绿色智造视域下高素质技术技能人才培养模式研究

在“双高”建设及“十四五”规划背景下,高职院校应组建绿色智造专业群、深度对接并主动服务区域主导产业,以实现专业群高水平建设,更好地服务社会经济发展。基于此,课题组从国家制造业发展趋势和绿色化发展趋势出发,结合绿色智造对高素质技术技能人才培养需求,剖析了绿色智造维度下高素质技术技能人才培养存在的问题,提出了绿色智造维度的“双元三融六共”高素质技术技能人才培养模式。教学实践表明,“双元三融六共”高素质技术技能人才培养模式,可实现专业群基础课程的底层互通,打造专创融合标准与创新评价指标,培养学生的创新创业能力,提升人才的培养质量,促进学生综合能力培养和个性化培养,并引领同类专业群发展。     

基于深度学习的水稻精量穴播排种系统设计与测试

针对当前水稻穴播机缺乏实时监测和自主调节机制,无法对播种状态进行实时修正的弊端,为进一步提升穴播机的核心性能指标,提出一种基于深度学习的水稻精量穴播排种系统。采用YOLOv5检测模型在自制水稻种粒数据集上进行特征训练,通过增加检测尺度和优化初始锚框参数增强算法模型对小目标颗粒对象的检测精度,将训练好的水稻种粒检测器与DeepSORT算法连接,实现对水稻种粒的追踪计数。机具控制端将检测模型输出结果与农艺指标进行对比,通过计算种粒数量偏差实时修正振送器送种速率,运用PID控制技术实时对排种状态进行自我调节,最终实现智能排种。研究结果显示,经过优化后的YOLOv5水稻种粒检测器准确率为98.6%,召回率为98.8%,平均精度为99.1%,相较于原版YOLOv5准确率上升了3.0百分点,召回率提升了3.6百分点,平均精度提升了3.2百分点;本设计水稻排种系统空穴率为1.33%,穴粒合格率为95.6%,符合水稻直播机国家标准,相较于未引入深度学习的样机空穴率下降了2.12百分点,穴粒合格率提升了8.73百分点。结果表明,本设计的水稻穴播排钟系统在检测性能和核心指标上均有提升,可以为传统农机与人工...     

穴盘移栽指铲式末端执行器苗钵基质抓取仿真与试验

针对针式末端执行器夹持移栽后穴孔内基质残留较多的问题,设计了一种指铲式末端执行器,通过增大指铲与苗钵基质的接触面积,减少穴孔内基质的残留。通过静力学分析找出末端执行器提取苗钵后基质残留的原因:基质间的最大内聚力小于由基质与穴盘间的粘附力和苗钵重力合成的总阻力时,苗钵出现破裂,基质塌陷。基于离散单元法,通过EDEM(Enhanced discrete element method)仿真分析了指铲式末端执行器对土壤基质的抓取过程,发现随着土壤基质内聚力的提高基质残留的现象得到改善;将基质配比和含水率条件作为主要影响因素,通过组合测盘试验测量在不同基质配比和含水率试验条件下的粘附力和内聚力变化,寻找内聚力大于粘附力的基质配比和含水率条件。试验表明,当相对含水率为60%、基质配比为6∶3∶1(泥炭∶蛭石∶珍珠岩)时,内聚压强和粘附压强的差值最大,在该条件下,指铲式末端执行器对劣质苗钵穴孔基质的平均剔净率达到70. 8%,优于其他作业条件,可剔除穴孔内大部分基质。