入料速度动态调节式马铃薯切条机设计与试验

针对目前马铃薯切条机切削质量差、切削薯条破损率高以及自动化程度低等问题,对马铃薯切条机结构进行改进设计。采用激光传感器和入料分流装置检测入料速度并对入料速度进行调控,提高入料均匀性与切削稳定性。通过对关键部件的分析确定了影响切条质量的关键因素与取值范围。以离心滚筒转速、推料叶片倾角和切片刀安装角为试验因素,以切条合格率和分切破损率为试验指标,进行三因素三水平响应面试验,利用Design-Expert 10.0.1软件对试验结果进行方差分析,通过响应面分析交互因素对试验指标的影响规律。运用软件优化得出试验因素的最优组合并进行验证试验,结果表明：当离心滚筒转速为224.6r/min、推料叶片倾角为19.4°、切片刀安装角为292°时,切条合格率为96.7%、分切破损率为2.0%。在此基础上进行入料速度控制调节试验,试验结果显示：切条合格率为96.2%,分切破损率为2.4%,产量达3.3t/h,切条合格率提高7%,分切破损率降低4%,切削效率提高28%,提高了马铃薯切条机流水线工作时的切削质量与效率。     

基于轻量型卷积神经网络的马铃薯种薯芽眼检测算法

马铃薯种薯芽眼属于小目标物体,识别难度大、要求高。为了在试验台（芽眼识别装置）上快速、准确地完成识别任务,该研究提出一种基于轻量型卷积神经网络的芽眼检测模型。首先,为了降低模型的计算量和聚焦小目标物体,替换YOLOv4的主干网络CSPDarkNet-53为GhostNetV2轻量型特征提取网络;其次,在YOLOv4的颈部网络中,使用深度可分离卷积（depthwise separable convolution,DW）模块代替普通卷积块进一步降低模型计算量;最后,更改边界框损失函数为具有角度代价的边界框损失函数（SIoU）,避免因预测框的位置不确定,而影响模型收敛速度和整体检测性能。结果表明,改进后芽眼检测模型参数量为12.04 M,使用笔记本电脑CPU检测单张图片的时间为0.148 s,从试验台收集的测试数据显示平均精度为89.13%。相对于其他主干特征提取网络CSPDarkNet-53、MobileNetV1、MobileNetV2、MobileNetV3、GhostNetV1,其检测精度分别高出1.85、0.75、2.67、4.17、1.89个百分点;与同类目标检测模型SSD、Faster-RCNN、EifficientDet、CenterNet、YOLOv7相比,在检测精度上,分别高出23.26、27.45、10.51、18.09、2.13个百分点,在检测时间上,分别降低0.007、6.754、1.891、1.745、0.422 s,且模型参数量具有明显优势。该研究为小目标物体检测和模型部署提供技术支撑。     

整列定位夹切组合式马铃薯种薯切块装置设计与试验

针对目前马铃薯种薯切块机存在切种质量差和自动化程度低等问题,基于切种农艺与农机相融合的设计思想,设计了一种马铃薯种薯自动切块装置。通过整列定位输送机构完成种薯排列输送定位,经夹持取料机构和切刀机构组合作用下完成种薯切块过程,整机由PLC控制切块动作工序,实现了切种流程的自动化。结合典型种薯几何尺寸参数,完成马铃薯种薯切块装置的关键结构设计,对种薯切块作业过程进行理论分析,明晰影响种薯切块效果的主要因素和各因素的取值范围。以切种合格率、切种盲眼率为评价指标,以圆台辊组中心距、链条输送速度、V形刀具夹角为试验因素,进行三因素三水平响应面试验,通过Design-Expert 12.0.3软件对试验结果进行方差分析和交互作用分析,利用软件优化模块确定试验最优参数组合。在最优参数组合条件下进行种薯切块试验验证,验证结果表明：当圆台辊组中心距为101.60 mm、链条输送速度为0.019 m/s、V形刀具夹角为49.50°时,切种合格率为97.56%,切种盲眼率为1.27%,与优化值相对误差小于5%,表明优化后最优参数组合可靠性高,可以满足种薯切块要求。