共查询到18条相似文献，搜索用时 203 毫秒
1.
高频电容式联合收获机谷物含水量在线监测装置研制 总被引：5，自引：5，他引：0
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%。 相似文献
2.
基于DSP和单片机的谷物含水率准动态检测技术研究 总被引：1，自引：1，他引：0
为进一步提高谷物含水率检测的速度和精确度,以满足收获机械在线检测的需要,提出了一种新的基于DSP和MPU的以大豆为代表的谷物含水率快速检测技术,并依此为依据设计了相应的系统装置.试验结果表明,该装置测量的含水率误差小于1%,每分钟测量速度大于15次.该装置还预留了较大存储空间,可方便地应用到其它谷物水分的在线检测.无论从测量精度、速度还是装置的温度稳定性指标均优于现有装置.该方法的提出为在线谷物含水率快速、高精度测量提供了新的解决方案. 相似文献
3.
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 总被引：5，自引：5，他引：0
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。 相似文献
4.
冲量式谷物流量传感器测产信号处理方法 总被引：7，自引：5，他引：2
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。 相似文献
5.
近红外光谱式联合收割机谷物蛋白质含量检测系统设计 总被引：2，自引：2，他引：0
为了实现谷物联合收割机收获时实时在线检测谷物的蛋白质含量并记录采样地理位置信息,研发了一种基于近红外光谱原理的谷物蛋白质含量在线检测系统,系统主要由近红外光谱传感器模块、螺旋采样输送机构、控制模块、GPS/北斗定位模块、工控显现一体机等组成。谷物联合收割机近红外光谱式蛋白质含量在线检测系统工作时,当联合收割机出粮搅笼排出的谷物经过螺旋采样输送机构,采样机构的步进电机根据检测速率要求由控制器控制并间断进行谷物输送,控制器同时控制近红外光谱传感器在步进电机停止转动时进行光谱采样,谷物的近红外光谱和GPS/北斗定位模块位置信号等数据由RS485总线传输至上位机。编制了近红外传感器和采样机构等的控制与数据处理分析软件,经谷物蛋白质含量预测模型处理后,将谷物蛋白质、采样位置信息等实时显示在终端上并保存。为了验证谷物蛋白质含量预测模型及在线检测系统的性能,开展了室内标定和田间系统动态测试试验,小麦蛋白质含量预测模型的决定系数R2为0.865,绝对误差范围为-0.96%～1.22%,相对误差范围在-7.30%～9.53%,预测标准差值为0.638%;水稻蛋白质含量预测模型的决定系数R2为0.853,绝对误差范围为-0.60%～1.00%,相对误差范围为-8.47%～9.71%,预测标准差值为0.516%。系统田间测试试验表明,小麦蛋白质含量的最大相对误差为-6.69%,水稻蛋白质含量的最大相对误差为-8.02%,采样分析时间间隔对系统测试精度的影响不显著,系统稳定性和检测精度达到田间谷物蛋白质在线检测需要,为精准农业作业提供了科学依据。 相似文献
6.
连续单粒式谷物在线水分测定仪的设计与试验 总被引：2，自引：2，他引：0
为了提高谷物干燥设备自动化水平和干燥后谷物品质,提出一种基于电阻法检测原理,测量稻谷、小麦和大麦的连续单粒式谷物在线水分测定仪。其主要由谷物取样机构、谷物采样机构和信号采集电路等部分组成。通过测量谷物单粒外形尺寸统计出谷物等效粒径。运用谷物等效粒径和谷物与金属表面的静滑动摩擦角,计算确定谷物取样机构中不锈钢制异向正弦螺旋杆的中径和螺距分别为16和9 mm。由螺旋杆与分粒拨刀组成的谷物取样机构,在剔除杂物和多余谷物的同时,使谷物以连续单粒的形式进入进料口。选定模数为0.4 mm斜纹表面滚花形式碾压辊作为碾压电极,测量10%~35%含水率范围内稻谷、小麦和大麦单粒电阻值。构建稻谷、小麦和大麦的单粒阻值-含水率对应关系曲线并回归出水分计算函数(稻谷R~2=0.998;小麦R~2=0.999;大麦R2=0.999)。设计多路复用比例检测电路、二阶压控有源低通滤波器和50Hz陷波等信号处理电路。采用基于ARM Cortex TM-M3核的低功耗32位微处理器硬件和软件平台完成谷物水分数据的采样、处理和计算。现场水分在线检测与烘干法对比试验表明,在循环式谷物烘干机烘干过程-5~55℃的谷物温度和10%~35%含水率范围内,单粒式在线水分测定仪的在线水分测量绝对误差≤±0.4%,一次100粒谷物测量平均时间≤55s,水分测量重复误差≤±0.3%,研究结果为实现谷物烘干过程水分在线检测提供参考。 相似文献
7.
8.
9.
联合收割机稻麦收获边界激光在线识别系统设计与试验 总被引：4，自引：4，他引：0
针对联合收割机收获边界在线识别问题,利用激光无损探测技术,开发了联合收割机收获边界在线识别系统。首先介绍了系统组成、激光传感器选型及工作原理,将传感器输出数据极坐标转换为直角坐标,建立稻麦轮廓特征数学模型。由于收获过程会产生大量的灰尘,会对激光探测距离及信号反射产生影响。通过与作物特征阈值比较,对受灰尘影响的错误数据进行有效识别与剔除。采用移动平均数字滤波算法,消除系统测量噪声。通过信号阶跃变化模式识别算法,实现了收获边界的在线检测,准确推算出联合收割机作业割幅,并进行了田间试验研究。试验结果表明,该系统可实现在线监测,收获边界测量误差不大于12 cm,可为联合收割机智能监控系统的实际应用提供参考。 相似文献
10.
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。 相似文献
11.
12.
为提高多台无人化智能收获机和运粮车协同作业效率，该研究以2台不同型号水稻收获机和1台运粮车为研究对象，开展了智能农机多机协同收获作业控制方法研究。根据协同作业控制决策约束条件，建立协同收获作业中有限个状态过程的改进型连续时间马尔科夫链模型。以减少非作业时间为优化目标，通过模型预测未来一段时间内每台收获机的卸粮时间，动态更新每台收获机的卸粮顺序和时间。仿真试验结果表明：本文控制方法相对于仓满后再召唤运粮车的卸粮方式有效减少了作业时间，协同收获任务的农机平均作业时间减少了13.58%。田间试验结果表明：智能农机多机协同作业控制方法实现了2台水稻收获机和1台运粮车协同自主作业，在场景1中，相对于仓满召唤卸粮模式，收获机1和收获机2非作业时间分别减少了71.25%和42%，收获效率提高了6.65%和5.22%；在场景2中，相对于仓满召唤卸粮模式，收获机1和收获机2非作业时间分别减少了77.64%和37.09%，收获效率提高了12.07%和5.78%。本文提出的控制方法可以实现收获-卸粮转运自主作业，减少了收获机的非作业时间，提高了作业效率，可为无人农场智能收获协同作业提供支撑。 相似文献
13.
针对在谷物产量测量作业中收割机采用单一的全球定位系统(global positioning system,GPS)进行定位时定位信息不稳定的问题,提出利用具有定位和双向通信功能的北斗/GPS双模用户机,其内部采用北斗(BJ-54)和GPS(WGS-84)2种混合定位方式,将这2种定位方式互补使用,可以解决当使用单一定位情况下定位信息不稳定的问题。利用北斗/GPS双模用户机的定位信息实现谷物收割机行走线路图的测绘;利用北斗卫星的报文通信功能代替全球移动通信系统短信息服务,实现谷物收割机作业数据的远程传输功能。谷物收割机作业综合管理系统包括作业管理中心和车载子系统两部分。车载子系统实现收割机的地理位置、收割面积和谷物质量等数据的采集,然后将采集的数据通过北斗卫星传输给作业管理中心。作业管理中心利用这些数据可以绘制出收割机作业轨迹图和产量分布图,同时作业管理中心也可以向收割机发送作业指令,并通过文本语音转换模块将文本内容转换成语音信号输出,实现作业的综合管理与调度。田间产量测量试验表明,系统测量谷物收割面积相对误差为2.9%,谷物产量相对误差为3.47%,系统运行稳定、可靠。该系统可为南方丘陵山区谷物收割机跨区作业的产量测量、管理提供参考。 相似文献
14.
基于机器视觉的水稻杂质及破碎籽粒在线识别方法 总被引：8，自引：5，他引：3
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。 相似文献
15.
破碎率、含杂率是评价大豆联合收获机的重要作业性能指标,破碎率、含杂率实时数据是实现大豆联合收获机智能化调控的基础。为了实现大豆机械收获过程破碎率、含杂率的在线检测,该研究提出了基于改进U-Net网络的机收大豆破碎率、含杂率在线检测方法。以大豆联合收获机实时收获的大豆图像为对象,使用开源标注软件Labemel对数据集进行标注,构建基础数据集。针对大豆图像粘连、堆叠、语义信息复杂等问题,以U-Net为基础网络结构,结合VGG16网络并在各激活层（Rectified Linear Unit,ReLu）前引入批归一化层（Batch Normalization,BN）防止过拟合;在编码器中提取的特征图后面添加卷积块注意力模块（Convolutional Block Attention Module,CBAM）抑制无关区域的激活,减少冗余部分;采用最近邻插值法的上采样替换解码器中转置卷积,避免转置卷积引起的棋盘效应。试验结果表明：改进U-Net网络能有效地将图像中完整大豆籽粒、破碎籽粒和杂质进行识别分类,完整籽粒识别分类综合评价指标值为95.50%,破碎籽粒识别分类综合评价指标值为91.88%,杂质识别分类综合评价指标值为94.35%,平均交并比为86.83%。应用所设计的大豆籽粒破碎率和含杂率在线检测装置开展台架和田间试验。台架试验结果表明,本文方法的检测结果与人工检测结果的破碎率均值绝对误差为0.13个百分点,含杂率均值绝对误差为0.25个百分点;田间试验表明,本文方法检测结果与人工检测结果的破碎率均值绝对误差为0.18个百分点,含杂率均值绝对误差为0.10个百分点。所提检测方法能够准确在线估算机收大豆的破碎率和含杂率,可为大豆联合收获作业质量在线检测提供技术支持。 相似文献
16.
仿生手掰穗玉米收获装置结构及运行参数优化 总被引：4，自引：4，他引：0
针对板式摘穗含杂率高,辊式摘穗果穗啃伤、籽粒损失严重等问题,该文提出了一种仿生掰穗手式玉米收获机构。通过对该机构及关键部件的理论分析,确定整机结构参数,掰穗手数目1~3个、掰穗手速度0.95~2.85 m/s、夹持导轨行进速度0.83~1.67 m/s;利用搭建的仿生掰穗手式玉米收获台架试验装置,以掰穗手数目、掰穗手速度、夹持导轨行进速度作为试验因素对籽粒损失进行三因素三水平二次回归正交试验;通过Design-Expert 8.0.6数据分析软件,建立各因素与指标的响应面数学模型,分析了各因素与评价指标之间的关系,同时,对影响因素进行了综合优化。试验结果表明:各因素对籽粒损失率均有显著影响(P0.05),影响主次顺序为掰穗手速度掰穗手数目夹持导轨行进速度;得到各试验因素最优参数组合为掰穗手数目2个,掰穗手速度2.15 m/s,夹持导轨行进速度1.14 m/s,对应的籽粒损失率为0.031%。根据该试验参数组合,进行台架试验验证,可以得到籽粒损失率为0.04%,评价指标与理论优化值的相对误差仅为0.009%,远低于国家标准(2%),优化预测模型可靠。该研究实现了玉米果穗的低损收获,验证了模仿人工掰穗的可能性,为低损伤玉米收获的研发提供了参考。 相似文献
17.
纵轴流联合收获机籽粒夹带损失监测方法及传感器研制 总被引：2，自引：2，他引：0
针对联合收获机在收获高产水稻时籽粒夹带损失率偏高,籽粒夹带损失实时直接测量难度大的问题,该文提出了一种对纵轴流联合收获机籽粒夹带损失进行实时间接检测的新方法。试验研究了不同喂入量下纵轴流滚筒下脱出混合物中籽粒沿滚筒纵向与横向的分布规律,推导了籽粒沿纵轴流脱粒滚筒径向、轴向的分离概率模型并建立了籽粒夹带损失间接监测数学模型。为准确获取籽粒碰撞信息,试验研究了不同压电材料下籽粒碰撞输出信号特征及籽粒与不同材料敏感板间的碰撞过程,以此为基础研制了性能优良的籽粒损失监测传感器并对其进行了隔振结构设计。将研制的籽粒损失监测传感器安装到纵轴流联合收获机上,运用籽粒夹带损失间接监测方法进行了田间试验,试验结果表明,该文提出的籽粒夹带损失监测方法切实可行,研制的籽粒损失监测传感器工作性能稳定、准确,收获高产水稻时籽粒夹带损失最大测量相对误差为3.03%。该文的研究实现了籽粒夹带损失的实时自动监测,为工程实际运用奠定了良好的基础。 相似文献
18.
黄淮海夏玉米机械化粒收质量及其主要影响因素 总被引：3，自引：0，他引：3
针对黄淮海夏玉米区机械粒收质量差及其主要影响因素不明确,该研究选择黄淮海夏玉米区2013-2019年机械粒收技术联合试验示范的1 250组测试样本进行籽粒含水率、破碎率、杂质率和损失率等粒收质量统计分析,结果表明,夏玉米机械粒收时籽粒含水率平均为27.38%,破碎率平均为9.29%,杂质率平均为1.68%,损失率平均为3.28%,籽粒含水率和破碎率明显高于全国平均值。从不同年份收获质量看,2018、2019年收获籽粒平均含水率下降至25.45%和25.05%,平均破碎率下降至9.07%和7.88%,虽仍然高出国家玉米机械收获规定的破碎率标准(≤5%)的要求,但收获质量已发生明显改善。破碎率与收获期籽粒含水率之间呈二次曲线关系,破碎率最低时籽粒含水率为21.08%。因此,破碎率高仍然是黄淮海夏玉米机械粒收存在的主要质量问题,而收获期籽粒含水率高是导致破碎率高、制约机械粒收的主要原因。针对黄淮海夏播区热量资源梯度分布差异较大,玉米收获季节窗口期短的特点,选择早熟、脱水快的品种,进行品种脱水与区域气候资源配置,进一步降低收获期籽粒含水率,规范宜机械粒收栽培技术以及收获机操作规程是破解黄淮海夏玉米粒收质量差的关键。 相似文献