冲量式谷物流量传感器性能实验研究

介绍了现有谷物流量传感器的种类、测产系统中所使用的冲量式流量传感器的基本结构和工作原理,对在升运器实验台上安装导流板和未安装导流板冲击式谷物流量传感器的输出信号值进行了比较分析,实验表明安装导流板后,传感器输出电压信号值平均提高30％左右,明显提高了传感器输出信号强度。     

双板差分冲量式谷物流量传感器设

设计了一种双板冲量式谷物流量传感器及其差分消振电路,以消除车身振动对测产精度的影响.振动试验表明,在没有谷物输入时联合收获机车身振动导致前后2个检测板产生的2个振动信号是一对共模信号,可通过电路差分的方法消除;差分后传感器的输出电压的信噪比由2.5dB提高到62dB.在零喂入量情况下,振动产生的零点误差小于0.01g/s;在联合收获机正常作业的喂入量范围内(0.5～2kg/s),实验室测量误差小于3%.田间实际测量误差不大于5%.     

基于单目视觉的谷物联合收获机产量测量方法

为准确获取农田中作物产量信息,以联合收获机刮板式升运器为研究对象,提出了一种基于单目视觉的联合收获机产量测量方法。首先,根据真实的升运器内部谷堆图像,提出了一种更加精确的刮板上谷物堆积模型。然后,基于视觉测量和图像处理技术,开发了一种谷堆体积测量方法。在辅助光源照射下,通过工业相机采集升运器内刮板和谷堆的侧面图像。采用邻域微分法提取图像感兴趣区域,再利用Otsu法和形态学处理方法从背景中准确分割出谷堆。根据相机成像模型,计算谷堆在世界坐标系中的实际侧面积,并通过谷堆几何模型得到谷物的体积。最后,将每个刮板上的谷堆体积累加求取产量。为验证所提方法的有效性,搭建了基于单目视觉的谷物测产系统,并在升运器试验台上开展了试验验证。试验结果表明,在不同的升运器转速工况下,所提方法测量的相对误差为-4.08%~3.41%,能够满足联合收获机产量测量精度要求。     

穗状玉米测产系统设计与试验

设计了由产量监视器、速度传感器、产量传感器、差分全球定位系统(DGPS)、割台高度传感器、升运器转速传感器和玉米果穗导向装置组成的穗状玉米测产系统,并应用该系统进行田间测产试验。收获作业前抽样测量玉米果穗的粒穗比和含水率;玉米收获机工作时,以割台高度传感器作为逻辑开关,割台收获玉米果穗,通过导向装置使玉米果穗以相同速度冲击产量传感器;产量传感器将冲量转化为电信号,并传给产量监视器;产量监视器融合产量、速度、升运器转速及DGPS信息计算出当前小区产量并存储在扩展名为.vld的文件中,应用自行研制的农业空间信息采集与应用系统(DCAS)可绘制收获产量图。2009年秋季应用该系统进行田间玉米收获实时测产,田间试验数据表明该系统测产平均相对误差为18.11%。     

基于激光对射阵列的谷物流量监测装置研究

针对联合收获机刮板式输粮装置内谷物分布不均、流量难以准确测量的问题,开展了刮板式输粮的联合收获机谷物流量监测方法研究,设计了基于激光对射阵列的谷物流量监测装置,主要由激光对射阵列、升运器转速传感器、数据处理模块和谷物流量计量显示终端组成。当升运器刮板输送谷物经过激光对射阵列时,会阻断激光发射器发出的红外光线,激光接收器由于无法接收到红外光信号,输出信号发生变化,通过定时采集激光接收器输出信号变化可获取谷物分布信息;同时,升运器转速传感器输出转速信号,谷物流量数据处理模块将采集到的升运器转速信号和激光对射阵列信号经滤波、整形后,与人工测定的谷物容重信息送至谷物流量计量软件系统,以分层积分法处理后,将谷物流量、谷物容重和升运器转速实时显示在终端上。为了验证基于激光对射阵列原理的谷物流量监测装置性能,选择含水率为14.7%的南梗5055号水稻,开展了室内台架试验。结果表明:谷物含水率相同的情况下,基于激光对射阵列原理的谷物流量监测装置室内台架试验测量结果相对误差≤3.00%,为田间谷物流量在线监测提供了技术基础。     

平行梁冲量式谷物质量流量传感器田间实验

设计了平行梁冲量式谷物质量流量传感器,以该传感器为核心部件构建了测产系统。针对小麦、水稻两种不同谷物品种,不同联合收获机机型以及不同田间地面状况,于2004年夏秋两季分别在中国科学院栾城农业生态系统实验站和上海五四农场做了精准收获实验。实验结果表明,测产系统可以在正常农田地面状况下可靠地工作,单产和总产测量误差均小于10%,且对联合收获机机型以及谷物品种不敏感。     

小麦联合收获机测产误差动态自校准方法设计与试验

为了进一步提高小麦联合收获机谷物测产系统的准确性与稳定性,本文在第1代基于光电漫反射原理的小麦联合收获机测产装置基础上,结合定量螺旋输送原理,设计了一套联合收获机测产误差动态自校准系统,提出了一种在联合收获机动态条件下,测产误差自动进行反馈校准的方法。该系统由谷物体积传感器、卸粮转速传感器、粮仓粮位传感器、数据采集与处理模块、显示终端和误差反馈校准软件组成。2020年6月在北京市小汤山国家精准农业研究示范基地分别进行了卸粮转速传感器性能试验、室内螺旋输送台架试验和室外田间动态自校准性能验证试验。卸粮转速传感器性能试验结果表明卸粮转速传感器相对误差小于2%。台架试验结果表明,在不同的卸粮转速下,系统监测值与实际输出值误差不大于2.5%,定量螺旋输送谷物瞬时流量与转速呈线性关系,R2达到0.9937。田间试验表明,采用测产误差动态自校准方法的测量误差在-2.95%~3.13%,比未使用该方法的测产装置测量结果降低了0.45个百分点,同时系统的误差波动减小。测产误差动态自校准方法为小麦田间产量信息的准确获取提供了一种新的测量手段。     

双板差分冲量式谷物流量传感器性能试验

对双板差分冲量式谷物流量传感器的静态受力特性进行检测,结果表明传感器的输出信号与静态力作用点的位置无关,即传感器的线性度满足使用要求。室内标定试验和田间测产试验得到谷物流量在0～2.0kg/s范围内信号与传感器输出电压信号的关系和标定系数K。田间水稻测产试验检测测产精度误差小于     

双板差分冲量式谷物流量传感器性能试验

对双板差分冲量式谷物流量传感器的静态受力特性进行检测,结果表明传感器的输出信号与静态力作用点的位置无关,即传感器的线性度满足使用要求.室内标定试验和田间测产试验得到谷物流量在0～2.0 kg/s范围内信号与传感器输出电压信号的关系和标定系数K.田间水稻测产试验检测测产精度误差小于3.8%.     

谷物联合收获机自动测产系统设计——基于变权分层激活扩散模型

为了使联合收割机具有自动测产功能,提出了一种基于变权分层激活扩散的产量预测误差剔除模型,并使用单片机设计了联合收获机测产系统。测产系统的主要功能是:在田间进行作业时,收割机可以测出当前的运行速度、收获面积及谷物的总体产量。数据的采集使用霍尔传感器和电容压力传感器,具有较高的精度。模拟信号的处理选用了ADC0804差分式A/D转换芯片,可以有效地克服系统误差,数据传送到单片机处理中心,对每一次转换都进行一次判断,利用变权分层激活扩散模型剔除误差较大的数据,通过计算将数据最终在LCD显示屏进行显示。将系统应用在了收割机上,通过测试得到了谷物产量的测量值,并与真实值进行比较,验证了系统的可靠性。     

基于近红外光电效应的联合收获机谷物厚度测量方法

谷物在刮板升运器中的堆积状态是影响光电式流量测量精度的重要因素。为了提高联合收获机容积式谷物流量传感器的测量精度,开展了基于近红外光电效应的谷物厚度测量方法及其传感器的研究。通过激光发射器生成850～980 nm的近红外光,采用硅光电池接收透射谷物的红外光线,根据光强的变化获取谷物的厚度。设计了以T型反馈网络为核心的I/V转换处理电路,根据试验测量的输出电压与谷物厚度的变化关系,拟合建立了Gaussian函数方程,分析了激光发射器功率、红外线波长对不同品种水稻厚度测量性能的影响。结果表明:当红外线波长为940 nm时,回归方程的拟合精度最高,水稻厚度测量误差小于0. 5 mm;随着激光发射器功率的增加,水稻厚度测量量程随之增大,当功率为500 m W时,谷物厚度的有效测量距离约为50 mm;红外线的穿透能力随着波长的增加而增强,随着籽粒含水率的降低而减弱。提出的谷物厚度测量方法可以提高容积式谷物流量测量精度。     

谷物联合收获机测产系统性能试验

引进Ag Leader谷物测产系统,在国产中小型谷物联合收获机平台上开展了测产系统性能试验.谷物测产系统主要由包括流量传感器等在内的多路传感装置、终端显示及控制平台和GPS系统构成.首先进行了系统传感器的标定试验,然后进行了田间小麦的收获试验.将试验获得的产量数据进一步进行了处理,通过产量数据点的空间自相关性分析发现,产量值采样点在20 m范围内的的相互依赖程度较高;半方差分析表明,测产区域的产量分布空间变异明显,呈现空间聚集分布的特点.克里格插值后的产量分布图呈现斑状分布的趋势,也直观反映了聚集分布的特征,可以为精细农业的实施提供必要的理论依据.     

悬臂梁冲量式谷物质量流量传感器阻尼设计

基于悬臂梁受冲击力变形原理开发的联合收获机冲量式谷物质量流量传感器,在应用中测量精度易受到收获机基础振动的影响.对此,分析了测量中产量信号计算模型,指出悬臂梁弹性元件阻尼设计的重要性.提出了通过动力消振原理增加弹性元件阻尼的方法,进行了相应的理论分析.针对阻尼处理前后的弹性元件,开展了冲击响应实验.理论分析和实验结果都说明了该方法的有效性.     

基于OHTA颜色空间的瓜果轮廓提取方法

提出了一种对彩色水果图像进行果实轮廓提取的算法.首先将图像转换为OHTA颜色空间中的灰度图像,用阈值法实现了图像分割;然后用BLOB算法滤去图像中的噪声;最后用插值的方法得到平滑的轮廓曲线.利用开发的智能瓜果精选分级试验样机,按照大小对温室西红柿进行分类,对算法的精度和实时性进行检验,结果表明算法的精度可达98%,分选速度达到3个/s,达到了实用化的目标.     

花生联合收获机智能测产系统研究

为解决花生收获过程中产量监测问题,结合4HBLZ-2型自走式花生联合收获机设计了一种智能测产系统。硬件部分包括北斗导航车载接收系统、单片微处理器及重量传感器、德国麦希欧接触式在线水分传感器,通过CAN总线接口与上位机连接。将定量称重与网格细分技术相结合应用于收获机测产领域,相较于冲量式测产系统,极大地降低了收获机振动引起的产量累积误差。软件采用跨平台应用程序Qt完成了各传感器数据的实时接收、存储,以及对任意划定地块产量数据的查询,并且能够实现查询产量数据的平面及3D立体渐变色显示。在5种不同工况下对该测产系统进行试验,测试花生收获机工作状态下测产系统的稳定性。在发动机大油门、开动夹持输送装置工况下,产量相对误差绝对值小于2%,在田间试验情况下产量相对误差绝对值小于5%。     

基于微波多普勒法的施肥质量流量检测系统研究

为了实现施肥量的精确检测,本文构建了基于微波多普勒雷达以及振动干扰抑制方法的肥料质量流量检测系统。由多普勒信号经过快速傅里叶变换处理获得肥料颗粒速度和浓度。定义速度和浓度乘积为传感器输出值,并使用最小二乘法建立传感器输出值和肥料质量流量的线性回归模型。通过对信号的统计规律进行分析,将功率谱的5倍平均值用作区分振动干扰和流量信号的阈值。在实验平台上,使用2种复合肥进行了检测,实验结果表明,肥料质量流量最大检测值可达2629.9g/min,检测相对误差不大于5％。此外,将检测系统安装在施肥机上,在水泥路上使用第3种复合肥进行了测试,由于振动影响,检测系统最大检测误差达到21.57%。使用提出的振动干扰抑制方法进行处理后,肥料质量流量检测范围在1429.1~2976.9g/min之间,相对误差不大于10.04％。因此,结合振动抑制方法,微波多普勒法的质量流量检测系统能够精确检测实验平台上和施肥机上不同肥料的质量流量。