检索结果-内蒙古大学图书馆

北京市农林科学院蔬菜研究中心科研进展

引用

中国蔬菜 2002年第1期 59-59页

作者：刘玲北京市农林科学院蔬菜研究中心 100089

来源：评论

学校读者我要写书评

暂无评论

北京市农林科学院蔬菜研究中心工会多项措施搭起职工“连心桥”

引用

工会博览 2009年第12期 15-15页

作者：洪敏北京市农林科学院蔬菜研究中心工会

北京市农林科学院蔬菜研究中心(以下简称蔬菜研究中心)历经50年的建设与发展和三代农业科技工作者的努力与奉献,现已发展成为一所研究设施先进、专业设置配套、技术力量雄厚、开发前景广阔、综合实力居国内一流水平的蔬菜专业研究机构。

关键词：学雷锋蔬菜园艺作物北京市农林科学院蔬菜研究中心

来源：评论

学校读者我要写书评

暂无评论

基于数据-物理混合模型的菇房空调节能控制方法

引用

农业工程学报 2025年第4期41卷 309-317页

作者：孔祥书郑文刚张馨王明飞单飞飞赵倩北京市农林科学院智能装备技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097

针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题,该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先,使用门控循环单元神经网络(gated recurrent unit neural network... 详细信息

针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题,该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先,使用门控循环单元神经网络(gated recurrent unit neural network, GRU)与注意力机制(attention)作为预测模型,将菇房内部热平衡方程纳入损失函数中,实现基于数据-物理混合模型的菇房温度预测方法。然后,基于模型输出与参考轨迹的偏离程度和设备控制量建立目标函数。最后,利用改进型Adam算法快速地求解出空调在控制时域内的最优控制序列,实现菇房空调能耗最优控制。试验结果表明:与纯数据驱动的GRU模型相比,本文所提出的菇房温度预测模型,预测精度提高18%,均方根误差可控制在0.10℃内。与自适应矩估计(adaptive moment estimation,Adam)优化算法相比,改进型Adam算法适应度值降低6%,与带精英策略的快速非支配排序遗传算法相比(non-dominated sorting genetic algorithmⅡ, NSGA-Ⅱ)运算时长减少81%。与传统的阈值控制方法相比,本文所提出的模型预测控制方法跟踪精度提高63%,控制精度的均方根误差平均降低了73%,空调能耗平均降低了12%。该研究为菇房空调的节能控制提供了有效的控制方法。

关键词：节能模型预测控制深度学习数据-物理混合驱动模型菇房

来源：评论

学校读者我要写书评

暂无评论

基于电容法和深度补偿的机载式玉米播种种沟土壤墒情在线检测系统设计与试验

引用

农业机械学报 2025年第4期56卷 87-97页

作者：张安琪高宁温昌凯杨兴华梅鹤波颜丙新王培孟志军北京市农林科学院智能装备技术研究中心

针对现有玉米播种装备缺乏土壤墒情在线检测系统,且已有的土壤墒情在线检测系统检测精度不高、环境适应差的问题,本文提出了一种基于电容法和深度补偿的土壤墒情检测方法,开发了一套机载式玉米播种种沟墒情在线检测系统。开展了电容器... 详细信息

针对现有玉米播种装备缺乏土壤墒情在线检测系统,且已有的土壤墒情在线检测系统检测精度不高、环境适应差的问题,本文提出了一种基于电容法和深度补偿的土壤墒情检测方法,开发了一套机载式玉米播种种沟墒情在线检测系统。开展了电容器结构优化参数仿真试验,确定了最佳电容极板参数为:极板间距75.8 mm、极板厚度0.7 mm、极板相对面积5 073 mm2,其长度为100 mm,宽度为50.73 mm;系统硬件部分主要包括FDC2214型电容传感器、F4046型压力传感器和STM32F103型单片机,电容传感器用于获取待测土壤电容,压力传感器用于获取待测土壤压力,间接反推待测区域土壤深度;系统软件则利用Matlab平台进行开发,用于对土壤电容信号和压力信号的实时采集、计算、显示与存储。基于该系统探究了土壤墒情检测模型影响因素,构建了基于BP神经网络的土壤墒情检测模型,建模试验结果表明,当土壤墒情为7.23%～21.14%时,模型预测性能指标R2、RMSE和RPD分别为0.927、0.008和3.70,预测效果较好。最终,将构建的模型集成到土壤墒情在线检测系统,开展了台架与田间验证试验。台架试验结果表明,土壤墒情实际值与检测值的拟合决定系数R2均为0.852～0.927,土壤墒情预测结果绝对误差为-2.89%～2.57%,绝对误差平均值为1.01%;田间试验结果表明,土壤墒情检测值与实际值拟合曲线决定系数R2为0.842,土壤墒情检测绝对误差为-0.96%～0.45%,平均绝对误差为0.39%。本研究所研制的检测系统性能满足玉米播种机田间作业时土壤墒情检测需求。

关键词：玉米播种土壤墒情在线检测系统电容深度

来源：评论

学校读者我要写书评

暂无评论

基于多模态融合大模型架构Agri-QA Net的作物知识问答系统

引用

智慧农业(中英文) 2025年第1期7卷 1-10页

作者：吴华瑞赵春江李静晨北京市农林科学院信息技术研究中心北京100079

[目的/意义]随着农业信息化和智能化的快速发展,多模态人机交互技术在农业领域的重要性日益凸显。本研究提出了一种基于多模态融合的大模型架构Agri-QA Net,旨在针对甘蓝作物的农业知识,设计多模态专业问答系统。[方法]该模型通过整合... 详细信息

[目的/意义]随着农业信息化和智能化的快速发展,多模态人机交互技术在农业领域的重要性日益凸显。本研究提出了一种基于多模态融合的大模型架构Agri-QA Net,旨在针对甘蓝作物的农业知识,设计多模态专业问答系统。[方法]该模型通过整合文本、音频和图片数据,利用预训练的BERT(Bidirectional Encoder Representations from Transformers)模型提取文本特征,声学模型提取音频特征,以及卷积神经网络提取图像特征,并采用基于Transformer的融合层来整合这些特征。此外,引入跨模态注意力机制和领域自适应技术,增强了模型对农业领域专业知识的理解和应用能力。本研究通过收集和预处理甘蓝种植相关的多模态数据,训练并优化了AgriQA Net模型。[结果和讨论]实验评估表明,该模型在甘蓝农业知识问答任务上表现出色,相较于传统的单模态或简单多模态模型,具有更高的准确率和更好的泛化能力。在多模态输入的支持下,其准确率达到了89.5%,精确率为87.9%,召回率为91.3%,F_(1)值为89.6%,均显著高于单一模态模型。[结论]案例研究展示了Agri-QA Net在实际农业场景中的应用效果,证明了其在帮助农民解决实际问题中的有效性。未来的工作将探索模型在更多农业场景中的应用,并进一步优化模型性能。

关键词：多模态融合人机交互农业知识问答甘蓝作物大语言模型

来源：评论

学校读者我要写书评

暂无评论

基于大语言模型的个性化作物水肥管理智能决策方法

引用

智慧农业(中英文) 2025年第1期7卷 11-19页

作者：吴华瑞李静晨杨雨森北京市农林科学院信息技术研究中心北京100079

[目的/意义]为解决当前作物管理中个性化需求难以捕捉、决策过程缺乏灵活性难题,本研究提出了一种基于大语言模型的个性化作物生产智能决策方法[方法]通过自然语言对话收集用户在蔬菜作物管理过程中的个性化需求,涵盖产量、人力资源消... 详细信息

[目的/意义]为解决当前作物管理中个性化需求难以捕捉、决策过程缺乏灵活性难题,本研究提出了一种基于大语言模型的个性化作物生产智能决策方法[方法]通过自然语言对话收集用户在蔬菜作物管理过程中的个性化需求,涵盖产量、人力资源消耗和水肥消耗等方面。随后,将作物管理过程建模为多目标优化问题,同时考虑用户个性化偏好和作物产量,并采用强化学习算法来学习作物管理策略。水肥管理策略的训练通过与环境的交互持续更新,学习在不同条件下采取何种行动以实现最优决策,从而实现个性化的作物管理。[结果和讨论]在gym-DSSAT(Gym-Decision Support System for Agrotechnology Transfer)仿真平台上进行的实验,结果表明,所提出的个性化作物生产智能决策方法能够有效地根据用户的个性化偏好调整作物管理策略。[结论]通过精准捕捉用户的个性化需求,该方法在保证作物产量的同时,优化了人力资源与水肥资源的消耗。

关键词：作物管理大语言模型多目标决策个性化决策 PPO算法

来源：评论

学校读者我要写书评

暂无评论

丘陵山地水稻机械化技术研究现状与展望

引用

农业工程学报 2025年第1期41卷 1-11页

作者：赵春江马晨李瑾王小萌北京市农林科学院信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097

作为丘陵山地种植历史最久、种植面积最广、产量最高的农作物,水稻耕种收综合机械化水平的提升对于推进整个丘陵山地农业机械化全程全面高质量发展意义重大。该文以丘陵山地水稻机械化关键技术为“切口”,在梳理国内丘陵山地的特征与丘... 详细信息

作为丘陵山地种植历史最久、种植面积最广、产量最高的农作物,水稻耕种收综合机械化水平的提升对于推进整个丘陵山地农业机械化全程全面高质量发展意义重大。该文以丘陵山地水稻机械化关键技术为“切口”,在梳理国内丘陵山地的特征与丘陵山地水稻机械化发展现状的基础上,围绕水稻耕、种、收等主要环节的生产机械化开展技术前沿与态势分析,剖析国内外水稻机械化技术装备研发差距,提出不同环节下国内丘陵山地水稻机械化发展面临的挑战,并展望未来丘陵山地水稻机械化发展态势,以期为推动水稻全程全域生产机械化水平提升、补齐丘陵山地农机化发展短板、建设现代农业强国提供新思路、新方向。研究表明:1)2022年国内丘陵山地水稻耕种收综合机械化率为80.8%,并且在不同的环节间、地区间发展不平衡不充分;2)与先进国家相比,国内的水稻耕种收机械研发与应用起步较晚、基础不牢、产品的综合性能不高,特别是针对丘陵山地的轻量、高效、高稳定性的水稻耕种收机械相对匮乏,发动机高功率低排放设计制造技术、刀具抗损降耗优化设计技术、车架轻量化设计技术等关键技术仍有待进一步攻克;3)轻量化、智能化、绿色化等是未来国内丘陵山地水稻生产作业装备发展方向与趋势。

关键词：丘陵山地水稻机械化关键技术主要挑战未来趋势

来源：评论

学校读者我要写书评

暂无评论

深松作业质量多维度综合评价方法研究

引用

农业机械学报 2025年第4期56卷 81-86+97页

作者：王培张安琪安晓飞尹彦鑫王虹孟志军北京市农林科学院智能装备技术研究中心国家农业信息化工程技术研究中心北京市密云区农业农村局

针对深松作业质量评价指标单一、横向比较偏差显著等问题,通过在农机上装载智能终端设备,采集农机作业GNSS、作业深度等信息,基于最小-最大归一化法,分析深松作业面积、作业效率、作业覆盖率、作业深度达标率、作业时间利用率等深松作... 详细信息

针对深松作业质量评价指标单一、横向比较偏差显著等问题,通过在农机上装载智能终端设备,采集农机作业GNSS、作业深度等信息,基于最小-最大归一化法,分析深松作业面积、作业效率、作业覆盖率、作业深度达标率、作业时间利用率等深松作业特征向量,并基于专家打分的调查问卷法确定特征向量权重,构建深松作业质量指数(AMQI),评估深松作业综合质量。2022年在黑龙江省红星农场开展深松作业质量监测实验,通过对33台不同深松设备跟踪分析,并与传统分析方法进行对比,结果表明,归一化特征向量消除不同特征间量纲影响,反映农机特征大小分布,AMQI也反映深松作业综合质量,与达标面积评价法相比,评级维度更多,且评价更加全面和科学,可以为农机作业评价提供数据支撑。

关键词：深松作业作业质量特征向量归一化处理

来源：评论

学校读者我要写书评

暂无评论

玉米免耕播种机镇压力精准调控系统设计与试验

引用

农业机械学报 2025年第4期56卷 72-80页

作者：安晓飞周雨来李立伟秦维贤孟志军尹彦鑫丛岳新疆农业大学机电工程学院北京市农林科学院智能装备技术研究中心

针对玉米免耕播种机播种镇压力稳定性差和镇压强度不均等问题,设计了一种基于PID控制的镇压力精准调控系统。该系统由镇压力检测单元、液压调节装置、控制器、终端和机械执行部件组成。基于拉力传感器、角度传感器测量数据,采用Origin... 详细信息

针对玉米免耕播种机播种镇压力稳定性差和镇压强度不均等问题,设计了一种基于PID控制的镇压力精准调控系统。该系统由镇压力检测单元、液压调节装置、控制器、终端和机械执行部件组成。基于拉力传感器、角度传感器测量数据,采用Origin软件构建镇压力与两传感器测量数据之间的关系模型。系统通过镇压力进行闭环反馈,应用PID控制算法计算控制变量,实时调节液压缸伸缩,实现对镇压力的精确控制。系统阶跃响应测试结果表明,镇压力精准调控系统调节时间均值为1.13 s,稳态误差均值为2.7 N,超调量均值为3.23%。田间试验结果表明,当设定目标镇压力为159、182 N、播种机作业速度为5～9 km/h时,基于液控调节方式下镇压力相对误差为3.08%～5.38%,均方根误差为6.63～10.09N,机械调节方式下镇压力相对误差为5.05%～11.48%,均方根误差为11.67～22.49 N。基于液控调节方式的播种机试验指标显著优于基于机械调节方式的指标,提高了镇压力稳定性,为保障玉米免耕播种质量提供了技术装备支撑。

关键词：玉米免耕播种机镇压力调控系统

来源：评论

学校读者我要写书评

暂无评论

基于GA-BP的联合收获机小麦含水率检测模型研究

引用

农业机械学报 2025年第2期56卷 325-332页

作者：安晓飞代均益李立伟卢昊尹彦鑫孟志军新疆农业大学机电工程学院乌鲁木齐830052 北京市农林科学院智能装备技术研究中心北京100097

为进一步提高基于介电特性的联合收获机小麦含水率检测装置模型检测精度和适用范围,本研究以“京冬22号”、“蜀麦1958”、“涡麦33”3个品种小麦为研究对象,测量含水率范围为8.41%~21.6%,检测温度范围为5~40℃,容重范围为714.44~777.58... 详细信息

为进一步提高基于介电特性的联合收获机小麦含水率检测装置模型检测精度和适用范围,本研究以“京冬22号”、“蜀麦1958”、“涡麦33”3个品种小麦为研究对象,测量含水率范围为8.41%~21.6%,检测温度范围为5~40℃,容重范围为714.44~777.58 kg/m^(3)的小麦相对介电常数。试验结果表明,同一温度条件下,容重越大,相对介电常数越大;在同一容重条件下,相对介电常数会随温度升高而增大,也随含水率升高而变大。采用校正集样本150个,预测集样本42个,基于遗传算法优化BP神经网络(GA-BP)的方法建立了相对介电常数、温度、容重与小麦含水率的关系模型,模型采用3-5-1结构,最大迭代次数1000次,学习误差阈值1×10^(-6)。校正集R^(2)、RMSE、MAE分别为0.996、0.241%、0.189%;预测集R^(2)、RMSE、MAE分别为0.993、0.295%、0.189%,该模型具有较高的检测精度和稳定性,为不同品种小麦含水率在线检测提供了一种新的检测方法。

关键词：联合收获机小麦含水率检测模型遗传算法 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：