共查询到18条相似文献,搜索用时 135 毫秒
1.
一年一度的麦收已经结束了,小麦联合收获机将存放较长一段时间,为延长其使用寿命,减少来年作业时的故障,对收割机要做好妥善保管。 一、冲洗收割机内外泥土,清理缠草、麦糠等杂物,保持整体清洁。卸下链条,用柴油刷净油泥,然 相似文献
2.
基于喂入量的作业速度智能化控制技术是优化联合收获机作业效率和质量的重要手段。本文针对传统喂入量自动控制技术时滞明显,在喂入量调整时无法及时适应实际情况的问题,采用基于图像的深度学习方法开展了成熟期小麦植株密度等级分类识别方法研究,通过预先感知作物密度,实现联合收获机作业参数的自动调整。首先基于车载相机和无人机图像构建了小麦植株图像数据集,并细分为低密度、中密度、高密度和特高密度4类;其次构建了基于MobileViT-XS轻量化网络的密度等级识别模型,利用建立的数据集进行模型的训练和测试;最后将其与VGG16、GoogLeNet和ResNet进行了比较。结果表明,MobileViT-XS模型的总体识别准确率达到91.03%,且单幅图像推理时间仅为29.5ms。与VGG16、ResNet网络相比,总体识别准确率分别高出3.51、2.34个百分点,MobileViT-XS模型可以较好的完成小麦不同密度等级的分类识别任务,为实时预测小麦喂入密度提供了技术支持。 相似文献
3.
谷物水分的快速测量对谷物准确测产、粮食快速收储、精准农业实施具有重要意义。针对联合收获机动态作业条件下小麦水分检测稳定性差、测量精度低等问题,基于小麦介电特性原理,设计一种联合收获机水分在线检测装置,提出一种动态连续取样、静态间歇测量的新方法,实现了联合收获机作业条件下,在线快速稳定检测小麦含水率。在线检测装置由机械动态取样部分、电机控制模块、传感器模块、数据采集模块、卫星定位模块和显示终端组成。其中传感器模块包括水分传感器、温度传感器和料位传感器。开展了静态验证试验和田间动态验证试验。试验结果表明,静态条件下,含水率在线检测误差在3%以内;在田间动态变化条件下,建立了基于介电常数和温度因子的水分检测模型,实测值和检测值相关系数达到0.92,在线检测误差小于5%。采用动态连续采样、静态间歇测量的方法显著提高了含水率在线检测的精度,为实现小麦精准生产提供了一种快速测量手段。 相似文献
4.
1.割刀堵塞。原因是:动刀片与定刀片间隙过大,塞草;刀片或护刃器损坏;动刀片与定刀片配合位置不对中。排除方法是:调整刀片间隙或更换刀片和护刃器;调整割刀驱动机构上的连杆长度,使割刀在行程的两极位置时动刀片与定刀片对中。 2.拨禾轮打落籽粒太多。主要原因 相似文献
5.
6.
小麦联合收获机是一种复杂的农业机械,其安装、调试、安全操作、维修保养技术要求高,机手应严格按产品说明书进行操作,同时还要注意以下几点:一、联合收获机进入麦地开始作业,一般应在离麦子1米~15米时平稳地接合脱谷离合器,待脱粒机达到作业转速后再逐步提高前进速度,进入正常作业。收获到地头时,应缓慢升起割台,降低前进速度转弯,但不应减小油门,以免造成脱粒滚筒堵塞。二、联合收获机应以发挥最高效率为原则采用大油门作业,不允许减小油门来降低前进速度,因为这样会降低滚筒转速、作业质量,甚至堵塞滚筒。如遇沟坎等障碍… 相似文献
7.
8.
多功能根茎类作物联合收获机设计与试验 总被引:14,自引:1,他引:13
简述了多功能根茎类作物联合收获机的整体结构配置、工作过程、技术特点以及关键部件结构设计等.整机主要由动力底盘、扶禾装置、挖掘装置、清土装置、夹持输送装置、摘果装置、清选系统和集果系统等组成.摘果装置采用可互换的滚筒式分离机构和圆盘割刀式分离机构,可用于花生、大蒜、洋葱等多种根茎类作物的联合收获,实现一机多用.花生、大蒜试验结果表明:花生果实损失率2.3%,埋果率0.3%,摘果破损率0.4596,果实清洁度99%,漏摘损失率0.4%,整机可靠性系数96.2%;大蒜果实损失率3.0%,漏收损失率0.5%.果实碰伤率1.5%. 相似文献
9.
用户新购置的、大修后的或长时间存放后的联合收获机,为保证良好的技术状态和正常的使用,必须按照《使用说明书》的要求进行各项检查、调整和试运转后才能开始使用。使用时要按如下规程操作: 相似文献
10.
11.
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。 相似文献
12.
13.
农作物病虫害对农业产量和品质影响巨大。数字图像处理技术在农作物病虫害识别中发挥重要作用。深度学习在该领域取得显著突破,效果优于传统方法。深度学习方法的特征提取能力更强,能准确捕捉细微特征,提高检测精度和可靠性。深度学习为农业提供了有力支持。本研究综述了基于深度学习的农作物病虫害检测研究,从分类网络、检测网络和分割网络3方面进行了概述,并对每种方法的优缺点进行了总结,同时比较了现有研究的性能。在此基础上,进一步探讨了基于深度学习的农作物病虫害检测算法在实际应用中面临的难题,并提出了相应的解决方案和研究思路。最后,对基于深度学习的农作物病虫害检测技术的未来趋势进行了分析和展望。 相似文献
14.
为了准确分析联合收获机不同喂入量检测方法的精度,提出基于割台主动轴功率和倾斜输送器功率的2种喂入量检测方法。以河北冬小麦作为试验对象,以新疆3型联合收获机为试验平台,进行了喂入量检测系统田间试验。喂入量检测系统包括割台主动轴扭矩传感器、倾斜输送器动力轴扭矩传感器、割台主动轴转速传感器和车载工控机等。对2种喂入量检测方法进行分析,根据试验数据分别建立计算模型,将2种方法的检测结果与实测结果进行对比,结果表明,基于割台主动轴功率的喂入量检测方法平均相对误差为19.6%,基于倾斜输送器功率的喂入量检测方法平均相对误差为16.1%。2种方法的检测精度在一定程度上能满足田间应用需求,基于倾斜输送器功率的喂入量检测方法检测精度稍高。 相似文献
15.
16.
17.
识别小麦收获机运行轨迹是分析农业机械活动、提高作业效率的重要手段。本文针对小麦收获机田内作业场景,提出一种基于机器学习的收获机掉头轨迹识别算法。首先通过两步K-means聚类与三步修正识别出X形掉头轨迹点、作业异常轨迹点与作业轨迹点;为进一步从作业轨迹中分类出U形掉头轨迹点,构建了基于支持向量机模型(Support vector machine, SVM)的U形掉头轨迹识别算法,并对初步识别结果进行三步修正;最终识别出小麦收获机的田内X形掉头、作业异常、U形掉头与作业轨迹点,识别结果的F1值为94%,时间间隔为1~5 s的数据的F1值在90%以上,实现田内轨迹的细致划分。基于去除掉头轨迹与异常轨迹后获得的有效作业轨迹,可通过距离算法计算获得农田面积,结果相比使用原始轨迹的计算误差可降低12.76%。该研究可为基于海量农机轨迹的作业精细化管理提供参考。 相似文献
18.
针对联合收割机可靠性评估过程中对使用故障数据单一化处理和评估结果往往与实际情况不符的问题,提出了一种基于改进竞争威布尔模型的方法对联合收割机的可靠性进行评估。为了使联合收割机使用故障数据的故障机制处理方法更科学和准确,引入故障特征属性和故障信息序列等分析处理方法对其故障数据进行分类化处理。由于不同故障对联合收割机的可靠性影响程度具有差异性,本文将联合收割机使用故障数据进行等级化处理,赋予相应权重并加入到故障数据预处理的计算中。通过改进的竞争威布尔可靠性评估模型的数学方法与计算公式得出联合收割机使用故障数据的模糊聚类分析,结合自助抽样法(bootstrap)对改进竞争威布尔模型的参数进行估计,确定出模型参数的点估计和区间估计,以此得到联合收割机的可靠度函数和平均无故障时间。最后,通过改进竞争威布尔模型的联合收割机可靠性的算例结果与单威布尔模型下计算结果进行比较,分析表明:本文提出的针对联合收割机使用故障数据的处理方法和基于改进竞争威布尔模型的可靠性计算结果更符合联合收割机实际使用情况;同时,对比之前联合收割机可靠性计算方法,该法避免了难度大、单一化、工作量大的故障机制探测及分析工作,更具有实际性、准确性和操作性。 相似文献