值和4种不同的吸肥管路组合进行吸肥测试。结果表明,EC传感器间接测量到的频率与实际肥液EC值有显著的线性关系,决定系数为0.999 5,保证了测试精度。当目标EC值设定为2 m S/cm时,分段控制情况下实测EC达到稳态的用时为122 s,最大EC值为2.34 m S/cm,优于采用单PI控制的180 s和2.62 m S/cm。且目标EC值越大,稳态EC值越精确,但是稳态时延和过量超调现象更明显。本研究表明分段调控能够较好地克服EC值的过量超调,同时混肥时间和实测EC值能够满足实际需求。
讨论了基于高光谱成像技术光谱及纹理特征在识别早期柑橘黄龙病中的应用。使用一套近地高光谱成像系统采集了176枚柑橘叶片的高光谱图像作为实验样品,其中健康叶片60枚,黄龙病叶片60枚,缺锌叶片56枚。手工选取每幅叶片高光谱图像的病斑位置作为样品感兴趣区域（regions of interest,ROI）,计算其平均光谱反射率,并以此作为样品的反射光谱,光谱范围为396～1 010nm。样品光谱分别经过主成分分析（PXA）及连续投影算法（SPA）进行数据降维,再结合最小二乘支持向量机（LS-SVM）分类器建立分类模型。相比原始光谱,由PCA选取的前四个主成分及SPA选取的一组最佳波长组合（630.4,679.4,749.4和899.9 nm）建立的模型拥有更好的分类识别能力,其对三类柑橘叶片平均预测准确率分别为89.7%和87.4%。同时,从被选四个波长的每幅灰度图像中提取6个灰度直方图的纹理特征以及9个灰度共生矩阵的纹理特征再次构建分类模型。经SPA优选的10个纹理特征值进一步提高了分类效果,对三类柑橘叶片的识别正确率达到了100%,93.3%和92.9%。实验结果表明,同时包含光谱信息及空间纹理信息的高光谱图像在柑橘黄龙病的识别中显示了很大的潜力。
暂无评论