脉冲云智能孢子捕捉仪的研制与小麦锈病远程监测
发布时间：2021-01-08 01:48
小麦是我国北方最重要的粮食作物,播种面积和产量仅次于水稻,居第二位,小麦产量的丰歉对我国粮食安全具有非常重要的影响。包括小麦条锈病（Puccinia striiformis）、小麦叶锈病（Puccinia recondita）和小麦秆锈病（Puccinia graminis）在内的三种小麦锈病是危害我国小麦生产最严重的病害,发生与危害程度呈现逐年加重的趋势。小麦锈病病原菌的智能识别与病情的远程智能监测是小麦锈病预测与防治的关键,研制智能化病害监测设备、实现小麦锈病病情的实时监测对我国小麦生产意义重大。本研究以小麦锈病作为研究对象,以脉冲云智能孢子捕捉仪的研制为起点,对不同材料透光度测定和显微成像对比,筛选出亚克力材质为最适合脉冲云智能孢子捕捉仪的载玻片材质;运用不同频率脉冲控制步进电机对滚珠丝杆进行型号筛选,确定了脉冲云智能孢子捕捉仪显微控制系统的脉冲频率为400次,滚珠丝杆型号为12-04,实现了系统的高清显微成像;对孢子捕捉仪两种不同进风方式的对比实验,明确了“鼓风”方式为脉冲云智能孢子捕捉仪的最佳进风方式,最终完成了脉冲云智能孢子捕捉仪的研制,这是国内首台以脉冲信号作为控制信号的...
【文章来源】：山东农业大学山东省
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
图3-1两种混合胶在显微镜下纯净度对比
图 3-2 脉冲云智能孢子捕捉仪显微控制系统Fig. 3-2 Microcontrol system of intelligent spore capture instrument，最初选用控制显微镜移动的滚珠丝杆型号为 16-05 型；16 表导程为 5mm，即丝杆旋转 360 度前进距离为 5mm，每 400，计算出每个脉冲的导程为 0.0125mm。后期，我们针对四种装调试，观察不同型号滚珠丝杆、不同数量脉冲信号调节下显图像的清晰度，经过对设备的反复改进，系统调节精准度进一丝杆，丝杆直径 12mm，导程为 4mm，即丝杆旋转 360 度带动m，目前使用 400 个脉冲，用减速电机对脉冲信号进行 36 倍放为 0.00028mm，实现了对显微镜成像系统的超微米级精确调精度。=导程/（脉冲数×减速倍数），在本研究中尝试四种滚珠丝杆与调节精度见表 3-1。16-05 型与 12-04 型滚珠丝杆，在 400 个
山东农业大学硕士学位论文表 3－1 脉冲云智能孢子捕捉仪精准调节系统滚珠丝杆型号对比Table 3-1 Intelligent spore capture instrument precision adjustment system ball screw model comparison滚珠丝杆型号 丝杆直径（mm） 丝杆导程(mm) 脉冲数 减速倍数 调节精度(mm)16-1016-1016-0516-0512-1012-1012-0412-0416161616121212121010551010442004002004002004002004000360360360360.050000.006940.025000.003470.050000.001390.020000.00028
【参考文献】：
期刊论文
[1]国外农业物联网技术发展及对我国的启示[J]. 唐珂. 中国科学院院刊. 2013(06)
[2]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟. 计算机研究与发展. 2013(09)
[3]小麦锈病的发生规律与防治措施[J]. 杨厚勇,李金榜,徐青,渠元春. 农业科技通讯. 2012(12)
[4]现代物理技术防治农林病虫害——绿色植保的发展新趋势[J]. 李建国,李博,张维强. 农业工程. 2012(10)
[5]离散小波变换和BP神经网络识别玉米种子纯度（英文）[J]. 曹维时,张春庆,王金星,刘双喜,许兴镇. 农业工程学报. 2012(S2)
[6]气候变化对中国农作物病害发生的影响[J]. 王丽,霍治国,张蕾,姜玉英,肖晶晶,卢小凤. 生态学杂志. 2012(07)
[7]基于GIS的农林病虫害综合管理研究进展[J]. 薛杰,陈宏明,姚青,杨保军,吕军,唐健. 工业控制计算机. 2012(03)
[8]商丘市小麦锈病预测模式研究[J]. 余卫东,朱晓东. 安徽农业科学. 2007(36)
[9]植物病原菌监测方法和技术[J]. 周益林,黄幼玲,段霞瑜. 植物保护. 2007(03)
[10]玉米图像几何特征的提取[J]. 吕一波,路迈西. 鸡西大学学报. 2006(04)
博士论文
[1]基于深度学习的暴力检测及人脸识别方法研究[D]. 丁春辉.中国科学技术大学 2017
[2]基于深度学习的图像分类方法研究[D]. 孟丹.华东师范大学 2017
[3]面向叶部病害识别的设施蔬菜监控视频关键帧提取方法研究[D]. 马浚诚.中国农业大学 2016
[4]基于浅层学习引导深度学习的行人检测[D]. 刘弋锋.武汉大学 2016
[5]基于深度学习的图像特征学习和分类方法的研究及应用[D]. 冯子勇.华南理工大学 2016
[6]基于病症图像的玉米病害智能诊断研究[D]. 赖军臣.石河子大学 2010
[7]目标轮廓提取方法研究[D]. 娄联堂.华中科技大学 2005
[8]基于机器视觉的谷物外观品质检测技术研究[D]. 凌云.中国农业大学 2004
硕士论文
[1]基于深度学习的人脸识别技术研究[D]. 钱程.西南交通大学 2017
[2]基于深度学习的图像分类的研究[D]. 闫蕾芳.山东大学 2017
[3]基于深度学习的图像分割研究[D]. 张明月.吉林大学 2017
[4]基于深度学习的主题建模方法研究[D]. 朱佳晖.武汉大学 2017
[5]基于深度学习的快速目标检测技术研究[D]. 王震.天津理工大学 2017
[6]基于深度学习的互联网图片人脸检索系统[D]. 朱翔.南京理工大学 2017
[7]基于深度学习的动作识别方法研究[D]. 韩敏捷.南京理工大学 2017
[8]红外热图像增强技术对植物病害监测研究[D]. 崔帅.湖南农业大学 2015
[9]基于灰度共生矩阵和BP神经网络的织物组织结构识别[D]. 柯维.苏州大学 2011
[10]BP神经网络的改进研究及应用[D]. 刘天舒.东北农业大学 2011
本文编号：2963664
【文章来源】：山东农业大学山东省
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
图3-1两种混合胶在显微镜下纯净度对比
图 3-2 脉冲云智能孢子捕捉仪显微控制系统Fig. 3-2 Microcontrol system of intelligent spore capture instrument，最初选用控制显微镜移动的滚珠丝杆型号为 16-05 型；16 表导程为 5mm，即丝杆旋转 360 度前进距离为 5mm，每 400，计算出每个脉冲的导程为 0.0125mm。后期，我们针对四种装调试，观察不同型号滚珠丝杆、不同数量脉冲信号调节下显图像的清晰度，经过对设备的反复改进，系统调节精准度进一丝杆，丝杆直径 12mm，导程为 4mm，即丝杆旋转 360 度带动m，目前使用 400 个脉冲，用减速电机对脉冲信号进行 36 倍放为 0.00028mm，实现了对显微镜成像系统的超微米级精确调精度。=导程/（脉冲数×减速倍数），在本研究中尝试四种滚珠丝杆与调节精度见表 3-1。16-05 型与 12-04 型滚珠丝杆，在 400 个
山东农业大学硕士学位论文表 3－1 脉冲云智能孢子捕捉仪精准调节系统滚珠丝杆型号对比Table 3-1 Intelligent spore capture instrument precision adjustment system ball screw model comparison滚珠丝杆型号 丝杆直径（mm） 丝杆导程(mm) 脉冲数 减速倍数 调节精度(mm)16-1016-1016-0516-0512-1012-1012-0412-0416161616121212121010551010442004002004002004002004000360360360360.050000.006940.025000.003470.050000.001390.020000.00028
【参考文献】：
期刊论文
[1]国外农业物联网技术发展及对我国的启示[J]. 唐珂. 中国科学院院刊. 2013(06)
[2]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟. 计算机研究与发展. 2013(09)
[3]小麦锈病的发生规律与防治措施[J]. 杨厚勇,李金榜,徐青,渠元春. 农业科技通讯. 2012(12)
[4]现代物理技术防治农林病虫害——绿色植保的发展新趋势[J]. 李建国,李博,张维强. 农业工程. 2012(10)
[5]离散小波变换和BP神经网络识别玉米种子纯度（英文）[J]. 曹维时,张春庆,王金星,刘双喜,许兴镇. 农业工程学报. 2012(S2)
[6]气候变化对中国农作物病害发生的影响[J]. 王丽,霍治国,张蕾,姜玉英,肖晶晶,卢小凤. 生态学杂志. 2012(07)
[7]基于GIS的农林病虫害综合管理研究进展[J]. 薛杰,陈宏明,姚青,杨保军,吕军,唐健. 工业控制计算机. 2012(03)
[8]商丘市小麦锈病预测模式研究[J]. 余卫东,朱晓东. 安徽农业科学. 2007(36)
[9]植物病原菌监测方法和技术[J]. 周益林,黄幼玲,段霞瑜. 植物保护. 2007(03)
[10]玉米图像几何特征的提取[J]. 吕一波,路迈西. 鸡西大学学报. 2006(04)
博士论文
[1]基于深度学习的暴力检测及人脸识别方法研究[D]. 丁春辉.中国科学技术大学 2017
[2]基于深度学习的图像分类方法研究[D]. 孟丹.华东师范大学 2017
[3]面向叶部病害识别的设施蔬菜监控视频关键帧提取方法研究[D]. 马浚诚.中国农业大学 2016
[4]基于浅层学习引导深度学习的行人检测[D]. 刘弋锋.武汉大学 2016
[5]基于深度学习的图像特征学习和分类方法的研究及应用[D]. 冯子勇.华南理工大学 2016
[6]基于病症图像的玉米病害智能诊断研究[D]. 赖军臣.石河子大学 2010
[7]目标轮廓提取方法研究[D]. 娄联堂.华中科技大学 2005
[8]基于机器视觉的谷物外观品质检测技术研究[D]. 凌云.中国农业大学 2004
硕士论文
[1]基于深度学习的人脸识别技术研究[D]. 钱程.西南交通大学 2017
[2]基于深度学习的图像分类的研究[D]. 闫蕾芳.山东大学 2017
[3]基于深度学习的图像分割研究[D]. 张明月.吉林大学 2017
[4]基于深度学习的主题建模方法研究[D]. 朱佳晖.武汉大学 2017
[5]基于深度学习的快速目标检测技术研究[D]. 王震.天津理工大学 2017
[6]基于深度学习的互联网图片人脸检索系统[D]. 朱翔.南京理工大学 2017
[7]基于深度学习的动作识别方法研究[D]. 韩敏捷.南京理工大学 2017
[8]红外热图像增强技术对植物病害监测研究[D]. 崔帅.湖南农业大学 2015
[9]基于灰度共生矩阵和BP神经网络的织物组织结构识别[D]. 柯维.苏州大学 2011
[10]BP神经网络的改进研究及应用[D]. 刘天舒.东北农业大学 2011
本文编号：2963664
本文链接：https://www.wllwen.com/nykjlw/dzwbhlw/2963664.html
