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。

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。

针对常见果园环境下复杂背景干扰、小目标检测困难以及果实密集分布导致蟠桃果实识别精度不佳的问题，该研究结合MetaFormer与卷积门控线性单元模块（convolutional gated linear unit module, CGLU），提出一种基于改进YOLOv8架构的蟠桃果实识别方法CCGs-YOLO。首先，为解决复杂背景干扰下信息感知不足问题，引入融合卷积与注意力机制的C2f_ConvFormer模块和具备通道建模能力的C2f_CaFormer模块，以提升复杂背景下的识别性能。其次，为解决小目标检测困难问题，结合门控线性单元提升模型在复杂背景中的鲁棒性。另外，为优化果实密集分布下的定位精度，采用基于Inner-IoU的回归损失函数，以改善果实密集分布情景下的果实定位效果。最后，在自建数据集上进行对比试验。结果表明，CCGs-YOLO相较于YOLOv8准确率P提高3.30个百分点，模型大小缩减至4.88 MB，参数量降至2.42 M。此外，CCGs-YOLO模型在边缘设备上的mAP50-95指标提升至88.82%。综上表明该模型在自然果园环境中具有良好的适应性和果实识别能力，可为蟠桃果实自动化采摘的快速识别提供方法支持。

针对轮式水稻插秧机在水田作业过程中因轮-土附着状态不稳定引起的侧向偏移、纵向滑移及插秧行距偏差等问题，该研究对不同土壤含水率、行驶速度和整机质量下的插秧机滑动率变化规律进行分析。以新洋 2ZG-6D1(G4) 型轮式水稻插秧机为研究对象，在 RecurDyn 中建立整机多体动力学模型，采用 Hertz-Mindlin with JKR 模型作为土壤接触模型，表征水田土壤颗粒间及其与触土部件间的黏附接触行为，并通过承压试验和剪切试验标定水田土壤离散元参数，在 EDEM 中构建分层水田土壤颗粒床。以土壤含水率、行驶速度和整机质量为试验因素，以侧向滑动率和纵向滑动率为评价指标，开展 Box-Behnken 响应面试验，建立滑动率回归模型并进行多目标优化。土壤含水率对侧向滑动率和纵向滑动率影响最显著，贡献率分别为 20.54% 和 35.74%；含水率与整机质量的交互作用对两类滑动率影响明显。在本文设定范围内，当土壤含水率为 32%、行驶速度为 0.54 m/s、整机质量为 854 kg 时，侧向滑动率和纵向滑动率综合表现较优，即二者在多目标优化约束下均达到较小水平。田间验证结果表明，侧向滑动率和纵向滑动率仿真值与实测值的相对误差分别为 12.25% 和 11.59%。所建立的 DEM-MBD 耦合模型能够较准确预测水田条件下轮式水稻插秧机的滑动率，可为水田机械行走系统设计与作业参数优化提供参考。

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。

立体栖架蛋鸡舍采用多层空间布局，舍内气流组织复杂，易产生环境参数区域分布不均与短时动态波动问题，给鸡舍环境精准调控及风险提前预警带来较大难度。为及时掌握舍内关键环境参数的短期变化情况，支撑环境调控策略快速优化与精准施策，该研究基于多点连续监测数据，使用梯度提升回归算法分别建立可反映未来24 h舍内环境温度、相对湿度和NH₃浓度变化的短期预测模型，并对模型预测性能进行验证与评价。结果表明，蛋鸡舍温度、相对湿度和NH₃浓度的平均值分别为18.99～20.88 ℃、46.52%～51.98%和1.32～1.86 mg/m³，其空间极差均值分别为2.31 ℃、11.84%和1.27 mg/m³，舍内环境参数存在显著的局部差异。温度预测模型的决定系数（R²）、均方根误差（root mean square error，RMSE）、平均绝对误差（mean absolute error，MAE）分别为0.96、0.73 ℃和0.50 ℃，相对湿度预测模型的R²、RMSE和MAE分别为0.97、2.94%和1.77%，NH₃浓度预测模型的R²、RMSE和MAE分别为0.76、0.44 mg/m³和0.27 mg/m³。温度、相对湿度和NH₃浓度预测值与实测值的平均回归决定系数分别为0.95、0.96和0.71，且未来24 h递推预测曲线均能较好延续各环境参数的历史变化趋势，模型预测结果与实测值具有较好一致性。研究表明，基于梯度提升回归算法的环境参数短期预测方法可为立体栖架蛋鸡舍通风量预调、高风险时段识别及热湿与氨气协同调控提供技术支撑，对提升该养殖模式下环境管理的稳定性与精细化水平具有参考意义。

再生稻以“一种两收”在有限耕地上提升周年产量，是保障中国粮食安全并推动农业绿色高质量发展的重要种植模式。再生稻头季机械化收获易造成稻桩折断和再生芽受损，已成为再生稻适度规模化扩展的关键瓶颈。该文从农业工程视角系统综述机收再生稻减损增产提质的研究进展，重点围绕装备、品种和栽培技术3个方面展开。在装备方面，总结低比压轻量化底盘、履带与割幅优化、自动割台高度控制、稻桩扶正装置及智能路径规划等技术进展，阐明其对降低碾压损伤和提升留桩一致性的作用。在品种方面，归纳不同品种在耐碾压性和再生力方面的差异，梳理以再生芽存活率、再生蘖数和茎秆力学性状为核心的评价指标及相关遗传研究进展。在栽培技术方面，重点总结预留机收行、收获期控水提升田间承载力、再生季精准养分管理和碾压区修复等配套措施，提出覆盖收前、收中与收后的综合减损增产提质思路。在此基础上，分析了当前机收再生稻在装备与农艺协同不足、区域适应性和评价标准体系薄弱、品种改良与技术推广滞后等方面面临的主要问题，并展望以轻量化与智能化装备升级、耐碾压与强再生力品种培育以及农机品种农艺一体化集成为核心的发展方向。该文旨在为机收再生稻减损增产提质技术的适度规模化、标准化和产业化应用提供参考。

针对Miner损伤法则在损伤评估时只考虑应力幅值的局限性，该研究提出一种考虑载荷梯度、频段损伤能量以及载荷峭度的动态损伤评估方法。首先搭建拖拉机车轮驱动扭矩测试系统，通过扭矩传感器获取车轮处的扭矩载荷数据；利用雨流计数法和统计方法得到了载荷的统计特性。随后对载荷梯度、频段损伤能量以及载荷峭度进行线性加权，构建损伤谱指数；基于网格搜索法和多载荷类型验证确定加权系数分别为0.350、0.425、0.225。并通过sigmoid函数进行s型非线性压缩以抑制极端值的干扰；随后将载荷循环时间中心在动态损伤强度指数窗口进行索引，将时频特性融入循环损伤，形成动态损伤评估框架。结果表明，所提方法能有效计算载荷分频段损伤，变速器轴载荷的归一化功率谱密度能量最高点为0.1 Hz，损伤最大频率为0.43 Hz，损伤值为1.78×10⁻⁸；传统Miner损伤法则的计算相对误差值为51.11%，本方法的损伤预测相对误差为0.67%，具有较高的损伤预测准确率和良好的可行性，可为损伤评估方法的研究提供理论依据和新思路。