CN112616425B - 谷物联合收割机作业性能的在线检测方法、系统及装置 - Google Patents

谷物联合收割机作业性能的在线检测方法、系统及装置 Download PDF

Info

Publication number
CN112616425B
CN112616425B CN202110248416.5A CN202110248416A CN112616425B CN 112616425 B CN112616425 B CN 112616425B CN 202110248416 A CN202110248416 A CN 202110248416A CN 112616425 B CN112616425 B CN 112616425B
Authority
CN
China
Prior art keywords
combine harvester
grain
grain combine
operation performance
index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110248416.5A
Other languages
English (en)
Other versions
CN112616425A (zh
Inventor
陈满
金诚谦
倪有亮
张光跃
袁文胜
徐金山
杨腾祥
刘政
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Research Institute for Agricultural Mechanization Ministry of Agriculture
Original Assignee
Nanjing Research Institute for Agricultural Mechanization Ministry of Agriculture
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Research Institute for Agricultural Mechanization Ministry of Agriculture filed Critical Nanjing Research Institute for Agricultural Mechanization Ministry of Agriculture
Priority to CN202110248416.5A priority Critical patent/CN112616425B/zh
Publication of CN112616425A publication Critical patent/CN112616425A/zh
Application granted granted Critical
Publication of CN112616425B publication Critical patent/CN112616425B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01D—HARVESTING; MOWING
    • A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
    • A01D41/12—Details of combines
    • A01D41/127—Control or measuring arrangements specially adapted for combines
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01D—HARVESTING; MOWING
    • A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
    • A01D41/12—Details of combines
    • A01D41/127—Control or measuring arrangements specially adapted for combines
    • A01D41/1277—Control or measuring arrangements specially adapted for combines for measuring grain quality

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Combines (AREA)

Abstract

本发明涉及一种谷物联合收割机作业性能在线检测方法、系统及装置，通过传感器采集谷物联合收割机的作业性能参数，并进行实时计算，得到谷物联合收割机的进步度，从而实现对谷物联合收割机的田间作业性能实时准确评价，有利于提高谷物联合收割机田间作业质量，提高检测的有效性与便利性。

Description

谷物联合收割机作业性能的在线检测方法、系统及装置
技术领域
本发明涉及农业机械技术领域，特别是涉及一种谷物联合收割机作业性能的在线检测方法、系统及装置。
背景技术
目前，我国是世界第一大农机生产大国和使用大国，谷物联合收割机在农机工业产业占比高。但在谷物联合收割机产品种类不断增加、保有量持续上升的同时，关于谷物联合收割机田间作业性能的鉴定检测工作的信息化与智能化水平偏低这一问题愈加明显。因此，亟需一种新手段替代传统检测方法，以提高谷物联合收割机田间作业性能试验鉴定的工作效率。
发明内容
本发明的目的是提供一种谷物联合收割机作业性能的在线检测方法、系统及装置，能够实现对谷物联合收割机田间作业性能的自动化检测。
为实现上述目的，本发明提供了如下方案：
一种谷物联合收割机作业性能的在线检测方法，所述方法包括：
采集谷物联合收割机的作业性能参数，计算所述谷物联合收割机的作业性能指标，所述作业性能指标包括破碎率、含杂率、清选损失率和夹带损失率；
确定所述作业性能指标的权重，根据所述权重构建作业性能指标的概率转移矩阵；
根据所述概率转移矩阵计算所述谷物联合收割机作业性能的进步度；所述进步度为0，表征所述谷物联合收割机作业性能平稳；所述进步度小于0，表征所述谷物联合收割机作业性能变差；所述进步度大于0，表征所述谷物联合收割机作业性能变优。
本发明还提供了一种谷物联合收割机作业性能的在线检测系统，所述系统包括：
指标计算模块，用于采集所述谷物联合收割机的作业性能参数，计算所述谷物联合收割机的作业性能指标，所述作业性能指标包括破碎率、含杂率、清选损失率和夹带损失率；
数据处理模块，用于确定所述作业性能指标的权重，根据所述权重构建作业性能指标的概率转移矩阵；
性能评价模块，用于根据所述概率转移矩阵计算所述谷物联合收割机作业性能的进步度；所述进步度为0，表征所述谷物联合收割机作业性能平稳；所述进步度小于0，表征所述谷物联合收割机作业性能变差；所述进步度大于0，表征所述谷物联合收割机作业性能变优。
本发明还提供了一种谷物联合收割机作业性能的在线检测装置，所述装置包括：
夹带损失传感器，安装于谷物联合收割机滚筒末端两侧侧板上，用于获取夹带损失率数据；
清选损失传感器，安装于谷物联合收割机清选筛尾部，用于获取清选损失率数据；
含杂破碎传感器，安装于谷物联合收割机出粮口下方，用于获取破碎率和含杂率数据；
GPS定位模块，设置于所述谷物联合收割机上，用于获取所述谷物联合收割机的实时作业位置和作业速度；
工控机，与所述夹带损失传感器、所述清选损失传感器、所述含杂破碎传感器和所述GPS定位模块相连，用于根据所述夹带损失率数据、所述清选损失率数据与所述破碎率和含杂率数据采用上述方法检测所述谷物联合收割机的作业性能。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种谷物联合收割机作业性能在线检测方法、系统及装置，通过采集谷物联合收割机田间作业的性能参数，计算对应的作业性能指标，并且通过计算进步度判定实时的作业性能，避免了马尔科夫链发生多步转移，实现了对谷物联合收割机作业性能综合质量变化情况的实时动态评价。同时通过构建多指标评价参数矩阵，采用进一法原则进行整数化，能够将小权重指标的作业性能状态进行压缩，减小其影响程度，提高对谷物联合收割机作业性能综合质量的评价准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种谷物联合收割机作业性能在线检测方法流程图；
图2为本发明实施例提供的一种谷物联合收割机作业性能在线检测系统框图；
图3为本发明实施例提供的一种谷物联合收割机作业性能在线检测装置结构示意图。
符号说明：
1.夹带损失传感器，2.清选损失传感器，3.功率传感器，4.GPS定位模块，5.工控机。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
谷物联合收割机田间作业性能的鉴定检测内容主要包括作业速度、破碎率、含杂率和损失率。传统的检测方法通常伴随着劳动强度大，人为干扰误差大、采集数据时间长，历史试验数据难以追溯等实际问题，现有的人工检测方法，人为主观因素大，很难保证检测结果的准确性和可追溯性。同时，人工检测行程有限，检测数据采样点少，检测结果普遍性差。
本发明的目的是提供一种谷物联合收割机作业性能在线检测方法、系统及装置，实现谷物联合收割机田间作业性能在线检测，有利于建立健全谷物联合收割机田间作业性能试验测试体系，有利于提高检测的有效性与便利性。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1所示，本实施例提供了一种谷物联合收割机作业性能在线检测方法，具体包括：
步骤101：采集谷物联合收割机的作业性能参数，计算所述谷物联合收割机的作业性能指标，所述作业性能指标包括破碎率、含杂率、清选损失率和夹带损失率；
步骤102：确定所述作业性能指标的权重，根据所述权重构建作业性能指标的概率转移矩阵；
步骤103：根据所述概率转移矩阵计算所述谷物联合收割机作业性能的进步度；所述进步度为0，表征所述谷物联合收割机作业性能平稳；所述进步度小于0，表征所述谷物联合收割机作业性能变差；所述进步度大于0，表征所述谷物联合收割机作业性能变优。
由此，通过对谷物联合收割机作业性能参数的实时检测，以进步度来评价谷物联合收割机的实时作业性能，避免了马尔科夫链发生多步转移，实现了对谷物联合收割机作业性能综合质量变化情况的实时动态评价，有利于提高检测的有效性与便利性。
下面对方法进行进一步的详细说明。
在步骤101中，采集谷物联合收割机有效割幅、收获品种、产量标定值、谷物千粒重等人为设定的信息后，通过含杂破碎传感器自动进行谷物样本的循环取样，拍摄谷物样本的照片，通过识别图像信息获取破碎率和含杂率数据；通过清选损失传感器和夹带损失传感器统计打击区谷物籽粒的数量，结合产量标定值和谷物千粒重获取清选损失率和夹带损失率数据；通过GPS定位模块获取谷物联合收割机实时作业位置和作业速度。
然后根据采集到的作业性能数据计算作业性能指标，具体的，获取联合收获机出粮口谷物样本的图片后，由图像识别算法区分样本中完整谷物籽粒、破碎谷物籽粒及杂质，经量化模型计算出实时的破碎率和含杂率，量化模型为：
Figure 100002_DEST_PATH_IMAGE001
Figure 260796DEST_PATH_IMAGE002
其中，P z 表示含杂率，P s 为破碎率，T w 为系统识别的完整籽粒像素数，T s 为系统识别的破碎籽粒像素数，T z 为系统识别的杂质像素数，
Figure 100002_DEST_PATH_IMAGE003
为图像每1000像素点的完整籽粒平均质量，
Figure 740450DEST_PATH_IMAGE004
为图像每1000像素点的破碎籽粒平均质量，
Figure 100002_DEST_PATH_IMAGE005
为图像每1000像素点的杂质平均质量。
Figure 897893DEST_PATH_IMAGE003
、
Figure 802395DEST_PATH_IMAGE006
和
Figure 246146DEST_PATH_IMAGE005
均采用人工标定的方法得到。
损失率通过采集谷物籽粒击打到敏感板上压力传感器电信号，经过滤波、电压阈值分析、频率分析，实现谷物籽粒的计数，经计算模型计算出实时的夹带损失率和清选损失率，计算模型为：
Figure 100002_DEST_PATH_IMAGE007
Figure 72151DEST_PATH_IMAGE008
其中，P q为清选损失率，P j为夹带损失率，m为谷物的千粒重，n q为传感器检测到的清选损失的谷物籽粒粒数，n j为传感器检测到的夹带损失的谷物籽粒粒数，
Figure 100002_DEST_PATH_IMAGE009
为清选损失监测区域籽粒质量与总籽粒损失质量比例系数，
Figure 298864DEST_PATH_IMAGE010
为夹带损失监测区域籽粒质量与总籽粒损失质量比例系数，v为联合收割机行走速度，L为谷物联合收割机割幅，Y为谷物的实际产量，t为收获总时长。
在得到各作业性能指标后，计算各作业性能指标的权重。本实施例具体采用熵值法来确定权重，能够利用该指标信息的效用值进行计算，效用值越高，对评价的重要性越大，从而提高对谷物联合收割机作业性能综合评价的准确性。具体步骤如下：
构建n次监测m个评价指标的判断矩阵A=(x ij ) nm ，i=1,2,······,n; j=1,2,······,m。其中，x ij 表示第i时刻第j个作业性能指标的监测值。
将判断矩阵进行归一化处理，得到归一化判断矩阵B=(b ij ) nm ，其中b ij 为
Figure 323452DEST_PATH_IMAGE011
式中，x max、x min为同指标下各次监测中最满意者或者最不满意者。
根据熵的定义，n次监测m个评价指标，可以确定评价指标的熵H j ：
Figure 100002_DEST_PATH_IMAGE012
计算各作业性能指标的权重包括：
Figure 875787DEST_PATH_IMAGE013
其中，
Figure 100002_DEST_PATH_IMAGE014
表示第j个作业性能评价指标的权重，满足
Figure 900071DEST_PATH_IMAGE015
，m表示作业性能评价指标的个数，
Figure 100002_DEST_PATH_IMAGE016
表示第j个作业性能评价指标的熵。
为了便于计算，选出w max为w j 的最大值，令w max=1，其余权重按比例相应放大，即
Figure 196054DEST_PATH_IMAGE017
谷物联合收割机各作业性能指标权重确定后，根据权重构建概率转移矩阵。在构建概率转移矩阵时，先根据权重确定多指标评价参数矩阵D。在确定多指标评价参数矩阵时，需要先构建指标隶属矩阵R：
根据谷物机械化收获特点与检测需要，将谷物联合收割机作业参数综合质量划分为N个等级（即N种状态），得到有限个状态空间T={1,2,······,N}。本实施例将谷物联合收割机参数作业性能状态划分为5个等级：优秀、良好、中等、合格、不合格，那么T={1,2,3,4,5}。
根据谷物联合收割机的设计标准和性能鉴定标准，建立了谷物联合收割机主要指标阈值分类，如下表1所示，那么对于每个指标的监测值x ij （x ij 表示第i时刻第j个指标的监测值）都可以将其隶属到某个状态r ij ∈T，从而得到指标隶属矩阵R=r ij 。
表1联合收获机主要指标阈值分类
指标 优秀 良好 中等 合格 不合格
破碎率 ≤0.25 (0.25,0.5] (0.5,0.75] (0.75,1.0] ＞1.0
含杂率 ≤0.5 (0.5,1.0] (1.0,1.5] (1.5,2.0] ＞2.0
清选损失率 ≤0.3 (0.3,0.6] (0.6,0.9] (0.9,1.2] ＞1.2
夹带损失率 ≤0.3 (0.3,0.6] (0.6,0.9] (0.9,1.2] ＞1.2
然后根据所述指标隶属矩阵以及各所述作业性能指标的熵权重计算多指标评价参数矩阵D：
Figure 100002_DEST_PATH_IMAGE018
式中，d ij 采用进一法原则进行整数化，将小权重指标的作业性能状态进行压缩，减小其影响程度。
得到多指标评价参数矩阵D后，便可以根据多指标评价参数矩阵计算转移矩阵P。假设共有m个指标进行了n次监测，在这n次监测中相邻的两次监测指标由i级转变成j级的总数为k ij (i,j∈T)，并且0≤k ij ≤m，
Figure 12832DEST_PATH_IMAGE019
。属于i级的原始样本数为K i ，则i级到j级的转移概率p ij
Figure 100002_DEST_PATH_IMAGE020
式中，0≤p ij ≤1，
Figure 736068DEST_PATH_IMAGE021
。
为了避免马尔可夫链发生多步转移，以及要求在极限状态下才能求得稳定概率分布这一苛刻条件，利用进步度，即谷物联合收割机作业性能是变好还是变坏，对谷物联合收割机作业性能综合质量变化情况进行动态评价。
多指标评价参数矩阵的进步矩阵S为:
Figure 100002_DEST_PATH_IMAGE022
Figure 271086DEST_PATH_IMAGE023
其中，
Figure DEST_PATH_IMAGE024
为作业性能评价指标由
Figure 839602DEST_PATH_IMAGE025
级变成
Figure DEST_PATH_IMAGE026
级转移概率的进步度；
Figure 245306DEST_PATH_IMAGE027
表示作业性能改善或恶化的权重，当作业性能变优时为正值，当作业性能变差时为负值，当作业性能不变时为零；
Figure DEST_PATH_IMAGE028
表示作业性能评价指标由
Figure 873865DEST_PATH_IMAGE025
级变成
Figure 958495DEST_PATH_IMAGE026
级转移概率；T表示作业性能的状态空间；J表示谷物联合收割机作业性能的进步度。
根据J对谷物联合收获机作业性能综合质量进行综合评价，当J>0时，谷物联合收获机作业性能变优；当J<0时，谷物联合收获机作业性能变差；当J=0时，谷物联合收获机作业性能维持不变。
实施例2
本实施例提出了一种谷物联合收割机作业性能的在线检测系统，如图2所示，所述系统包括：
指标计算模块M1，用于采集所述谷物联合收割机的作业性能参数，计算所述谷物联合收割机的作业性能指标，所述作业性能指标包括破碎率、含杂率、清选损失率和夹带损失率；
数据处理模块M2，用于确定所述作业性能指标的权重，根据所述权重构建作业性能指标的概率转移矩阵；
性能评价模块M3，用于根据所述概率转移矩阵计算所述谷物联合收割机作业性能的进步度；所述进步度为0，表征所述谷物联合收割机作业性能平稳；所述进步度小于0，表征所述谷物联合收割机作业性能变差；所述进步度大于0，表征所述谷物联合收割机作业性能变优。
实施例3
参阅图3，本实施例提供了一种谷物联合收割机作业性能在线检测装置，装置整体采用12V直流电源供电。所述装置包括：
夹带损失传感器1，安装于谷物联合收割机滚筒末端两侧侧板上，与垂直平面保持45°夹角，用于获取夹带损失率数据。
清选损失传感器2，安装于谷物联合收割机清选筛尾部，与垂直平面保持75°夹角，用于获取清选损失率数据。
含杂破碎传感器，安装于谷物联合收割机出粮口下方，用于获取破碎率和含杂率数据。包括：谷物取样仓，安装于所述谷物联合收割机出粮口下方，距离出粮口20cm，内部设置有摄像头和数据处理单元；所述摄像头用于实时获取所述出粮口谷物样本图片信息，所述数据处理单元用于根据所述谷物样本图片信息计算含杂率数据与破碎率数据。
GPS定位模块4，设置于所述谷物联合收割机上，安装于收获机遮阳棚或驾驶室正中央，用于获取所述谷物联合收割机的实时作业位置和作业速度。
工控机5，安装于谷物联合收割机前部，与所述夹带损失传感器、所述清选损失传感器、所述含杂破碎传感器和GPS定位模块通过CAN总线相连，用于根据所述夹带损失率数据、所述清选损失率数据与所述破碎率和含杂率数据采用如实施例1所述方法检测所述谷物联合收割机的作业性能。
装置还可以包括功率传感器3，用于测量谷物联合收割机的作业功率参数，如行走速度、割幅等，以便于实时掌握收割机的工作状态，从而更好的对其作业性能进行评价。
在装置运行时，首先对在线检测装置上电后进行自检，并进行初始化处理。接着，读取CAN总线上的数据，并将数据保存到堆栈缓存区。然后，判断堆栈数据是否满足系统评价要求，根据作业速度辨别是否属于作业过程，根据堆栈数据量判断是否可以开始性能评价，未满足条件则继续读取CAN总线上的数据。如果满足条件则进行谷物联合收获机田间作业性能在线检测评价，根据评价规则依次建立数据的隶属矩阵、权重系数、参数矩阵、概率转移矩阵、进步矩阵，计算出进步度，根据进步度判定实时的作业性能，并更新数据库数据。最后，判断作业是否完成，未完成则继续读取CAN总线数据进行下个阶段的性能判定，完成则停止退出。
本说明书中每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种谷物联合收割机作业性能的在线检测方法，其特征在于，所述方法包括：
采集谷物联合收割机的作业性能参数，计算所述谷物联合收割机的作业性能指标，所述作业性能指标包括破碎率、含杂率、清选损失率和夹带损失率；
确定所述作业性能指标的权重，根据所述权重构建作业性能指标的概率转移矩阵；构建所述概率转移矩阵具体包括：
将所述谷物联合收割机的作业性能划分为N个等级，并将每个所述作业性能指标的监测值隶属到对应等级中，得到指标隶属矩阵；
根据所述指标隶属矩阵以及各所述作业性能指标的权重计算多指标评价参数矩阵；
根据所述多指标评价参数矩阵构建概率转移矩阵；
根据所述概率转移矩阵计算所述谷物联合收割机的作业性能的进步度；所述进步度为0，表征所述谷物联合收割机作业性能平稳；所述进步度小于0，表征所述谷物联合收割机作业性能变差；所述进步度大于0，表征所述谷物联合收割机作业性能变优；所述计算谷物联合收割机作业性能的进步度包括：
Figure DEST_PATH_IMAGE001
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
为作业性能评价指标由
Figure DEST_PATH_IMAGE004
级变成
Figure DEST_PATH_IMAGE005
级转移概率的进步度；
Figure DEST_PATH_IMAGE006
表示作业性能改善或恶化的权重，当作业性能变优时为正值，当作业性能变差时为负值，当作业性能不变时为零；
Figure DEST_PATH_IMAGE007
表示作业性能评价指标由
Figure 159863DEST_PATH_IMAGE004
级变成
Figure DEST_PATH_IMAGE008
级转移概率；T表示作业性能的状态空间；J表示谷物联合收割机作业性能的进步度。
2.根据权利要求1所述的一种谷物联合收割机作业性能的在线检测方法，其特征在于，所述破碎率和含杂率的计算方法包括：
Figure DEST_PATH_IMAGE009
Figure DEST_PATH_IMAGE010
其中，P z 表示含杂率，P s 为破碎率，T w 为系统识别的完整籽粒像素数，T s 为系统识别的破碎籽粒像素数，T z 为系统识别的杂质像素数，
Figure DEST_PATH_IMAGE011
为图像每1000像素点的完整籽粒平均质量，
Figure DEST_PATH_IMAGE012
为图像每1000像素点的破碎籽粒平均质量，
Figure DEST_PATH_IMAGE013
为图像每1000像素点的杂质平均质量。
3.根据权利要求1所述的一种谷物联合收割机作业性能的在线检测方法，其特征在于，所述清选损失率与夹带损失率的计算方法包括：
Figure DEST_PATH_IMAGE014
Figure DEST_PATH_IMAGE015
其中，P q为清选损失率，P j为夹带损失率，m为谷物的千粒重，n q为传感器检测到的清选损失的谷物籽粒粒数，n j为传感器检测到的夹带损失的谷物籽粒粒数，
Figure DEST_PATH_IMAGE016
为清选损失监测区域籽粒质量与总籽粒损失质量比例系数，
Figure DEST_PATH_IMAGE017
为夹带损失监测区域籽粒质量与总籽粒损失质量比例系数，v为联合收割机行走速度，L为谷物联合收割机割幅，Y为谷物的实际产量，t为收获总时长。
4.根据权利要求1所述的一种谷物联合收割机作业性能的在线检测方法，其特征在于，采用熵值法确定所述作业性能指标的权重，具体包括：
构建n次监测m个评价指标的判断矩阵；
将所述判断矩阵进行归一化处理，得到归一化判断矩阵
Figure DEST_PATH_IMAGE018
，其中，i=1,2,…n，j=1,…m，
Figure DEST_PATH_IMAGE019
表示归一化判断矩阵中第i行第j列的元素；
根据所述归一化判断矩阵计算各作业性能指标的熵及权重。
5.根据权利要求4所述的一种谷物联合收割机作业性能的在线检测方法，其特征在于，所述根据所述归一化判断矩阵计算各作业性能指标的熵包括：
Figure DEST_PATH_IMAGE020
其中，
Figure DEST_PATH_IMAGE021
表示第j个作业性能评价指标的熵；
计算各作业性能指标的权重包括：
Figure DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE023
表示第j个作业性能评价指标的权重，m表示作业性能评价指标的个数。
6.一种谷物联合收割机作业性能的在线检测系统，其特征在于，所述系统包括：
指标计算模块，用于采集所述谷物联合收割机的作业性能参数，计算所述谷物联合收割机的作业性能指标，所述作业性能指标包括破碎率、含杂率、清选损失率和夹带损失率；
数据处理模块，用于确定所述作业性能指标的权重，根据所述权重构建作业性能指标的概率转移矩阵；构建所述概率转移矩阵具体包括：
将所述谷物联合收割机的作业性能划分为N个等级，并将每个所述作业性能指标的监测值隶属到对应等级中，得到指标隶属矩阵；
根据所述指标隶属矩阵以及各所述作业性能指标的权重计算多指标评价参数矩阵；
根据所述多指标评价参数矩阵构建概率转移矩阵；
性能评价模块，用于根据所述概率转移矩阵计算所述谷物联合收割机作业性能的进步度；所述进步度为0，表征所述谷物联合收割机作业性能平稳；所述进步度小于0，表征所述谷物联合收割机作业性能变差；所述进步度大于0，表征所述谷物联合收割机作业性能变优；所述计算谷物联合收割机作业性能的进步度包括：
Figure 956016DEST_PATH_IMAGE001
Figure 798070DEST_PATH_IMAGE002
其中，
Figure 6329DEST_PATH_IMAGE003
为作业性能评价指标由
Figure 883018DEST_PATH_IMAGE004
级变成
Figure 19995DEST_PATH_IMAGE005
级转移概率的进步度；
Figure 349345DEST_PATH_IMAGE006
表示作业性能改善或恶化的权重，当作业性能变优时为正值，当作业性能变差时为负值，当作业性能不变时为零；
Figure 361294DEST_PATH_IMAGE007
表示作业性能评价指标由
Figure 92490DEST_PATH_IMAGE004
级变成
Figure 397438DEST_PATH_IMAGE008
级转移概率；T表示作业性能的状态空间；J表示谷物联合收割机作业性能的进步度。
7.一种谷物联合收割机作业性能的在线检测装置，其特征在于，所述装置包括：
夹带损失传感器，安装于谷物联合收割机滚筒末端两侧侧板上，用于获取夹带损失率数据；
清选损失传感器，安装于谷物联合收割机清选筛尾部，用于获取清选损失率数据；
含杂破碎传感器，安装于谷物联合收割机出粮口下方，用于获取破碎率和含杂率数据；
GPS定位模块，设置于所述谷物联合收割机上，用于获取所述谷物联合收割机的实时作业位置和作业速度；
工控机，与所述夹带损失传感器、所述清选损失传感器、所述含杂破碎传感器和所述GPS定位模块相连，用于根据所述夹带损失率数据、所述清选损失率数据与所述破碎率和含杂率数据采用如权利要求1所述方法检测所述谷物联合收割机的作业性能。
8.根据权利要求7所述的一种谷物联合收割机作业性能的在线检测装置，其特征在于，所述含杂破碎传感器包括：
谷物取样仓，安装于所述谷物联合收割机出粮口下方，内部设置有摄像头和数据处理单元；所述摄像头用于实时获取所述出粮口谷物样本图片信息，所述数据处理单元用于根据所述谷物样本图片信息计算含杂率数据与破碎率数据。
CN202110248416.5A 2021-03-08 2021-03-08 谷物联合收割机作业性能的在线检测方法、系统及装置 Active CN112616425B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110248416.5A CN112616425B (zh) 2021-03-08 2021-03-08 谷物联合收割机作业性能的在线检测方法、系统及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110248416.5A CN112616425B (zh) 2021-03-08 2021-03-08 谷物联合收割机作业性能的在线检测方法、系统及装置

Publications (2)

Publication Number Publication Date
CN112616425A CN112616425A (zh) 2021-04-09
CN112616425B true CN112616425B (zh) 2021-06-04

Family

ID=75297604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110248416.5A Active CN112616425B (zh) 2021-03-08 2021-03-08 谷物联合收割机作业性能的在线检测方法、系统及装置

Country Status (1)

Country Link
CN (1) CN112616425B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113348851B (zh) * 2021-06-03 2022-08-16 合肥学院 一种联合收割机清选系统控制方法及装置
CN114938736B (zh) * 2022-05-11 2023-05-16 农业农村部南京农业机械化研究所 一种谷物联合收割机节粮减损预警方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0845198A1 (de) * 1996-11-16 1998-06-03 CLAAS KGaA Landwirtschaftliches Nutzfahrzeug verstellbar angeordneten Bearbeitungsgerät
CN104737721A (zh) * 2015-03-04 2015-07-01 江苏大学 一种联合收获机自适应清选控制装置及其自适应清选方法
CN110583217A (zh) * 2019-11-13 2019-12-20 农业农村部南京农业机械化研究所 一种谷物收获机清选损失率检测装置及检测方法
CN110740635A (zh) * 2017-03-21 2020-01-31 蓝河技术有限公司 包括机器反馈控制的联合收割机
CN111670680A (zh) * 2020-07-16 2020-09-18 中国农业大学 一种高含水率玉米收获滚筒转速控制系统与控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0845198A1 (de) * 1996-11-16 1998-06-03 CLAAS KGaA Landwirtschaftliches Nutzfahrzeug verstellbar angeordneten Bearbeitungsgerät
CN104737721A (zh) * 2015-03-04 2015-07-01 江苏大学 一种联合收获机自适应清选控制装置及其自适应清选方法
CN110740635A (zh) * 2017-03-21 2020-01-31 蓝河技术有限公司 包括机器反馈控制的联合收割机
CN110583217A (zh) * 2019-11-13 2019-12-20 农业农村部南京农业机械化研究所 一种谷物收获机清选损失率检测装置及检测方法
CN111670680A (zh) * 2020-07-16 2020-09-18 中国农业大学 一种高含水率玉米收获滚筒转速控制系统与控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
基于机器视觉的大豆机械化收获质量在线监测方法;陈满等;《农业机械学报》;20210130;第52卷(第1期);第91-97页 *
基于熵权ＴＯＰＳＩＳ法的蓖麻联合收割机选型评价研究;赵华洋等;《农业机械化学报》;20190130;第40卷(第1期);第174-178页 *
大豆联合收获机田间清选作业参数优化;刘鹏等;《大豆联合收获机田间清选作业参数优化》;20200530;第36卷(第10期);第35-44页 *
赵华洋等.基于熵权ＴＯＰＳＩＳ法的蓖麻联合收割机选型评价研究.《农业机械化学报》.2019,第40卷(第1期), *

Also Published As

Publication number Publication date
CN112616425A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN108985260B (zh) 一种遥感及气象一体化水稻估产方法
CN112616425B (zh) 谷物联合收割机作业性能的在线检测方法、系统及装置
CN105335692A (zh) 一种轮胎x光图像检测识别方法及系统
CN103971199B (zh) 一种大范围农作物长势的遥感评级方法
CN115409131B (zh) 基于spc过程管控系统的生产线异常检测方法
CN110583217A (zh) 一种谷物收获机清选损失率检测装置及检测方法
CN115876258A (zh) 基于多源数据的畜禽养殖环境异常监测及报警系统
Chen et al. Online field performance evaluation system of a grain combine harvester
CN115860579A (zh) 一种用于面粉加工的生产质量监测系统
CN103902798B (zh) 数据预处理方法
CN111272668A (zh) 小麦品种鉴别模型的构建方法
CN116503402A (zh) 一种粮食并肩杂质含量的检测方法及装置
CN115310539A (zh) 基于注意力机制的1d-cnn卷烟滤棒质量检测方法
CN110622651A (zh) 一种甜玉米质量检测方法
CN114970675A (zh) 基于特征选择的人工鼻冰箱食物新鲜度检测系统和方法
CN108090635B (zh) 一种基于聚类分类的路用性能预测方法
CN110609011A (zh) 单籽粒玉米种子淀粉含量近红外高光谱检测方法及系统
CN108427375B (zh) 一种基于带通滤波处理多传感监测刀具状态的方法
Zhao et al. A backlight and deep learning based method for calculating the number of seeds per silique
CN109685174B (zh) 一种黄瓜丰产性自动分析装置及方法
CN109949323B (zh) 一种基于深度学习卷积神经网络的作物种子净度判断方法
CN109829387B (zh) 一种用于并联机器人的基于主果梗深度的堆叠串类水果抓取优先级确定方法
CN112488230A (zh) 基于机器学习的作物水分胁迫程度判定方法和装置
CN116523866B (zh) 一种小麦赤霉病抗性鉴定方法、系统、电子设备和存储介质
CN110717506A (zh) 一种基于卷积神经网络的高光谱遥感影像分类方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant