高速摄影在精密排种器性能检测中的应用

针对光电传感器无法判断种子破碎而产生检测误差的缺陷，提出以高速摄影弥补光电传感器检测误差，提高精密排种器性能检测精度的新方法，并对光电传感器和高速摄影同时用于精密排种器性能检测的结果进行了融合分析。台架试验表明，高速摄影用于排种性能和种子破碎检测不仅可剔除光电传感器检测时，因种子破碎引起重播指数增大而产生试验结果的误差，提高检测结果的准确性和可信度，而且可以通过对高速摄影拍摄的图片进行再现观察与分析，真实地反映精密排种器种子破碎特征和排种器的排种均匀性，为改善精密排种器性能提供了一条新途径。     

精密排种器排种质量的机器视觉检测与分析

为开发具有较高效率和精度的精密排种器试验检测系统,研究了一种机器视觉检测技术,它采用视觉传感器采集排种口动态种子流下落时的序列图像,通过图像处理、排种时间检测、型孔种子数识别等过程,获得型孔种子数的频率分布,进而计算合格指数、重播指数、漏播指数等排种质量指标。研究结果表明,采用平稳随机过程模型描述排种时间和型孔种子数序列,采用帧间隔及最大帧种子时间与排种间隔合理匹配的图像采集模式以使种子重复成像,既可保留有用信息,又可在较宽范围内选用帧频率,能够在25~30 Hz常见帧频率下对单粒播和穴播排种器的排种质量进行有效检测。     

基于压力传感器的油菜排种量控制系统的设计与试验

对2BYD–6型油菜浅耕直播施肥联合播种机上采用的偏心轮型孔轮式排种器,设计制作了变量播种控制系统。该控制系统主要由排量检测系统和排量调控系统两部分组成。排量检测系统借助压力传感器直接检测排种箱的质量变化,实现油菜排种量的检测;排量调控系统依据检测系统的检测结果转变为电信号,由单片机控制驱动排种轴电机转速来实现排量调控,达到所需的排种量。台架试验表明:控制系统能够精确检测排种器单位时间的排种量,实现变量播种;对油菜排种量检测每分钟积累误差可控制在3.5%以下,排种均匀性变异系数低于7%。     

基于虚拟仪器技术的排种器漏播检测技术

按照虚拟仪器设计的思想,以Lab、VIEW作为开发平台,应用光电传感器,建立了精密排种器漏播虚拟仪器检测系统.通过对检测系统的标定、对所测粒距样本的试验结果分析,得出了排种器的合格率、重播率、漏播率、标准差及变异系数等排种指标,验证了检测系统的可靠性和准确性.设计了漏播补偿电磁阀驱动电路,当检测到的粒距大于理论粒距的1.5倍时视为漏播,此时将检测的信号反馈给数据采集卡PCI-6040E的计数器端,通过计数器产生高电平脉冲能够准确触发执行机构进行补种.     

具有自动补种功能的机械精密播种系统的研究

针对机械式精密播种机存在不同程度的漏播问题,研制了带有自动补种装置的精密播种系统.当光电传感器监测到主排种器出现满播现象时,中央处理器驱动步进电机推开副排种器输种管下端的挡种板,播下其中存储的一粒种子,挡种板释放,同时控制步进电机驱动副排种器排出一粒种子到副排种器的输种管中,确保补种及时准确.台架试验表明:补种成功率>...     

气力油菜精量排种器漏播检测系统的设计

针对油菜粒径小表皮色泽暗淡引起排种器漏播检测难的问题,基于气力式油菜精量排种器结构设计了一种漏播检测系统,该漏播检测系统主要由传感器系统、单片机检测系统、外设备组和控制箱等组成,将传感器采集的转速和排种间隔时间信号进行处理、存储和计算判断漏播程度,可满足小粒径排种器排种性能的检测要求。分析了漏播检测系统工作原理,确定了该系统的主要组成结构,并提出了一种基于时间间隔漏播检测算法。为了探究漏播检测系统的稳定性和可靠性,以气力油菜精量排种器为研究对象,采用单因素试验设计方法,开展了在不同排种转速下高速摄影与漏播检测系统排种间隔时间对比检测试验。其结果表明:该漏播检测系统检测排种间隔最大误差为0.63%,最小误差在0.05%以内,排种间隔时间漏播检测系统误差小于0.001s。同步开展了排种器三行漏播检测试验,当排种盘均匀分布齿数的情况下,在5min(约300个点)内没有出现漏播提示;排种盘有四组连续缺少3齿数情况下,均被检测断条比率为24%且最大排种间隔时间为4倍正常排种时间,启动报警系统;在均匀缺少10齿数情况下,均被检测排种率为80%,启动报警系统;漏播检测系统判定为漏播的准确率为100%。     

智能精密排种器测试装置的研制

介绍了智能精密排种器测试装置的系统组成、工作原理、接口电路及软件设计。该装置可取代传统的室内测试方法，为精密排种器提供了一种先进实用的性能测试手段。     

基于光电传感器的排种性能检测装置的设计与试验

为了检测穴播器在出厂或维修后的排种性能,设计了一种基于光电传感器的排种性能检测装置。本设计采用光电传感器和旋转编码器相结合,完成穴播器的排种性能检测。通过旋转编码器对排种次数进行统计,光电传感器对实际排种个数进行统计,传感器检测到的信号最终输出到单片机进行处理,再将结果显示在显示器上以实现排种性能的自动检测。将试验测得排种率与人工统计结果进行对比,误差在±3%以内,表明基于光电传感器的排种性能检测装置与人工统计的试验结果基本一致,且效率远高于人工,说明该装置能有效地对穴播器的排种性能进行检测。     

基于计算机视觉播种机排种器检测平台的研发与应用

为播种机实现高效、精准播种提供优良性能检测平台,采用自动控制、计算机视觉与传感器融合技术相结合的方法,利用液压控制系统和自动控制系统技术研究开发基于计算机视觉的多功能排种器性能检测平台。结果表明:该检测平台能够实现对作物播种机排种器播种量的有效控制,提升播种的精准度和播种环节的科学性与高效性。该试验平台适用于机械式和气力式排种器性能的检测。     

大豆双条精密排种器结构最佳参数的选择

作者在本报一九八四年第一期上发表的《大豆双条精密排种器的实验与研究》报告一文中、介绍了垂直园盘(窝眼轮)排种器实验研究情况。经过反复验证和理论分析,并把该排种器按装在2BDJ—6型精密播种机上进行了大面积生产考核后,确定了最佳结构参数。当排种器工作线速度为0.34米/秒时,适应于机车8～9公里/小时的前进速度,空穴率小于3％,单株合格率大于98％,株距合格率在50％以上,无种子破损现象发生,达到了比较理想的农艺要求。     

基于改进K-medoids算法的土壤墒情传感器布局优化

针对茶园土壤墒情传感器布局中传感器数量过多、数据冗余度过大的问题，采用改进的K-medoids方法，优化茶园土壤墒情传感器使用数量及部署位置。在保证茶园传感网络全覆盖的基础上，实时采集各传感节点数据；构造各传感器在不同天气条件下的时间序列数据，并运用三次样条插值法拟合成连续函数；应用谱排直法定义新的时间序列数据的距离函数替换K-medoids中的欧氏距离，将聚类中心作为最终的传感器布点；随机选取位置并采集土壤相对含水率以验证聚类中心作为传感器布点的代表性。采用改进前和改进后的K-medoids方法对2018-07—2018-08(试验Ⅰ)和2020-12(试验Ⅱ)采集的土壤墒情数据进行聚类。结果表明:1)改进的K-medoids将32个传感器减少到4个，改进前后簇中心墒情值与簇均值的相对偏差，试验Ⅰ由2.85%降到1.91%，试验Ⅱ由2.01%降到1.43%；2)改进K-medoids所得聚类中心相对含水率与试验区域平均值相近，相对偏差小于2%；3)以改进的K-medoids算法所得聚类中心作为起点的布点路径长度为82.4 m，使用8个传感器，优于改进前的106.5 m和10个传感器。基于改进K-medoids的布局方法能够优化传感器的数量和位置并且在不同天气条件下均适用。     

Kinect传感器的植株冠层三维数据测量

植株三维信息重构能为植株生长状态监测和精确喷雾施药提供有效数据。提出一种基于Kinect传感器技术的植株冠层三维数据测量的方法。由Kinect传感器进行植株彩色和深度图像数据的采集,提取和处理所采集的植株冠层目标有效三维信息,完成对植株深度数值和水平投影面积的计算。以规则形状物体与不规则植株为实验对象,对三维数据测量方法进行准确性实验测试,并将实验结果与人工测量结果进行比对。实验结果显示,该方法的深度和面积测量的准确性较高,深度测量误差小于1.0%,面积测量误差小于3.6%。选取温室吊兰作为场地实验对象,采用由测量机构和控制处理机构组成的冠层三维检测系统对吊兰冠层进行三维数据测量,并实时输出深度以及水平投影面积信息,其深度测量的相对误差为1.77%。研究表明,该方法具有较高的可行性,适用于温室植株冠层三维数据测量。     

函数链神经网络在电容水分传感器非线性校正中的应用

首先介绍了解决电容水分传感器非线性函数链神经网络原理和建模方法,并以玉米水分测量为例进行仿真试验,从而证明了该非线性校正方法的可行性和有效性。     

在线式水田渗透量监测仪的研究

目前测量渗透量的方法主要是用改进的日式渗漏仪目测测管的刻度来计算渗透量。但不能实现实时监测的目的,为了实现对稻田渗透量的实时监测,设计了一种在线式水田渗透量监测仪。其硬件主要包括水箱、渗桶、液位仪、土壤水分传感器、泵、无线模块、主机。以MSP430单片机为核心,土壤水分传感器和液位传感器把水分和液位信息传到单片机,供水泵由液位或水分值来控制,实现饱和渗透量的测量及非饱和渗透量的测量,用无线模块把数据传输到监测室的上位机。通过试验,采集的数据满足精度要求,给灌区的规划管理、合理运行、水资源的合理调配与实施节水灌溉提供了可靠的渗透量数据。     

柴油机高压油管压力传感器设计

对柴油机高压油管进行应力分析，并以高压油管本身作为敏感元件设计应变式油管压力传感器，并将传感器安装在Ｓ１９５柴油机上进行测试。结果表明，所设计的高压油管压力传感器具有较高的灵敏度、良好的信号重现性与工作稳定性。     

基于水产养殖无线传感器网络网关设计与组网研究

分析了水产养殖水质监测现状,针对国内水产养殖无线传感器网络网关设计存在的问题,提出并实现了一种能与多个服务器通信与能量自我补给的网关,包括处理器模块、射频模块、GPRS模块和充电模块.根据水产养殖环境特点,设计一种适合大面积部署与减少跳数的组网方法.在此网关和组网方法的基础上对水产养殖环境进行组网试验,组网实验丢包率为3.38％.     

丘陵山区农机深松作业深度和面积远程监测系统

为了提高农机在丘陵山区深松作业深度和面积的监测准确性,研究设计了一种深松作业远程监测系统.该系统以角位移传感器间接测量作业深度,利用北斗/GPS定位数据计算深松面积,并在此基础上搭建了基于·NET分布式深松作业远程监测服务平台,实现多台农机深松作业深度和面积的远程监控,为政府补贴资金计算与核实提供了便利,提高了深松作业监测效率.试验结果表明,使用角位移传感器适用于丘陵山区农机深松作业深度测量,深度测量平均误差为0.98cm,使用北斗/GPS定位基于多边形解析法计算小地块面积相对误差为3.2%,满足丘陵山区农机深松作业监测要求.     

果园农药喷雾机监测系统的研究

为提高果园中小型机动农药喷雾机的喷雾效果,以单片机为核心,采用压力传感器、流量传感器、速度传感器和液位传感器,研制了果园机动农药喷雾机监测系统.该系统可实时监测喷施农药过程中的喷雾压力、喷雾流量、喷雾机行走速度和药桶药液余量4个主要参数.试验结果表明,系统具有较高的可靠性和测量精度.     

Improving the accuracy of estimating grain weight by discriminating each grain impact on the yield sensor

This study was aimed at accurately estimating total weight of harvested grain on a combine by simply attaching a small yield sensor in the grain tank and by processing the output of the sensor. The yield sensor was first installed in a grain tank of a 1.2 m-swath Japanese-style (head-feeding or jidatsu) combine, and the weight was estimated from individual impulses received at each rotation of a grain-releasing device i.e. an auger blade. A non-linear relation was assumed between the weight of grain released and the impulse received, and the parameters of the non-linear model were optimized to minimize the sum of squares between the estimated and actual weight of grain accumulated at each run of the combine. A threshold for the output discriminated between actual release and no release of the grain from the auger blade. The appropriate range of the threshold was 4–6 times the root-mean squared output of the sensor without throughput (F _rms ) of grain. The aim was to enhance the accuracy of the estimation of grain weight by disregarding signals that did not relate to the accumulation of grain in the tank. Two methods of calculating the impulses were proposed after the discrimination: “successive addition” and “interval addition”, and two non-linear models of converting impulses into the weight of grain: “odd function model” and “positive function model”. The use of the odd function model with the impulse calculated by the interval addition was the most robust, and root-mean squared relative errors of calibration and validation were both stable and around 2.5 % at a threshold of 5F _rms . In the confirmatory experiment with a larger 1.8 m-swath Japanese-style grain combine equipped with the same sensor, the odd function model with the interval addition achieved root-mean squared relative error of 3.6 % at calibration and 4.4 % at validation at a threshold of 5F _rms .     

基于最小二乘法的Pt100曲线拟合算法的研究

采用最小二乘法对Pt100进行拟合,推导曲线方程,并进行试验。结果表明,Pt100传感器具有精度高、重复性好等特点,适合油田洗井测温和设施农业。