小麥是我國北方最重要的糧食作物,播種面積和產(chǎn)量僅次于水稻,居第二位,小麥產(chǎn)量的豐歉對我國糧食安全具有非常重要的影響。包括小麥條銹�。≒uccinia striiformis）、小麥葉銹�。≒uccinia recondita）和小麥稈銹�。≒uccinia graminis）在內(nèi)的三種小麥銹病是危害我國小麥生產(chǎn)最嚴重的病害,發(fā)生與危害程度呈現(xiàn)逐年加重的趨勢。小麥銹病病原菌的智能識別與病情的遠程智能監(jiān)測是小麥銹病預(yù)測與防治的關(guān)鍵,研制智能化病害監(jiān)測設(shè)備、實現(xiàn)小麥銹病病情的實時監(jiān)測對我國小麥生產(chǎn)意義重大。本研究以小麥銹病作為研究對象,以脈沖云智能孢子捕捉儀的研制為起點,對不同材料透光度測定和顯微成像對比,篩選出亞克力材質(zhì)為最適合脈沖云智能孢子捕捉儀的載玻片材質(zhì);運用不同頻率脈沖控制步進電機對滾珠絲桿進行型號篩選,確定了脈沖云智能孢子捕捉儀顯微控制系統(tǒng)的脈沖頻率為400次,滾珠絲桿型號為12-04,實現(xiàn)了系統(tǒng)的高清顯微成像;對孢子捕捉儀兩種不同進風方式的對比實驗,明確了“鼓風”方式為脈沖云智能孢子捕捉儀的最佳進風方式,最終完成了脈沖云智能孢子捕捉儀的研制,這是國內(nèi)首臺以脈沖信號作為控制信號的... 

【文章來源】：山東農(nóng)業(yè)大學山東省

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【部分圖文】：

圖3-1兩種混合膠在顯微鏡下純凈度對比

圖 3-2 脈沖云智能孢子捕捉儀顯微控制系統(tǒng)Fig. 3-2 Microcontrol system of intelligent spore capture instrument，最初選用控制顯微鏡移動的滾珠絲桿型號為 16-05 型；16 表導程為 5mm，即絲桿旋轉(zhuǎn) 360 度前進距離為 5mm，每 400，計算出每個脈沖的導程為 0.0125mm。后期，我們針對四種裝調(diào)試，觀察不同型號滾珠絲桿、不同數(shù)量脈沖信號調(diào)節(jié)下顯圖像的清晰度，經(jīng)過對設(shè)備的反復(fù)改進，系統(tǒng)調(diào)節(jié)精準度進一絲桿，絲桿直徑 12mm，導程為 4mm，即絲桿旋轉(zhuǎn) 360 度帶動m，目前使用 400 個脈沖，用減速電機對脈沖信號進行 36 倍放為 0.00028mm，實現(xiàn)了對顯微鏡成像系統(tǒng)的超微米級精確調(diào)精度。=導程/（脈沖數(shù)×減速倍數(shù)），在本研究中嘗試四種滾珠絲桿與調(diào)節(jié)精度見表 3-1。16-05 型與 12-04 型滾珠絲桿，在 400 個

山東農(nóng)業(yè)大學碩士學位論文表 3－1 脈沖云智能孢子捕捉儀精準調(diào)節(jié)系統(tǒng)滾珠絲桿型號對比Table 3-1 Intelligent spore capture instrument precision adjustment system ball screw model comparison滾珠絲桿型號 絲桿直徑（mm） 絲桿導程(mm) 脈沖數(shù) 減速倍數(shù) 調(diào)節(jié)精度(mm)16-1016-1016-0516-0512-1012-1012-0412-0416161616121212121010551010442004002004002004002004000360360360360.050000.006940.025000.003470.050000.001390.020000.00028

【參考文獻】：
期刊論文
[1]國外農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)發(fā)展及對我國的啟示[J]. 唐珂.  中國科學院院刊. 2013(06)
[2]深度學習的昨天、今天和明天[J]. 余凱,賈磊,陳雨強,徐偉.  計算機研究與發(fā)展. 2013(09)
[3]小麥銹病的發(fā)生規(guī)律與防治措施[J]. 楊厚勇,李金榜,徐青,渠元春.  農(nóng)業(yè)科技通訊. 2012(12)
[4]現(xiàn)代物理技術(shù)防治農(nóng)林病蟲害——綠色植保的發(fā)展新趨勢[J]. 李建國,李博,張維強.  農(nóng)業(yè)工程. 2012(10)
[5]離散小波變換和BP神經(jīng)網(wǎng)絡(luò)識別玉米種子純度（英文）[J]. 曹維時,張春慶,王金星,劉雙喜,許興鎮(zhèn).  農(nóng)業(yè)工程學報. 2012(S2)
[6]氣候變化對中國農(nóng)作物病害發(fā)生的影響[J]. 王麗,霍治國,張蕾,姜玉英,肖晶晶,盧小鳳.  生態(tài)學雜志. 2012(07)
[7]基于GIS的農(nóng)林病蟲害綜合管理研究進展[J]. 薛杰,陳宏明,姚青,楊保軍,呂軍,唐健.  工業(yè)控制計算機. 2012(03)
[8]商丘市小麥銹病預(yù)測模式研究[J]. 余衛(wèi)東,朱曉東.  安徽農(nóng)業(yè)科學. 2007(36)
[9]植物病原菌監(jiān)測方法和技術(shù)[J]. 周益林,黃幼玲,段霞瑜.  植物保護. 2007(03)
[10]玉米圖像幾何特征的提取[J]. 呂一波,路邁西.  雞西大學學報. 2006(04)

博士論文
[1]基于深度學習的暴力檢測及人臉識別方法研究[D]. 丁春輝.中國科學技術(shù)大學 2017
[2]基于深度學習的圖像分類方法研究[D]. 孟丹.華東師范大學 2017
[3]面向葉部病害識別的設(shè)施蔬菜監(jiān)控視頻關(guān)鍵幀提取方法研究[D]. 馬浚誠.中國農(nóng)業(yè)大學 2016
[4]基于淺層學習引導深度學習的行人檢測[D]. 劉弋鋒.武漢大學 2016
[5]基于深度學習的圖像特征學習和分類方法的研究及應(yīng)用[D]. 馮子勇.華南理工大學 2016
[6]基于病癥圖像的玉米病害智能診斷研究[D]. 賴軍臣.石河子大學 2010
[7]目標輪廓提取方法研究[D]. 婁聯(lián)堂.華中科技大學 2005
[8]基于機器視覺的谷物外觀品質(zhì)檢測技術(shù)研究[D]. 凌云.中國農(nóng)業(yè)大學 2004

碩士論文
[1]基于深度學習的人臉識別技術(shù)研究[D]. 錢程.西南交通大學 2017
[2]基于深度學習的圖像分類的研究[D]. 閆蕾芳.山東大學 2017
[3]基于深度學習的圖像分割研究[D]. 張明月.吉林大學 2017
[4]基于深度學習的主題建模方法研究[D]. 朱佳暉.武漢大學 2017
[5]基于深度學習的快速目標檢測技術(shù)研究[D]. 王震.天津理工大學 2017
[6]基于深度學習的互聯(lián)網(wǎng)圖片人臉檢索系統(tǒng)[D]. 朱翔.南京理工大學 2017
[7]基于深度學習的動作識別方法研究[D]. 韓敏捷.南京理工大學 2017
[8]紅外熱圖像增強技術(shù)對植物病害監(jiān)測研究[D]. 崔帥.湖南農(nóng)業(yè)大學 2015
[9]基于灰度共生矩陣和BP神經(jīng)網(wǎng)絡(luò)的織物組織結(jié)構(gòu)識別[D]. 柯維.蘇州大學 2011
[10]BP神經(jīng)網(wǎng)絡(luò)的改進研究及應(yīng)用[D]. 劉天舒.東北農(nóng)業(yè)大學 2011



本文編號：2963664