为在仅有少量训练样本条件下获得较高的植物病害分类精度,采用小样本学习模型作为病害分类器,在匹配网络、原型网络和关系网络3种典型小样本学习算法框架下分别采用Conv4、Conv6、ResNet10、ResNet18和ResNet34 5种浅层网络作为特征提取网络,在PlantVillage植物病害数据集上对病害识别性能进行对比试验。在1shot条件下,匹配网络、原型网络和关系网络对植物叶片病害识别的平均准确率分别为72.29%、72.43%和69.45%;其中原型网络+ResNet34为表现最好的组合,病害识别准确率达到了77.60%。在5shot条件下,匹配网络、原型网络和关系网络平均准确率分别为87.11%、87.50%和82.92%,各种网络病害识别准确率比1shot条件均有明显提升;原型网络+ResNet34依旧是表现最佳的组合方式,识别准确率达到89.66%。上述试验结果表明,通过优选小样本学习框架和特征提取网络的组合方式,对于少量样本的病害也能取得较好的识别效果。

针对国内花生机械播种机普遍存在缠绕壅堵、出苗不均匀等问题,设计一种新型花生免耕施肥播种机。该机设计新型的破茬清茬防缠绕刀具,并采用同位施肥技术,可一次性完成秸秆粉碎、开沟播种、施肥、覆土镇压等作业。田间试验结果表明:该免耕施肥播种机通过性能良好,有效地解决了秸秆对缠绕壅堵问题。播种、施肥深度合格率和变异系数分别为96%、92%和19.5%、15.6%,作业质量符合农艺要求。

在卷烟生产中,通过梗签二次分离再回收烟丝一直是烟草企业提高烟丝利用率减少浪费以获取更大经济效益的有效途径。现有的梗签剔除工艺主要是通过风选的方式实现,但风量的大小往往都是根据经验选择,缺乏相应的理论支撑。首先通过力学计算从理论上得到能够满足风选要求的负压范围,然后利用软件仿真对梗签二次分离装置中悬浮腔体内梗签和烟丝颗粒的运动状态进行分析,验证理论负压范围的科学性;最后通过试验分别统计梗签的剔除率和烟丝的回收率,进一步验证理论负压范围和仿真分析的有效性。其结果表明:当负压在-180kPa～-220kPa的范围内时,腔体内的气流状态和气流速度分布较为均匀,颗粒间的碰撞较少;同时,梗签剔除率为90%以上。