光电漫反射式联合收割机谷物产量计量系统研发与性能试验

为了进一步提高联合收割机谷物产量计量系统的精度,自主研发了基于光电漫反射原理的谷物产量计量系统。系统主要由传感器模块、数据处理模块、GPS模块和谷物产量计量显示终端组成。光电式谷物产量计量系统计量作业时,当联合收割机籽粒升运器刮板输送谷物经过漫反射型谷物体积传感器时,会间歇性的阻断光路,从而产生脉宽信号,脉宽信号大小与刮板上谷物厚度成正比,同时升运器转速传感器输出转速信号,谷物产量计量数据处理模块将采集到的2路传感器信号进行放大、滤波和A/D转换后与GPS模块采集的联合收割机行进速度、经纬度信息由RS485总线传输至光电谷物产量计量软件系统,经光电式谷物产量模型处理后,将产量信息、速度信息、位置信息等实时显示在终端上。为了验证光电式谷物产量计量系统的性能,分别开展了室内主要传感器性能台架试验和系统田间动态性能验证试验,试验中谷物喂入量在0.1~6 kg/s范围内,台架试验表明升运器转速传感器测量误差小于2.00%,漫反射型谷物体积传感器测量误差小于3.50%。田间动态性能验证试验结果表明光电式谷物产量计量系统运行稳定,系统检测结果与实际测量结果决定系数R~2达到0.848 4,测产误差最大为3.51%,满足田间实际测产需要,为精准农业变量作业提供了科学依据。     

压力式谷物产量监测系统优化与试验验证

为了提高谷物收获作业过程中谷物产量在线监测的精度,研制了基于谷物流压力原理的车载谷物产量在线监测系统,该系统包括谷物流量监测装置、定位装置、割台高度控制开关、核心处理器以及人机交互装置。以谷物产量与谷物流压力间的谷物产量监测数学模型为指导,搭建了谷物产量监测试验台,采用Box-Behnken试验设计方法优化谷物流量监测装置结构参数,研究了传感器数量、传感器安装位置和监测装置水平倾角对谷物产量监测系统测产误差的影响,确定了最优参数组合为传感器数量5、传感器安装位置0.24 cm、监测装置水平倾角5°,并对最优参数组合进行了验证试验,结果表明,谷物产量监测系统测产误差为3.27%,满足谷物产量监测的精度要求。对谷物产量监测系统田间实际效果进行了试验验证,试验结果表明,田间测产误差为5.28%,生成的产量分布图为后续田间作业管理提供了决策依据。     

冲量式谷物流量传感器测产信号处理方法

为研究冲量式谷物流量传感器背景振动噪声的提取及剔除方法,以减小背景振动噪声对其测产精度的影响,设计了一套冲量式谷物流量传感器室内标定台架,通过变频调速器控制驱动电机实现输粮搅龙和刮板升运器转速的改变以模拟联合收割机的不同田间工况,并对双板差分冲量式谷物流量传感器的测产信号处理方法进行了研究。通过算术均值滤波初步滤除测量板和参考板输出信号中的随机噪声,通过对参考板滤波输出信号的离散傅里叶变换(discrete Fourier transform,DFT)提取背景噪声的频谱特性,通过测量板和参考板DFT结果的频域差分实现测量板输出信号中背景噪声的剔除,对频域差分结果进行离散傅里叶逆变换(inverse discrete Fourier transform,IDFT)即可得到剔除了背景振动噪声后的传感器输出信号,再对其进行二次算术均值滤波,即得到最终的测产输出信号。通过室内台架标定,建立了谷物籽粒流量与测产输出信号和升运器速度之间的标定模型,并进行了室内模拟测产试验。试验结果表明:谷物流量范围为0.5~2.3 kg/s时,在不同的变频调速器输出频率下,最大测产误差不大于3.1%,测产精度较高且比较稳定,频域差分处理方法能较好地实现双板差分冲量式谷物流量传感器背景振动噪声的剔除。该研究可为冲量式谷物流量传感器测产系统的开发提供参考。     

谷物联合收割机远程测产系统开发及降噪试验

为降低田间振动干扰对谷物产量检测精度的影响,同时增加测产系统的实用性,设计了一种基于CAN总线技术、无线通信技术以及计算机网络技术的新型谷物智能测产系统。系统包括车载子系统和远程监测子系统2个部分,实现了谷物产量的现场监测、产量图绘制、远程监控与收获作业管理等功能。车载部分设计了弧形冲量传感器,提出了机械减振和双板差分方法来降低收割机振动对谷物流量测量的影响,采用数字阈值滤波的方法来提高谷物产量的测量精度,并建立了总产量和单位面积产量的数学模型。田间动态试验结果表明双板回归差分方式滤除干扰的效果优于直接差分,其最大测产误差为8.03%,测产平均误差为3.27%,最大测产误差比直接差分方式降低了7.12个百分点,最后绘制了试验地块的产量分布图。另外,系统的远程监控部分开发了界面友好的收获作业管理系统,实现了谷物产量的远程监测与管理。系统总体运行性能良好,满足了测产需要。     

光电信号与收割机谷物产量数据转换模型的构建与验证

为了准确获取联合收割机作业过程中的谷物产量信息,自主研发了基于光电漫反射原理的联合收割机谷物产量计量系统。系统主要由传感器模块、数据采集模块、GPS模块和谷物产量计量显示终端组成。在研究了联合收割机田间工作状态和籽粒升运器刮板谷堆近似模拟形状的基础上,提出了分段式光电信号与收割机谷物产量数据转换模型。同时为了进一步消除收割机作业过程中产生的奇异点数据,提出了基于籽粒升运器转速的双阈值动态均值滤波的数据预处理方法。结果表明,采用该方法可以有效剔除奇异点数据,提高产量数据整体平滑度。田间试验结果表明,在考虑升运器转速条件下,该研究提出的分段式谷物产量数据转换模型动态验证误差小于3.50%,满足联合收割机谷物产量计量的实际需要。     

嵌入式谷物流量传感器设计与试验

为进一步提高双平行梁谷物测产系统的集成度以便于推广应用,提出一种嵌入式谷物质量流量传感器。设计了基于混合信号控制器HY16F188和嵌入式处理器STM32F405的信号采集处理模块。其中HY16F188负责谷物冲击信号的后置放大和AD转换,STM32F405则主要完成自适应噪声对消算法,输出谷物质量流量信号。基于MFC设计了配套的上位机软件,用于谷物产量显示、存储和产量图生成。为验证传感器性能,2016年11月在扬州市江都区的实际生产稻田进行了空载振动试验、标定试验、测产试验。空载振动试验分成原地小油门、原地大油门和行走等3种工况,振动干扰噪声幅度降低了97.4%。标定试验中采用线性关系对传感器进行标定,通过直线拟合获得了标定系数。选择3个不同田块开展测产试验,共计进行8次实际测产试验,获得了产量分布图,可以直观看出农田各位置的谷物产量分布情况。大田测产试验结果表明最大测量误差小于7.4%。该研究可为精准农业谷物在线测产研究提供参考。     

谷物流量传感器试验台的设计与试验

为了配合切纵流谷物联合收割机大喂入量流量监测系统的开发,该文根据测产需要,研制了一种谷物流量传感器标定试验台。试验台采用刮板式升运器结构,升运器倾角70°～90°。谷物由入粮箱喂入后,通过对插板的调节,可控制试验过程中不同谷物流量大小。基于图像化编程语言LabVIEW,采用NI(national instrument)数据采集卡,建立了一个多通道数据采集系统,可实现喂入粮箱的质量信号、振动信号及谷物流量信号波形和数值的实时显示、存储和分析。室内标定试验结果表明,在没有外力影响的情况下,喂入量的大小对测产精度的影响较大,尤其小流量时,测产误差达到6.55%。系统动态质量平均误差为4.02%,测产平均误差为4.24%,基本满足大喂入量流量监测系统的需要。本试验台研制为谷物流量传感器提供了一个开发平台。     

平行梁冲量式谷物质量流量传感器信号处理方法

冲量式谷物质量流量传感器是联合收割机测产系统的核心部件,但对振动干扰敏感.在传感器平行梁弹性元件结构优化设计基础上,给出了传感器输出信号的处理方法.设计了动态补偿器来改善传感器动态特性,以克服机械结构阻尼难以大幅度提高弹性元件系统阻尼的问题;设计了自适应陷波滤波器,以消除工作环境中存在的非稳定低频振动干扰;给出了传感器零点动态修正方法,以减少农田地形变化对测量精度的影响.试验结果证明了各算法的有效性,其中大田测产误差小于10%.     

基于红外结构光三维技术的土壤表面粗糙度测量

土壤表面粗糙度是一项重要的土壤物理参数,已有的各种测量方法存在测量效率和误差难以兼顾的问题。为了在一定精度下提高野外测量工作效率,该研究基于红外结构光技术设计了一套便携的土壤表面粗糙度测量系统。该系统主要包括红外结构光扫描仪、便携式计算机、支架等,具有3.2 mm空间分辨率和3 mm的距离分辨率的性能。通过水平面板测量试验,发现本系统相对误差较小,相对误差最小区域中0.5个测量单位以内的误差（e≤1.5 mm）占87.87%,1个测量单位以内的误差（e≤3 mm）占99.58%,而大于1个测量单位的误差仅占0.42%。通过土壤表面粗糙度测量试验,发现本系统绝对误差较明显,其测量结果低于1 mm 分辨率的土壤粗糙度值。通过误差分析发现：该系统的测量误差包括固有误差和随机噪声,呈特定的规律性分布;导致绝对测量误差的主要原因为该系统的性能;由于系统的随机噪声,基于水平面板距离图像的土壤表面距离图像校正存在不确定性。该研究结果为进一步降低红外结构光三维技术测量土壤表面粗糙度的误差提供了依据。     

基于修正介电常数模型的煤矿区复垦土壤压实评价

模拟复垦机械对试验区土壤进行不同程度的压实,在探地雷达获取土壤介电常数的基础上,检验并修正了4种经典复合介电常数模型,并结合野外试验对修正后的模型通用性进行了验证。结果表明,土壤介电常数与土壤压实指标(土壤紧实度、容重、孔隙率等)相关系数89%,可以表征土壤压实状况;原有复合介电常数模型虽然存在误差不能直接使用,但模型计算值与实测值相关系数0.99,修正后二者拟合误差1%;在野外试验中,基于修正后的介电常数模型反算的土壤压实指标(容重、孔隙率)与实验室测量值误差率5%,通用性较好。表明在科学布设测线以保证探地雷达准确获取土壤介电常数的前提下,可以通过修正后的复合介电常数模型对煤矿区复垦土壤压实状况进行全面客观的评价。     

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。     

基于机器视觉的猪胴体背膘厚度在线检测技术

为了能在线精准测量猪胴体背膘厚度,解决人工测量过程中效率低、人为因素影响大及结缔组织易被误测量为背膘的问题。该文基于机器视觉及图像处理技术提出一种图像采集并自动测量背膘厚度的算法。在双边滤波、大律法、形态学变换的基础上,通过轮廓面积分割提取出背膘区域及其边缘轮廓,利用拟合线对轮廓边框进行拟合,判断是否包含结缔组织。若包含则针对原始图像目标测量区域像素点特征进行具体分析,去除结缔组织。然后通过直线映射,确定背膘厚度检测线,测量猪胴体背膘厚度。测试结果表明:检测方法能适应在线检测速度需求,检测正确率为93.5%,平均检测时间为0.3 s。研究结果为生猪屠宰生产线上准确、快速测量背膘厚度提供参考。     

基于稀疏表示算法的高通量玉米果穗粒型识别系统

玉米籽粒粒型是评估玉米产量和品质的重要表型参数之一,为了提高籽粒粒型的识别率,同时满足高通量以及无损测量的要求,该文以果穗整体为研究对象,基于稀疏表示的方法构建了高通量玉米果穗籽粒粒型识别系统(果穗未脱粒)。以掉落抓拍法硬件采集平台采集3种不同粒型(硬粒型、马齿型、半马齿型)的玉米穗图像,首先使用帧差法获取果穗轮廓,再通过G通道分离、OTSU算法(最大类间方差法)得到籽粒轮廓信息,提取籽粒部分颜色、形状、纹理特征作为分类依据,每种粒型取200粒作为训练样本构成稀疏表示算法的判别字典,对每一个测试样本计算稀疏表示系数,根据最小重构误差判定籽粒粒型类别。结果表明,该方法不需要传统的果穗脱粒再进行籽粒类型统计,识别正确率达到94.8%,测量速度达到28穗/min,大大提高了玉米粒型统计的效率。     

基于Micro-CT的麦粒内害虫侵染研究

准确检测粮粒内部早期虫害侵蚀,可提前判断储粮受侵染状况,对及时确定合理的防治措施具有重要的意义。该文提出基于Micro-CT系统的麦粒内部早期侵染无损检测的方法。试验以显微CT投影数据的振荡幅度和灰度差来确定Micro-CT最佳参数组合。麦粒主要成分厚度1～6 mm变化时,距麦粒茸毛端基准面等距离处的灰度立方体的平均灰度值,会随着厚度的降低而增大。分析麦粒长轴朝向与旋转台面之间的夹角为0、45?、90?的麦粒平均灰度值,得麦粒平均灰度值由0时的80.406上升至90?时的88.544。用FDK算法(Feldkamp,Davis,Kress)重建试验中侵染粒的投影数据,统计得出米象横截面外观由单个圆形变成卵圆形再转变为多个圆形或卵圆形的组合,米象与虫洞之间的空隙逐渐增大,虫洞从表皮侵蚀至麦粒腹沟再扩张至表皮附近。利用Mimics平台绘制的三维可视化数据可得,米象发育过程中米象外观由杆状变为椭球形再发育出各个器官,米象长度由卵期0.37～0.5 mm发育到成虫期2.7～4.3 mm,宽度由卵期0.26～0.3 mm发育到成虫期0.97～1.3mm,米象体积在蛹期达到最大,虫洞由表皮逐渐向麦粒中心延伸扩展并最终贯穿整个麦粒。结果表明,利用Micro-CT系统进行无损检测可准确表达各龄期侵染粒内部微观结构的变化过程,为麦粒内部害虫的早期自动检测提供理论依据。     

基于机器视觉的玉米果穗产量组分性状测量方法

玉米果穗的穗长、穗粗、穗行数、行粒数等性状是制约玉米产量的重要组分性状,目前主要采用人工测量方式,或通过截取果穗横断面图像自动计算穗行数等参数,操作复杂、测量效率低、主观误差大,且无法保留完整的原始考种材料。针对上述问题,该文基于机器视觉技术,通过可见光二维成像获取果穗三维表型性状参数,结合果穗颜色特征及果穗的生物学规律,分别建立投影修正模型、穗行数快速估算模型、行粒数计算模型等,精确计算穗长、穗粗、穗行数以及行粒数等性状参数。试验结果表明,该方法适用于粘连果穗处理,秃尖的识别率高,且对光照环境要求低,穗行数及行粒数的零误差率在93%以上,测量速度可达30穗/min以上,能够满足高通量考种的需求,特别是保留了原始果穗考种材料实现无损测量,对于实现高通量考种及精细化育种有重要的参考价值。     

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。