为探明干旱地区近地表水汽特征及凝结水发生过程水汽动态，选取沙漠边缘（TD）、干旱区（CANX）和半干旱区（SANX）3种地理条件作为研究对象，采用流体静力学积分法计算了近地表水汽通量和水汽含量，用叶片湿度传感器测算了地上5 cm处凝结水量，分析了水汽时空特征、凝结水发生过程和无凝结水昼夜水汽动态。结果表明：观测时段TD、CANX和SANX年均凝结水量分别为13.35、22.68和32.80 mm，差异显著（P<0.05）。3个测站水汽通量、水汽含量差异显著（P <0.05），SANX水汽通量、水汽含量峰值在7月，TD和CANX在8月，TD、CANX和SANX最大月平均水汽通量分别为21.2、19.4 和13.9 kg/(m·s)，最大月平均水汽含量分别为11.35、11.23和13.69 mm。水汽传输具有特定的风向，TD为0°～60°和150°～210°、CANX为180°～240°、SANX为0°～30°、120°～240°和300°～359°。凝结水发生时，水汽通量、水汽含量呈下降趋势，凝结水量与水汽含量呈负相关（P <0.05）；凝结水消散阶段，水汽通量、水汽含量呈增加趋势。无凝结水发生昼夜，水汽通量先降低后增加，水汽含量呈增加趋势。研究结果对于揭示不同地理条件近地表水汽特征和用近地表水汽动态推断凝结水发生过程具有参考价值。

耕地水土平衡关系是维持耕地生产力、生态稳定性与可持续利用能力的基础支撑和核心调控机制，研究耕地水土平衡关系对于支撑“以水定地”，促进耕地空间布局优化、作物种植结构优化和水土资源可持续利用具有重要现实意义。该研究以中国北方五大农业区为研究区，基于2001—2022年逐月栅格气象数据、作物种植结构与总初级生产力（gross primary productivity，GPP）数据，采用FAO-56作物系数法估算冬小麦、春玉米和夏玉米全生育期作物需水量，构建旬尺度作物水分盈亏指数（crop water deficit index，CWDI）及其标准化指数（standardized crop water deficit index，SCWDI），并结合游程理论、经验正交函数（empirical orthogonal function，EOF）、相关分析和Copula–Bayesian条件概率模型，系统识别北方耕地水土平衡关系的时空演变、作物需水临界期及干旱胁迫下的生产力损失风险。结果表明：1）研究区冬小麦与玉米全生育期多年均值需水分别为500 mm与594 mm，其中春玉米为627 mm、夏玉米为536 mm；需水量呈显著区域差异，冬小麦：黄淮海区521 mm>黄土高原区514 mm>甘新区467 mm，而春玉米在甘新区最高（662 mm）。2）研究区平均干旱事件频率为0.4～2.0次/a，甘新区表现出特旱占比较高、历时较长、强度较大的累积型干旱特征，黄淮海区则以高频、短历时干旱为主。3）EOF分解显示前5个模态累计解释73.7%的方差，EOF1和EOF2贡献率分别为28.6%和20.0%，表明北方耕地干湿变化在年际尺度上同时具有全区一致性和区域差异性特征。4）SCWDI与SGPP相关分析表明，春玉米和夏玉米识别的关键月份为7月、冬小麦为5月，考虑累积效应后，春玉米、夏玉米和冬小麦的关键需水阶段分别对应5—6月、6月和3—4月。5）春玉米与夏玉米的SCWDI—SGPP以Gaussian Copula拟合效果最佳，冬小麦以Frank Copula最优；特旱条件下春玉米、夏玉米和冬小麦的平均生产力损失概率分别约为63%、80%和44%，黄淮海区北中部及黄土高原区是干旱胁迫向生产力损失转化较为敏感的重点区域。该研究构建了作物需水—水分盈亏—干旱事件—生产力损失风险的耦合分析框架，可为北方地区耕地布局优化、作物结构调整和农业干旱风险防控提供依据。

针对哺乳母猪饲喂过程中普遍存在的采食控制粗放，以及因拱食行为导致的饲料浪费严重等问题，该研究采用“两阶段递进式”试验设计，系统评估智能分阶段饲喂系统对母猪采食、体况、繁殖效率及仔猪生长性能的影响，并筛选系统关键运行参数。首先，选取94头经产母猪随机分为智能饲喂组与传统饲喂组，探究智能饲喂器的优势；其次，在两个智能饲喂单元中设置不同“餐次×水料比”参数组合（“五餐制×水料比1.3:1”和“四餐制×水料比1.5:1”），比较不同“餐次×水料比”组合对系统运行效果的影响，探究不同能量供给模式的影响。试验结果显示：与传统组（背膘损失2.61 mm）相比，智能饲喂组（背膘损失1.69 mm）在泌乳后期（分娩15 d后）日采食量提高约5%～10%；背膘损失极显著降低（P＜0.01），平均减少0.92 mm，降幅达35.2%；繁殖性能方面，断奶—发情间隔由传统组的9.04 d缩短至智能饲喂组的8.15 d（P＜0.01），缩短了0.89 d；断奶配种率由85%提升至90%，提高了5个百分点。仔猪方面，断奶当日体重均值由7.30 kg增至7.68 kg（P＜0.01），断奶增重均值由6.06 kg增至6.47 kg（P＜0.05），均显著提高；相较于“四餐制×水料比1.5:1”组合，“五餐制×水料比1.3:1”组合在泌乳中后期（12～21 d）维持了更高、更持久的采食平台，回落更缓，且母猪背膘损失分布更集中、极端流失风险更低。综上所述，智能饲喂系统通过其“个体触发补料”机制，在“分阶段供给”的基础上实现了精准的个体化饲喂，有效提升了母猪采食量、体况维持能力和繁殖表现，并带动仔猪生长性能的提升。其中，“五餐制×水料比1.3:1”是泌乳中后期的优选参数组合。该智能饲喂系统通过精准匹配母猪个体营养需求，能有效提升采食效率、维持母猪体况、改善繁殖性能与仔猪生长表现。研究结果可为规模化猪场实现节本增效与动物福利提升提供关键技术支撑。

针对无人机检测玉米田间草地贪夜蛾侵染痕迹时，因目标尺寸小、尺度变化大、特征表征不明显导致识别精度低的问题，该研究提出了一种面向无人机多尺度图像的侵染痕迹检测模型CBP-YOLO（coordinated-BiFPN-P2-YOLO，CBP-YOLO）。通过引入真实增强超分辨率生成对抗网络（real-enhanced super-resolution generative adversarial network，Real-ESRGAN）重建原始低分辨率图像，恢复叶片啃食区域的纹理，在YOLOv8主干网络嵌入协调注意力机制（coordinated attention, CA），提升小目标局部细节提取与全局位置信息感知能力，在颈部网络引入双向特征金字塔网络（Bi-directional feature pyramid network, BiFPN），降低跨层级特征信息损耗，增强多尺度目标特征表达一致性，新增了尺寸为160×160×64的小目标检测头，拓展模型对小尺度目标的特征感知能力。结果表明，地面采样距离（ground sampling distance，GSD）为0.38cm/像素时检测性能最佳，Real-ESRGAN有效弥补了分辨率不足引起的特征信息缺失。CBP-YOLO在无人机多尺度叶片数据集上mAP@0.5达到76.5%，较原模型提升3.4个百分点，较YOLOv9m、YOLOv10m、YOLOv11m、Faster R-CNN和RetinaNet分别提升10.1、7.2、5.1、9.3和17.9个百分点，验证了其对玉米田间草地贪夜蛾侵染痕迹的检测能力。该研究为无人机检测大田作物病害提供了参考。

针对红花采摘机械臂在非结构化环境中采摘效率低、路径规划速度慢及路径平滑性差等问题，该研究提出了一种基于采摘区域聚类划分方法和目标重定向快速探索随机树（target redirecting rapidly-exploring random tree sta，TR-RRT*）路径规划算法。首先，基于红花果球在自然状态下的空间分布特征，设计了有效采摘面积为5 cm×20 cm的对辊式末端执行器，并通过采摘点聚类将作业区域划分为多个子区域，确保每个聚类可覆盖1～3朵红花。在此基础上，在双向RRT*（Bidirectional-RRT*）框架中引入目标重定向策略、目标直达与偏转扩展策略以及人工势场切向逃逸力策略，以提升路径搜索效率与避障性能；进一步采用贪婪跳点策略、插值曲率优化与B样条曲线拟合，保障机械臂运动路径的连续与平滑。仿真结果表明，TR-RRT*算法在复杂障碍环境下具有明显优势：路径长度（3892.05 mm）较对比算法IBI-P-RRT*（4284.44 mm）（改进人工势场法引导的双向扩展随机树）与BI-RRT*（4240.45 mm）分别缩短9.16%与8.22%；平均规划时间（0.3 s）仅为RRT*（3.78 s）的7.94%与BI-RRT*（0.43 s）的69.77%，BI-RRT*与BI-APF-RRT*（人工势场法引导的双向扩展随机树）算法的转向角度（37.51°、39.61°）分别为本算法（30.63°）的1.22与1.29倍，表明路径平滑性得到明显改善。实际采摘试验进一步验证了所提红花采摘区域聚类方法与TR-RRT*算法的有效性，机械臂从初始位置至首个目标点耗时3.64 s，任务间平均转移时间为3.12 s，2种采摘的成功率分别为88.06%和84.92%，能够实现红花的稳定、高效采摘。

在旋耕作业工况下，机具高负载干扰易导致轮胎滑转率过大和车速跟踪精度不足，严重影响分布式设施园艺电动平台的纵向稳定性。针对上述问题，该研究提出一种基于积分鲁棒车速-滑模滑转率串级控制方法，并通过仿真和实车试验验证其有效性。首先，考虑车轮-土壤相互作用及旋耕作业阻力特性，建立分布式设施园艺电动平台-旋耕机具耦合系统的动力学模型，在此基础上设计外环车速控制器，通过引入积分鲁棒控制方法抑制建模误差与负载扰动引起的稳态偏差，从而保证作业速度的稳定性；进一步基于滑模控制设计内环滑转率控制器，以轮胎力学模型反向求解得到的最优滑转率作为参考输入，实现滑转率的快速收敛与精确跟踪。在突遇泥泞路段工况下，串级控制方法的车速平均误差为0.10 km/h，相较于切换控制和车速控制分别降低了16.6%和67.7%；车速恢复时间为0.11 s，相较于切换控制和车速控制分别缩短了64.5%和68.6%。在耕深变换工况下，串级控制方法的车速平均误差为0.07 km/h，相较于切换控制和车速控制分别降低了40.0%和52.0%。实车试验结果表明，加速工况下，该控制方法的平均滑转率相较于切换控制和车速控制分别降低了11.7%和16.6%，车速平均误差分别降低了4.3%和8.3%；在深耕工况下，该控制方法的平均滑转率相较于切换控制和车速控制分别降低了23.5%和31.6%，车速平均误差分别降低了20.0%和37.5%。所设计的串级控制方法通过外环与内环控制器协同作用，形成驱动防滑与车速调节的一体化控制，提升了整车在高扰动工况下的纵向稳定性，有效抑制了平台在旋耕作业过程的滑转率，提升了车速控制性能和作业稳定性。

针对芦笋采收机器人作业过程中的芦笋嫩茎细长、遮挡重叠和母茎干扰导致的多目标分割与识别难题，该研究以YOLO11n-seg为基线模型，提出改进模型YOLO11n-SAL。引入多尺度边缘增强模块（multi-scale edge enhancement module, MEEM），通过对图像边缘特征的分解和增强提升模型边界分割的精度，增强对细长目标的检测能力；同时，结合分离与增强注意力机制（separated and enhancement attention module, SEAM），通过感知并融合遮挡芦笋的多尺度特征增强遮挡环境下对芦笋的检测识别效果。试验结果表明，改进后的YOLO11n-SAL模型在各项评估指标上均取得显著提升，边框下的检测精度、召回率、\begin{document}$ \text{mAP}_{0.5} $\end{document}和\begin{document}$ \text{mAP}_{0.5-0.95} $\end{document}分别为94.2%、83.1%、91.2%和76.2%；掩码下的分割精度、召回率、\begin{document}$ \text{mAP}_{0.5} $\end{document}和\begin{document}$ \text{mAP}_{0.5-0.95} $\end{document}分别为93.4%、77.9%、90.7%和62.7%。热力图分析与检测分割效果对比表明，YOLO11n-SAL模型在不同场景下对芦笋边缘特征的感知能力以及遮挡条件下的多目标分割识别效果均有明显改善，与基线模型相比，检测分割效果更好，且能够有效应对复杂情况的干扰，显著提升了不同场景下芦笋的分割识别精度。为验证模型实际部署的识别及定位效果，基于深度相机和机械臂进行芦笋识别、定位及采收抓取试验，定位成功率达90%以上，采收抓取效果良好，为农业机器人精准采收作业提供了可靠的技术支撑。

猪舍温湿环境影响猪体热平衡调节，系统探究不同环境下猪体生理响应特征及其内在调节机制，揭示猪体热调节规律，对实现猪舍环境精准调控具有重要意义。然而，现有建立在热交换平衡原理基础上的猪体热调节模拟模型难以精准反映不同环境条件下猪体真实的体热响应过程。为突破现有机理模型的局限，提升猪体关键生理指标的模拟精度，该研究通过机器视觉技术识别并量化饮水频率来优化猪体热交换动态机理模型。首先，通过基于生物物理学定律和热平衡原理构建猪体双节点热交换机理模型，模拟猪体核心层-皮肤层-舍内环境之间的热量交换过程，揭示猪体热响应调节机制；然后，通过构建基于YOLOv11优化的DCB-YOLO饮水目标感知模型来识别猪只饮水行为并量化其饮水频率，将饮水频率作为修正因子优化机理模型的血液对流与呼吸散热参数，以提升猪体热交换机理模型的精准性。结果表明，优化后的猪体热交换机理模型输出的直肠温度、心率和呼吸频率的决定系数分别为0.831、0.771和0.775。该研究提出的优化的猪体热交换机理模型可为猪舍环境温湿环境质量评价及精准调控提供技术支撑。

针对猪场传统针头注射存在的断针风险高、交叉感染大、作业效率低等问题，该研究提出了一种面向限位栏养殖场景的生猪无针注射机器人视觉定位与运动控制方法。首先，根据生猪免疫注射作业流程和工作原理，进行关键部件选型；进一步，提出一种生猪无针注射部位精准定位方法，通过基于改进的YOLOv8n网络提取生猪图像中的尾根部位，构建髋骨肌肉注射区点集，利用最小二乘法拟合曲面点集实现机器人注射点位和注射姿态的准确计算；并开发无针注射机器人控制系统，基于ROS（robot operating system）集成导航移动、视觉检测、机械臂控制等算法，控制机器人沿着预定的轨迹，实现生猪的无针注射功能。在河北省秦皇岛市某生猪养殖场进行了无针注射试验。试验结果表明：所提出的尾根检测算法识别准确率为95.8%，召回率93.5%，平均精度均值97.1%；机器人注射成功率为93.3%，其中垂直注射占比95.2%，单头猪单次注射用时7.9s；X、Y、Z轴方向最大注射偏差分别2.9、3.7、1.9 cm，平均偏差1.30、1.91、0.59 cm，注射精度满足生猪免疫注射作业要求。研究结果可为规模化生猪养殖的少人化、自动化、智能化提供技术参考。

灌区生态沟塘系统的有效应用不仅取决于单个沟塘的设计与运行管理，还与空间布局（系统面积和单元连接方式）有关。针对现有研究对灌区生态沟塘系统水量水质动态变化与多级响应刻画不足、难以支撑空间布局优化的问题，该研究提出一种基于系统动力学的灌区生态沟塘系统空间布局方法。利用系统动力学仿真工具Vensim构建综合考虑水量平衡、污染物去除及多级沟塘水力联系的田沟塘系统模型，使用试验区实测数据进行模型验证，并以南方典型双季稻高标准农田示范区为案例，开展典型年份不同空间布局方案模拟。模型验证结果表明，所建模型能较好模拟田沟塘系统水量和氮磷浓度的动态变化。案例分析结果表明：1）随着沟塘-稻田面积比的增加，田沟塘系统的氮磷去除率随之增加，但整体增长趋势逐渐变缓，沟塘-稻田面积比宜为5%～9%；2）在晚稻期间或沟塘-稻田面积比较大时，将塘堰湿地集中布置于单一排水路径的去除率明显低于其他连接方式；3）在进行生态沟塘系统的空间布局时，建议首先根据污染物削减目标确定适宜的沟塘-稻田面积比，之后根据实地情况将塘堰湿地集中布置于主排水沟出口或将多个塘堰湿地并联布置在各排水路径。研究成果可为农田面源污染的生态防控提供科学依据。