气振式精密播种机自动供种装置仿真与试验

为了实现气吸振动式精密播种机在工作时在不影响播种效率的情况下自动定量供种,以维持种群厚度在合理范围内,实现连续播种,选用常优3号超级稻种子,对每盘448穴的育秧盘进行的播种试验表明:吸种高度不变时从第3盘播种后,每播种13盘需要两个种箱各供种约450g。根据播种过程,确定采用光电传感器计数播种盘数及由PLC控制窝眼轮旋转进行供种的方法。基于EDEM离散元分析软件,选取型孔直径和个数分别进行了两因素和单因素仿真试验,建立了单列型孔的运种量与型孔直径的数学模型,计算得出型孔个数为5、直径为64mm时可满足供种要求。同时,设计了实验装置进行试验验证,结果表明:加种后各盘合格率均在90%以上,达到预期要求,为气吸振动式精密播种机自动定量供种装置的设计提供了思路与理论依据。     

气振盘式精密播种三段式流水线控制系统设计与试验

针对目前国内超级稻育秧播种作业中自动化程度低、配套设备少、播种精度低等问题,设计了一套气振盘式精密播种三段式流水线系统,由三段式输送带、铺底土机构、扫底土机构、压穴机构、精密排种器、秧盘定位机构、覆表土机构、扫表土机构、洒水机构、电磁继电器、霍尔传感器、光电传感器、触摸屏和PLC控制器组成,可实现气吸振动盘式水稻精密排种器与流水线的融合及水稻种植过程中的自动化育秧。以触摸屏作为控制系统的人机交互窗口,光电传感器的触发信号作为育秧盘的到位信号,通过PLC控制器发出的高速脉冲控制压穴机构和秧盘定位机构的运动和精确定位,控制器发出电平信号控制电磁继电器触点的吸合与断开,进而控制三段式流水线及其他作业机构的运动;利用霍尔传感器将实时采集到的关键作业机构的转速信号传输到PLC中,并通过触摸屏进行显示。试验结果表明:气振盘式精密播种三段式流水线的工作效率可达450盘/h,每穴播种1~2粒的合格率为95.62%,重播率为2.40%,空穴率为1.98%。该控制系统运行稳定,精密排种器与流水线运行协调性较好,为进一步优化气振盘式精密播种流水线提供了借鉴。     

基于U-Net模型的含杂水稻籽粒图像分割

含杂率是水稻联合收获机的重要收获性能指标之一,作业过程中收获籽粒掺杂的杂质包含作物的枝梗和茎秆等,为了探索籽粒含杂率和机器作业参数之间的关联,需要实时获取籽粒含杂率数据。该文基于机器视觉的U-Net模型对联合收获机水稻收获籽粒图像进行分割,针对传统分割算法中存在运算量大、耗时多、图像过分割严重和分割参数依赖人为经验难以应对各种复杂谷物图像等问题,采用深度学习模型多次训练学习各分割类别的像素级图像特征,提出基于U-Net深度学习模型的收获水稻籽粒图像中谷物、枝梗和茎秆的分割方法,采用改进的U-Net网络增加网络深度并加入Batch Normalization层,在小数据集上获得更丰富的语义信息,解决图像训练数据匮乏和训练过拟合问题。选取田间试验采集的50张收获水稻籽粒图像,采用Labelme方式进行标注和增强数据,裁剪1 000张256像素×256像素小样本,其中700张作为训练集,300张作为验证集,建立基于改进U-Net网络的收获水稻籽粒图像分割模型。采用综合评价指标衡量模型的分割准确度,对随机选取的60张8位RGB图像进行验证。试验结果证明,水稻籽粒的分割综合评价指标值为99.42%,枝梗的分割综合评价指标值为88.56%,茎秆的分割综合评价指标值为86.84%。本文提出的基于U-Net模型的收获水稻籽粒图像分割算法能够有效分割水稻籽粒图像中出现的谷物、枝梗和茎秆,时性更强、准确度更高,可为后续收获水稻籽粒图像的进一步识别处理提供技术支撑,为水稻联合收获机含杂率实时监测系统设计提供算法参考。     

高频电容式联合收获机谷物含水量在线监测装置研制

为实现联合收获机谷物含水率在线测量,使智能测产更加精确、收获速度更加合理,该文研制了高频电容式谷物含水率在线监测装置。利用有限元分析软件COMSOL Multiphysics,建立电容极板模型,针对电容极板的厚度、极板间距、相对面积对边缘效应的影响进行了三因素三水平正交优化仿真,根据仿真结果选择极板厚度0.15 mm、极板间距20 mm、极板间相对面积3 000 mm2的紫铜板作为电容极板。以STM32F103系列微处理芯片为核心构建了谷物含水率在线监测装置,设计了由电源模块、高频激励信号、交流小信号放大电路、电容极板、信号调理电路、均方根转换电路等组成的传感器检测电路。为了更加准确地监测出谷物含水率、简化电路结构、降低成本,分别对不同频率信号源进行了Multisim仿真和试验验证,最终选取10 MHz的高频信号为监测装置激励信号。该装置能对谷物含水率进行在线监测、实时显示以及存储。对谷物含水率在线监测装置分别进行了室内静态监测和田间在线监测试验,结果表明:室内静态监测试验的最大相对误差为1.57%,田间在线监测试验的最大相对误差为2.07%。     

联合收获机粮箱内稻谷含杂率传感器采样盒设计

针对收割过程中通常只在开机时设置一次作业参数,不能经常停机观察籽粒的清洁度进而随时调节作业参数这一问题,需要研制一种能够自动获取联合收获机作业过程中含杂率数据的装置。但是,迄今为止,在收获过程中监测籽粒含杂率的研究还处于探索阶段。针对以上问题,结合联合收获机作业过程中谷物的流变特性,该文设计了一种谷物含杂率传感器,通过电磁铁(弹簧)控制挡板的伸出(复位),以使采样盒可视玻璃窗口前聚集(卸载)谷物,通过采样盒内CMOS相机获取数字图像,应用数字图像处理技术获得含杂率。依据图像直方图优化LED光源的照射及安装方法以获取高质量图像,分析了电磁铁提供的拉力和弹簧提供的推力、采样盒入口尺寸,采用全局阈值迭代算法,使用三个迭代步提取稻谷、茎秆和细柄连通域,计算每个连通域的像素,最终从形态上识别了谷物和杂质,同时测量稻谷千粒质量、茎秆面密度和细柄线密度,建立了计算谷物杂质质量的数学模型。结果表明:在采样盒内两侧各安装2个LED,间接照射视窗时获取的图像质量较好,有效避免了图像强度直方图中出现的峰值;额定拉力为60 N的电磁铁可以提供足够的拉力;采用线径为1 mm的弹簧能提供足够的推力,由于在收割过程中出现的短秸秆和细柄的长度在10 mm到30 mm之间,因此采样盒的设计高度为95.7 mm,宽度为76.5 mm,入口宽度为31.9 mm,视窗长度为57.1 mm,宽度为57.4 mm,如此稻谷、秸秆和细柄可以顺利流入采样盒,并且在视窗中可以看到约200粒谷粒。在不同含杂率下进行了籽粒含杂率传感器监测精度的台架试验,结果表明:该装置监测的籽粒含杂率与人工获得的籽粒含杂率具有一致的变化趋势,能够监测在0～2.88%范围内的籽粒含杂率。为了满足田间作业监测需求,同时设计了采样盒的防水防尘罩,为相机提供一个稳定抓取图像的工作环境。于2017年11月17日,在苏州九里湖进行了不同喂入量下含杂率监测试验,试验使用Yamma4LZ2.5联合收割机,结果表明,田间试验的相对误差在9.44%和19.67%之间。该研究可为田间收获过程中自动获取谷物含杂率提供参考。     

稻麦联合收获机割台参数按键电控调节装置设计与试验

针对目前国产水稻联合收获机割台参数调整依赖于经验手工调节、操控不方便等问题,该文设计了水稻联合收获机割台参数按键调节装置,提出了拨禾轮转速自动控制方法,建立拨禾轮转速自动控制模型,结合模糊PID控制算法实现拨禾轮转速自动控制。割台参数按键调节装置由传感器、PLC控制单元、显示器、按键、驱动等模块构成。PLC接收按键信息发送控制信号驱动割台部件电动调节,传感器将检测信号送入PLC,由显示器实时显示调整情况。测试结果表明,通过割台参数按键调节装置能实现割台高度、拨禾轮高度、前后位置及转速参数的自动调节,调节相对误差分别为7.4%、3.4%、2.0%和7.8%;作业速度相对误差为3.4%;拨禾轮转速自动控制响应时间≤0.8 s,调整时间≤1.7 s,最大相对误差8.5%,控制精度达到91.5%,基本满足水稻收获机割台参数调节要求,可为水稻联合收获机智能操控提供技术支撑。     

基于机器视觉的水稻杂质及破碎籽粒在线识别方法

为了解决目前国内联合收获机缺乏针对含杂率、破碎率的在线监测装置的问题,该文提出基于机器视觉的水稻图像采集,杂质与破碎籽粒分类识别方法。采用带色彩恢复的多尺度Retinex算法增强原始图像,对HSV颜色模型的色调、饱和度两个通道分别设定阈值进行图像分割,并结合形状特征得到分类识别结果。采用综合评价指标对试验结果进行量化评价,研究表明,茎秆杂质识别的综合评价指标值达到了86.92%,细小枝梗杂质识别的综合评价指标值为85.07%,破碎籽粒识别的综合评价指标值为84.74%,平均识别一幅图像的时间为3.24 s。结果表明,所提出的算法能够快速有效识别出水稻图像中的杂质以及破碎籽粒,为水稻含杂率、破碎率的在线监测提供技术支撑。