CN114342605B - 一种多信息融合的稻麦播种机播种量估计方法及监测系统 - Google Patents

一种多信息融合的稻麦播种机播种量估计方法及监测系统 Download PDF

Info

Publication number
CN114342605B
CN114342605B CN202111524230.4A CN202111524230A CN114342605B CN 114342605 B CN114342605 B CN 114342605B CN 202111524230 A CN202111524230 A CN 202111524230A CN 114342605 B CN114342605 B CN 114342605B
Authority
CN
China
Prior art keywords
seeding
sampling period
information
module
kth sampling
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
CN202111524230.4A
Other languages
English (en)
Other versions
CN114342605A (zh
Inventor
刘伟
胡建平
严萌
刘育彤
刘嘉欣
岳仁才
张腾飞
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.)
Jiangsu University
Original Assignee
Jiangsu University
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 Jiangsu University filed Critical Jiangsu University
Priority to CN202111524230.4A priority Critical patent/CN114342605B/zh
Publication of CN114342605A publication Critical patent/CN114342605A/zh
Application granted granted Critical
Publication of CN114342605B publication Critical patent/CN114342605B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种多信息融合的稻麦播种机播种量估计方法及监测系统，包括工控机、定位信号接收器、排种流量传感器、称重传感器；所述工控机包括播种信息先验估计模块、播种信息观测模块、测量估计模块、先验估计协方差求解模块、融合系数求解模块、播种信息后验估计模块、误差协方差更新模块和播种量处方图模块；所述定位信号接收器用于检测地理位置信号；若干所述排种流量传感器安装在稻麦播种机各个排种口上，所述排种流量传感器与播种信息观测模块连接；所述称重传感器与播种信息观测模块连接；所述定位信号接收器用于获取地理位置信号。本发明可以提升稻麦播种量与排种流量估计的精确性，为后续稻麦播种量精准控制提供支撑。

Description

一种多信息融合的稻麦播种机播种量估计方法及监测系统
技术领域
本发明涉及农业电气化与信息化技术领域，特别涉及一种多信息融合的稻麦播种机播种量估计方法及监测系统。
背景技术
播种量精准在线监测是实现智能化精量播种的关键技术。当前稻麦播种机的播种量估计方法是：播种作业前标定排种器单转平均排种量，通过测量单位时间内排种轴转动圈数，将单转平均排种量与排种轴转动圈数的乘积作为理论播量。然而，由于外槽轮排种器单转排量不均匀，实际单转排量与理论单转排量存在误差，导致实测值围绕理论值在一定范围内波动，因此仅依靠理论排种量对单位地块播种量进行估计会存在误差。
针对上述问题，稻麦流量传感器应运而生，通过测量各播种单组的排种流量与机具通过单位地块的时间，累加各播种单组的排种量作为单位地块内的播种量。现有技术通过分散处理，将大流量稻麦颗粒流分散为若干条离散的小流量种子流，实现对稻麦播种量监测。然而，由于监测过程中传感器抖动、传感器变形等问题，会导致排种流量传感器监测结果中包含测量噪声，导致测量值与实际值存在偏差。而这些偏差会影响后续农机设备的工作，如由于播种量的误差，导致后期植保设备流量不准确。
发明内容
针对现有技术中存在的不足，本发明提供了一种多信息融合的稻麦播种机播种量估计方法及监测系统，在监测值的基础上与理论预测值进行融合，该估计结果相比于监测值降低了测量噪声，本发明可以提升稻麦播种量与排种流量估计的精确性，为后续稻麦播种量精准控制提供支撑。
本发明是通过以下技术手段实现上述技术目的的。
一种多信息融合的稻麦播种机播种量估计方法，包括如下步骤：
将第k-1个采样周期的播种信息后验估计向量
Figure BDA0003409422380000011
输入播种信息先验估计模块，所述播种信息先验估计模块输出第k个采样周期的播种信息先验估计向量
Figure BDA0003409422380000012
具体为：
Figure BDA0003409422380000013
式中：
Figure BDA0003409422380000014
为第k个采样周期的播种信息先验估计向量，
Figure BDA0003409422380000015
Figure BDA0003409422380000016
为第k-1个采样周期的播种信息后验估计向量，
Figure BDA0003409422380000017
当k＝1时，
Figure BDA0003409422380000021
为平均排种流量；
Figure BDA0003409422380000022
为第k个采样周期排种流量先验估计值；
Figure BDA0003409422380000023
为第k-1个采样周期排种流量后验估计值；
Figure BDA0003409422380000024
为第k个采样周期播种量先验估计值；
Figure BDA0003409422380000025
为第k-1个采样周期播种量后验估计值；
A为状态转移矩阵；
若干排种流量传感器用于测量稻麦播种机各个排种口的排种流量，所述排种流量传感器将第k个采样周期内各排种口排种流量监测值之和
Figure BDA0003409422380000026
输入播种信息观测模块；
所述称重传感器用于测量种箱内部剩余种子质量，所述称重传感器将第k个采样周期累计播种量监测值
Figure BDA0003409422380000027
传递至播种信息观测模块，其中k个采样周期累计播种量监测值
Figure BDA0003409422380000028
为种箱内部初始种子质量M0与第k个采样周期种箱内部剩余种子质量Mk’的差值；
所述播种信息观测模块根据输入的第k个采样周期的播种量监测值
Figure BDA0003409422380000029
和第k个采样周期内各排种口排种流量监测值之和
Figure BDA00034094223800000210
输出第k个采样周期的播种信息观测向量输送至测量估计模块，第k个采样周期的播种信息观测向量Zk具体表示为：
Figure BDA00034094223800000211
式中：
Zk为第k个采样周期的播种信息观测向量；
Figure BDA00034094223800000212
为第k个采样周期播种量监测值；
Figure BDA00034094223800000213
为第k个采样周期内排种流量监测值；
k为当前采样次数，1≤k≤m，m为总采样次数；
所述测量估计模块根据输入的第k个采样周期的播种信息观测向量Zk得到第k个采样周期的播种信息观测估计向量
Figure BDA00034094223800000214
具体为：
Figure BDA00034094223800000215
式中：
Figure BDA00034094223800000216
为第k个采样周期的播种信息观测估计向量；
Zk为第k个采样周期的播种信息观测向量；
H为观测矩阵；
误差协方差更新模块将第k-1个采样周期误差协方差矩阵Pk-1输入先验估计协方差求解模块，所述先验估计协方差求解模块根据输入的第k-1个采样周期误差协方差矩阵Pk-1、状态转移矩阵A和播种过程噪声协方差矩阵Q计算得出第k个采样周期播种信息先验估计协方差矩阵
Figure BDA0003409422380000031
具体为：
Figure BDA0003409422380000032
式中：
Figure BDA0003409422380000033
为第k个采样周期的先验误差协方差矩阵；
Pk-1为第k-1个采样周期误差协方差矩阵，其中P0为
Figure BDA0003409422380000034
A为状态转移矩阵；
Q为播种过程噪声协方差矩阵；
融合系数求解模块根据输入的第k个采样周期播种信息先验估计协方差矩阵
Figure BDA0003409422380000035
测量矩阵H和播种测量噪声协方差矩阵Q输出第k个采样周期播种信息预测值与观测值的融合系数矩阵Kk，具体为：
Figure BDA0003409422380000036
式中：
Kk为第k个采样周期播种信息预测值与观测值的融合系数矩阵，Kk∈[0,H-]；
Figure BDA0003409422380000037
为第k个采样周期先验误差协方差矩阵；
H为观测矩阵；
R为播种测量噪声协方差矩阵；
播种信息后验估计模块根据输入的第k个采样周期的播种信息先验估计向量
Figure BDA0003409422380000038
第k个采样周期播种信息融合系数Kk、第k个采样周期的播种信息观测估计向量
Figure BDA0003409422380000039
和观测矩阵H输出第k个采样周期的后验估计播种量
Figure BDA00034094223800000310
具体为：
Figure BDA00034094223800000311
式中：
Figure BDA00034094223800000312
为第k个采样周期的播种信息后验估计向量，
Figure BDA00034094223800000313
Figure BDA00034094223800000314
为第k个采样周期的播种信息先验估计向量；
Kk为第k个采样周期播种信息预测值与观测值的融合系数矩阵，Kk∈[0,H-]；
Figure BDA00034094223800000315
为第k个采样周期的播种信息观测估计向量；
Figure BDA00034094223800000316
为第k个采样周期播种量后验估计值；
Figure BDA00034094223800000317
为第k个采样周期排种流量后验估计值；
H为所述观测矩阵；
定位信号接收器获取地理位置信息，所述定位信号接收器与播量处方图模块连接，所述播量处方图模块根据第k个采样周期的播种信息后验估计向量
Figure BDA00034094223800000318
和第k个采样周期的地理位置信息，生成播种量处方图；
所述误差协方差更新模块根据第k个采样周期播种信息先验估计协方差矩阵Pk和第k个采样周期播种信息预测值与观测值的融合系数Kk得出第k个采样周期的误差协方差矩阵Pk，具体如下：
Pk＝(I-Kk·H)·Pk
式中：
Pk为所述第k个采样周期的误差协方差矩阵；
Figure BDA0003409422380000041
为所述第k个采样周期的先验误差协方差矩阵；
Kk为所述第k个采样周期播种信息预测值与观测值的融合系数矩阵，Kk∈[0,H-]；
H为所述观测矩阵；
若k<m时，则进入下一采样周期k＝k+1。
进一步，所述状态转移矩阵A为
Figure BDA0003409422380000042
T为采样周期。
进一步，所述观测矩阵H为
Figure BDA0003409422380000043
一种多信息融合的稻麦播种机播种量估计方法的监测系统，包括工控机、定位信号接收器、排种流量传感器、称重传感器；所述工控机包括播种信息先验估计模块、播种信息观测模块、测量估计模块、先验估计协方差求解模块、融合系数求解模块、播种信息后验估计模块、误差协方差更新模块和播种量处方图模块；
所述定位信号接收器用于检测地理位置信号；若干所述排种流量传感器安装在稻麦播种机各个排种口上，用于测量稻麦播种机各个排种口的排种流量；所述排种流量传感器与播种信息观测模块连接；所述称重传感器用于测量种箱内部剩余种子质量，所述称重传感器与播种信息观测模块连接；所述定位信号接收器用于获取地理位置信号。
本发明的有益效果在于：
1.本发明所述的多信息融合的稻麦播种机播种量估计方法及监测系统，综合播种量、排种流量两种物理量对田块已播播种量进行估计，降低传统方法仅依靠累加各监测周期排种量测量值导致的测量误差。
2.本发明所述的多信息融合的稻麦播种机播种量估计方法及监测系统，采用不同融合系数对播种量的理论预测值与实时测量值进行加权，用理论预测值修正测量观测值，降低仅依靠理论预测值或传感器测量值导致的播种量估计误差。
3.本发明所述的多信息融合的稻麦播种机播种量估计方法及监测系统，融合系数矩阵为结合预测值与观测值的误差协方差矩阵得到的当前采样周期最优的融合系数矩阵，是经过前k个采样周期后的滚动迭代优化后的融合系数矩阵，可以实现理论预测值与测量值的最优融合，融合后的后验估计值协方差矩阵会不断减小，有利于播种量向真实值不断逼近；
4.本发明所述的多信息融合的稻麦播种机播种量估计方法及监测系统，当前采样周期(第k个采样周期)的播种信息预测向量、融合系数矩阵、先验误差协方差矩阵以及误差协方差矩阵只与前一采样周期(第k-1个采样周期)对应量有关，与之前采样周期的结果无关，因此具有计算简便，储存量小的优点。
附图说明
图1为本发明所述的多信息融合的稻麦播种机播种量监测系统原理图。
图2为本发明所述的多信息融合的稻麦播种机播种量估计方法流程图。
图中：
1-工控机；11-播种信息先验估计模块；12-播种信息观测模块；13-测量估计模块；14-先验估计协方差求解模块；15-融合系数求解模块；16-播种信息后验估计模块；17-误差协方差更新模块；18-播种处方图模块；2-定位信号接收器；3-排种流量传感器；4-称重传感器。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“轴向”、“径向”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
如图1和图2所示，本发明所述的多信息融合的稻麦播种机播种量估计方法，包括如下步骤：
S01：将第k-1个采样周期的播种信息后验估计向量
Figure BDA0003409422380000061
输入播种信息先验估计模块11，所述播种信息先验估计模块11输出第k个采样周期的播种信息先验估计向量
Figure BDA0003409422380000062
具体为：
Figure BDA0003409422380000063
式中：
Figure BDA0003409422380000064
为第k个采样周期的播种信息先验估计向量，
Figure BDA0003409422380000065
Figure BDA0003409422380000066
为第k-1个采样周期的播种信息后验估计向量，
Figure BDA0003409422380000067
当k＝1时，
Figure BDA0003409422380000068
为平均排种流量；
Figure BDA0003409422380000069
为第k个采样周期排种流量先验估计值；
Figure BDA00034094223800000610
为第k-1个采样周期排种流量后验估计值；
Figure BDA00034094223800000611
为第k个采样周期播种量先验估计值；
Figure BDA00034094223800000612
为第k-1个采样周期播种量后验估计值；
A为状态转移矩阵；
S02：若干排种流量传感器3用于测量稻麦播种机各个排种口的排种流量，所述排种流量传感器3将第k个采样周期内各排种口排种流量监测值之和
Figure BDA00034094223800000613
输入播种信息观测模块12；
所述称重传感器4用于测量种箱内部剩余种子质量，所述称重传感器4将第k个采样周期累计播种量监测值
Figure BDA00034094223800000614
传递至播种信息观测模块12，其中k个采样周期累计播种量监测值
Figure BDA00034094223800000615
为种箱内部初始种子质量M0与第k个采样周期种箱内部剩余种子质量Mk’的差值；
所述播种信息观测模块12根据输入的第k个采样周期的播种量监测值
Figure BDA00034094223800000616
和第k个采样周期内各排种口排种流量监测值之和
Figure BDA00034094223800000617
输出第k个采样周期的播种信息观测向量输送至测量估计模块13，第k个采样周期的播种信息观测向量Zk具体表示为：
Figure BDA00034094223800000618
式中：
Zk为第k个采样周期的播种信息观测向量；
Figure BDA00034094223800000619
为第k个采样周期播种量监测值；
Figure BDA00034094223800000620
为第k个采样周期内排种流量监测值；
k为当前采样次数，1≤k≤m，m为总采样次数；
S03：所述测量估计模块13根据输入的第k个采样周期的播种信息观测向量Zk得到第k个采样周期的播种信息观测估计向量
Figure BDA0003409422380000071
具体为：
Figure BDA0003409422380000072
式中：
Figure BDA0003409422380000073
为第k个采样周期的播种信息观测估计向量，即
Figure BDA0003409422380000074
Zk为第k个采样周期的播种信息观测向量；
H为观测矩阵；
S04：误差协方差更新模块17将第k-1个采样周期误差协方差矩阵Pk-1输入先验估计协方差求解模块14，所述先验估计协方差求解模块14根据输入的第k-1个采样周期误差协方差矩阵Pk-1、状态转移矩阵A和播种过程噪声协方差矩阵Q计算得出第k个采样周期播种信息先验估计协方差矩阵
Figure BDA0003409422380000075
具体为：
Figure BDA0003409422380000076
式中：
Figure BDA0003409422380000077
为第k个采样周期的先验误差协方差矩阵；
Pk-1为第k-1个采样周期误差协方差矩阵，其中P0为
Figure BDA0003409422380000078
A为状态转移矩阵；
Q为播种过程噪声协方差矩阵；
S05：融合系数求解模块15根据输入的第k个采样周期播种信息先验估计协方差矩阵
Figure BDA0003409422380000079
测量矩阵H和播种测量噪声协方差矩阵Q输出第k个采样周期播种信息预测值与观测值的融合系数矩阵Kk，具体为：
Figure BDA00034094223800000710
式中：
Kk为第k个采样周期播种信息预测值与观测值的融合系数矩阵，Kk∈[0,H-]；
Figure BDA00034094223800000711
为第k个采样周期先验误差协方差矩阵；
H为观测矩阵；
R为播种测量噪声协方差矩阵；
S06：播种信息后验估计模块16根据输入的第k个采样周期的播种信息先验估计向量
Figure BDA00034094223800000712
第k个采样周期播种信息融合系数Kk、第k个采样周期的播种信息观测估计向量
Figure BDA00034094223800000713
和观测矩阵H输出第k个采样周期的后验估计播种量
Figure BDA00034094223800000714
具体为：
Figure BDA00034094223800000715
式中：
Figure BDA0003409422380000081
为第k个采样周期的播种信息后验估计向量，
Figure BDA0003409422380000082
Figure BDA0003409422380000083
为第k个采样周期的播种信息先验估计向量；
Kk为第k个采样周期播种信息预测值与观测值的融合系数矩阵，Kk∈[0,H-]；
Figure BDA0003409422380000084
为第k个采样周期的播种信息观测估计向量；
Figure BDA0003409422380000085
为第k个采样周期播种量后验估计值；
Figure BDA0003409422380000086
为第k个采样周期排种流量后验估计值；
H为所述观测矩阵；
S07：定位信号接收器2获取地理位置信息，所述定位信号接收器2与播量处方图模块18连接，所述播量处方图模块18根据第k个采样周期的播种信息估计向量
Figure BDA0003409422380000087
和第k个采样周期的地理位置信息，生成播种量处方图；
S08：所述误差协方差更新模块17根据第k个采样周期播种信息先验估计协方差矩阵
Figure BDA0003409422380000088
和第k个采样周期播种信息预测值与观测值的融合系数Kk得出第k个采样周期的误差协方差矩阵Pk，具体如下：
Figure BDA0003409422380000089
式中：
Pk为所述第k个采样周期的误差协方差矩阵；
Figure BDA00034094223800000810
为所述第k个采样周期的先验误差协方差矩阵；
Kk为所述第k个采样周期播种信息预测值与观测值的融合系数矩阵，Kk∈[0,H-]；
H为所述观测矩阵。
S09：循环执行S01至S08步骤；若k＝m时或所述工控机接收到停止命令，则所述稻麦播种机播种量监测系统与估计方法停止工作，若k<m时，则进入下一采样周期k＝k+1。
所述状态转移矩阵A为
Figure BDA00034094223800000811
T为采样周期。
所述观测矩阵H为
Figure BDA00034094223800000812
本发明所述的多信息融合的稻麦播种机播种量估计方法的监测系统，包括工控机1、定位信号接收器2、排种流量传感器3、称重传感器4；所述工控机1包括播种信息先验估计模块11、播种信息观测模块12、测量估计模块13、先验估计协方差求解模块14、融合系数求解模块15、播种信息后验估计模块16、误差协方差更新模块17和播种量处方图模块18；
所述定位信号接收器2用于检测地理位置信号；若干所述排种流量传感器3安装在稻麦播种机各个排种口上，用于测量稻麦播种机各个排种口的排种流量；所述排种流量传感器3与播种信息观测模块12连接；所述称重传感器4用于测量种箱内部剩余种子质量，所述称重传感器4与播种信息观测模块12连接；所述定位信号接收器2用于获取地理位置信号。
本发明工控机1最终输出播种量处方图，播种处方图由空间坐标与各坐标位置的播种量组合而成。播种机作业后，可以对播种处方图中播量少于最优播量的区域范围进行补播，有利于提高土壤利用率，从而提升产量；播种处方图可以为后续的设备提供数据的支撑，如作物生长过程中追肥、施药等田间管理环节可以基于播种处方图对施肥量、施药量进行精确控制，在节省肥料、农药的同时可避免过量肥料与农药对生态环境造成破坏；收获过程中，联合收获机可以基于播种处方图实现行走速度、喂入量的精确调控，有利于节能降耗、减小收获过程中的粮食损失。
采用本发明提出的的多信息融合的稻麦播种机播种量估计方法在三种理论排种流量条件下开展台架试验，理论排种流量分别为125粒/秒、150粒/秒以及185粒/秒，每次试验采样周期为5秒，每次试验持续10个采样周期。
在理论排种流量为125粒/秒情况下，依靠排种流量传感器3测得的播种量准确率为98.75％，而采用本发明提出的方法得到的播种量准确率为99.10％；
在理论排种流量为150粒/秒情况下，依靠排种流量传感器3测得的播种量准确率为98.40％，而采用本发明提出的方法得到的播种量准确率为99.33％；
在理论排种流量为185粒/秒情况下，依靠排种流量传感器3测得的播种量准确率为98.63％，而采用本发明提出的方法得到的播种量准确率为99.09％。
两种方法准确率产生差异的原因在于本发明提出的多信息融合的稻麦播种机播种量估计方法在排种流量传感器监测值的基础上，融合了理论播种量的信息，通过每一采样周期之间滚动优化，得到最优融合系数矩阵Kk，并采用最优融合系数矩阵Kk对播种量理论值及其监测值进行加权，减小了排种流量传感器天然带有的测量噪声对检测精度的影响，因此采用本发明方法得到的播种量的后验估计值相较于仅靠排种流量传感器测量得到的监测值准确率更高。
应当理解，虽然本说明书是按照各个实施例描述的，但并非每个实施例仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施例或变更均应包含在本发明的保护范围之内。

Claims (4)

1.一种多信息融合的稻麦播种机播种量估计方法，其特征在于，包括如下步骤：
将第k-1个采样周期的播种信息后验估计向量
Figure FDA0004036957590000011
输入播种信息先验估计模块(11)，所述播种信息先验估计模块(11)输出第k个采样周期的播种信息先验估计向量
Figure FDA0004036957590000012
具体为：
Figure FDA0004036957590000013
式中：
Figure FDA0004036957590000014
为第k个采样周期的播种信息先验估计向量，
Figure FDA0004036957590000015
Figure FDA0004036957590000016
为第k-1个采样周期的播种信息后验估计向量，
Figure FDA0004036957590000017
当k＝1时，
Figure FDA0004036957590000018
Figure FDA0004036957590000019
为平均排种流量；
Figure FDA00040369575900000110
为第k个采样周期排种流量先验估计值；
Figure FDA00040369575900000111
为第k-1个采样周期排种流量后验估计值；
Figure FDA00040369575900000112
为第k个采样周期播种量先验估计值；
Figure FDA00040369575900000113
为第k-1个采样周期播种量后验估计值；
A为状态转移矩阵；
若干排种流量传感器(3)用于测量稻麦播种机各个排种口的排种流量，所述排种流量传感器(3)将第k个采样周期内各排种口排种流量监测值之和
Figure FDA00040369575900000114
输入播种信息观测模块(12)；
称重传感器(4)用于测量种箱内部剩余种子质量，所述称重传感器(4)将第k个采样周期累计播种量监测值
Figure FDA00040369575900000115
传递至播种信息观测模块(12)，其中第k个采样周期累计播种量监测值
Figure FDA00040369575900000116
为种箱内部初始种子质量M0与第k个采样周期种箱内部剩余种子质量Mk’的差值；
所述播种信息观测模块(12)根据输入的第k个采样周期累计播种量监测值
Figure FDA00040369575900000117
和第k个采样周期内各排种口排种流量监测值之和
Figure FDA00040369575900000118
输出第k个采样周期的播种信息观测向量输送至测量估计模块(13)，第k个采样周期的播种信息观测向量Zk具体表示为：
Figure FDA00040369575900000119
式中：
Zk为第k个采样周期的播种信息观测向量；
Figure FDA00040369575900000120
为第k个采样周期累计播种量监测值；
Figure FDA00040369575900000121
为第k个采样周期内各排种口排种流量监测值之和；
k为当前采样次数，1≤k≤m，m为总采样次数；
所述测量估计模块(13)根据输入的第k个采样周期的播种信息观测向量Zk得到第k个采样周期的播种信息观测估计向量
Figure FDA00040369575900000122
具体为：
Figure FDA0004036957590000021
式中：
Figure FDA0004036957590000022
为第k个采样周期的播种信息观测估计向量；
Zk为第k个采样周期的播种信息观测向量；
H为观测矩阵；
误差协方差更新模块(17)将第k-1个采样周期误差协方差矩阵Pk-1输入先验估计协方差求解模块(14)，所述先验估计协方差求解模块(14)根据输入的第k-1个采样周期误差协方差矩阵Pk-1、状态转移矩阵A和播种过程噪声协方差矩阵Q计算得出第k个采样周期播种信息先验估计协方差矩阵
Figure FDA0004036957590000023
具体为：
Figure FDA0004036957590000024
式中：
Figure FDA0004036957590000025
为第k个采样周期播种信息先验估计协方差矩阵；
Pk-1为第k-1个采样周期误差协方差矩阵，其中P0为
Figure FDA0004036957590000026
A为状态转移矩阵；
Q为播种过程噪声协方差矩阵；
融合系数求解模块(15)根据输入的第k个采样周期播种信息先验估计协方差矩阵
Figure FDA0004036957590000027
观测矩阵H和播种测量噪声协方差矩阵R输出第k个采样周期播种信息预测值与观测值的融合系数矩阵Kk，具体为：
Figure FDA00040369575900000215
式中：
Kk为第k个采样周期播种信息预测值与观测值的融合系数矩阵，Kk∈[0,H-1]；
Figure FDA0004036957590000028
为第k个采样周期播种信息先验估计协方差矩阵；
H为观测矩阵；
R为播种测量噪声协方差矩阵；
播种信息后验估计模块(16)根据输入的第k个采样周期的播种信息先验估计向量
Figure FDA0004036957590000029
第k个采样周期播种信息预测值与观测值的融合系数矩阵Kk、第k个采样周期的播种信息观测估计向量
Figure FDA00040369575900000210
和观测矩阵H输出第k个采样周期的播种信息后验估计向量
Figure FDA00040369575900000211
具体为：
Figure FDA00040369575900000212
式中：
Figure FDA00040369575900000213
为第k个采样周期的播种信息后验估计向量，
Figure FDA00040369575900000214
Figure FDA0004036957590000031
为第k个采样周期的播种信息先验估计向量；
Kk为第k个采样周期播种信息预测值与观测值的融合系数矩阵，Kk∈[0,H-1]；
Figure FDA0004036957590000032
为第k个采样周期的播种信息观测估计向量；
Figure FDA0004036957590000033
为第k个采样周期播种量后验估计值；
Figure FDA0004036957590000034
为第k个采样周期排种流量后验估计值；
H为所述观测矩阵；
定位信号接收器(2)获取地理位置信息，所述定位信号接收器(2)与播种量处方图模块(18)连接，所述播种量处方图模块(18)根据第k个采样周期的播种信息后验估计向量
Figure FDA0004036957590000035
和第k个采样周期的地理位置信息，生成播种量处方图；
所述误差协方差更新模块(17)根据第k个采样周期播种信息先验估计协方差矩阵
Figure FDA0004036957590000036
和第k个采样周期播种信息预测值与观测值的融合系数Kk得出第k个采样周期的误差协方差矩阵Pk，具体如下：
Figure FDA0004036957590000037
式中：
Pk为所述第k个采样周期的误差协方差矩阵；
Figure FDA00040369575900000310
为所述第k个采样周期播种信息先验估计协方差矩阵；
Kk为所述第k个采样周期播种信息预测值与观测值的融合系数矩阵，Kk∈[0,H-1]；
H为所述观测矩阵；
若k<m时，则进入下一采样周期k＝k+1。
2.根据权利要求1所述的多信息融合的稻麦播种机播种量估计方法，其特征在于，所述状态转移矩阵A为
Figure FDA0004036957590000038
T为采样周期。
3.根据权利要求1所述的多信息融合的稻麦播种机播种量估计方法，其特征在于，所述观测矩阵H为
Figure FDA0004036957590000039
4.一种根据权利要求1所述的多信息融合的稻麦播种机播种量估计方法的监测系统，其特征在于，包括工控机(1)、定位信号接收器(2)、排种流量传感器(3)、称重传感器(4)；所述工控机(1)包括播种信息先验估计模块(11)、播种信息观测模块(12)、测量估计模块(13)、先验估计协方差求解模块(14)、融合系数求解模块(15)、播种信息后验估计模块(16)、误差协方差更新模块(17)和播种量处方图模块(18)；
所述定位信号接收器(2)用于检测地理位置信号；若干所述排种流量传感器(3)安装在稻麦播种机各个排种口上，用于测量稻麦播种机各个排种口的排种流量；所述排种流量传感器(3)与播种信息观测模块(12)连接；所述称重传感器(4)用于测量种箱内部剩余种子质量，所述称重传感器(4)与播种信息观测模块(12)连接；所述定位信号接收器(2)用于获取地理位置信号。
CN202111524230.4A 2021-12-14 2021-12-14 一种多信息融合的稻麦播种机播种量估计方法及监测系统 Active CN114342605B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111524230.4A CN114342605B (zh) 2021-12-14 2021-12-14 一种多信息融合的稻麦播种机播种量估计方法及监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111524230.4A CN114342605B (zh) 2021-12-14 2021-12-14 一种多信息融合的稻麦播种机播种量估计方法及监测系统

Publications (2)

Publication Number Publication Date
CN114342605A CN114342605A (zh) 2022-04-15
CN114342605B true CN114342605B (zh) 2023-03-21

Family

ID=81099291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111524230.4A Active CN114342605B (zh) 2021-12-14 2021-12-14 一种多信息融合的稻麦播种机播种量估计方法及监测系统

Country Status (1)

Country Link
CN (1) CN114342605B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2555017B1 (en) * 2011-08-03 2017-10-04 Harman Becker Automotive Systems GmbH Vehicle navigation on the basis of satellite positioning data and vehicle sensor data
CN105302013B (zh) * 2014-07-03 2017-09-12 农业部南京农业机械化研究所 一种多作物条播机自适应播种控制方法
CN107733321B (zh) * 2017-10-26 2020-09-25 江苏大学 一种播种机监控系统和监控方法
CN110440886B (zh) * 2019-07-02 2021-03-26 华南农业大学 一种育秧生产线的秧盘播种量动态计量装置和计量方法
AU2021100962A4 (en) * 2021-02-21 2021-04-29 Chatterjee, Prasenjit Dr Smart irrigation enriched with fertilizer mixing and water wastage reduction using deep learning techniques

Also Published As

Publication number Publication date
CN114342605A (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
EP1361785B1 (en) Improvements in mapping techniques
CN105741180B (zh) 一种联合收获机谷物产量图绘制系统
CN1802891B (zh) 品种定位器
CN103270837B (zh) 一种基于压力传感器的变量排种控制系统及方法
US10028428B2 (en) Control system and method for automatically determining characteristic for optimum machine performance
BR102017022222A2 (pt) Métodos para reduzir e para corrigir uma polarização de sistema de sensoreamento, e, máquina agrícola
CN111083968B (zh) 一种面向播量补偿的精密播种装置及其方法
CN107111843B (zh) 谷粒管理系统以及联合收割机
US20140358466A1 (en) System and method for automatically updating estimated yield values
CN103125204A (zh) 一种联合收割机的谷物质量测量装置与测量方法
US20230073551A1 (en) Row-by-row yield estimation system and related devices and methods
Yu et al. A solid fertilizer and seed application rate measuring system for a seed-fertilizer drill machine
CN114342605B (zh) 一种多信息融合的稻麦播种机播种量估计方法及监测系统
CN114818888A (zh) 基于多通道卡尔曼滤波的土壤成分数据融合方法和系统
CN116616036A (zh) 一种冲量与称重组合式谷物流量监测装置及方法和收获机
Liu et al. Development and application experiments of a grain yield monitoring system
Choi et al. Grain flow rate sensing for a 55 kW full-feed type multi-purpose combine
Polishchuk et al. Impacts of automatic and parallel driving systems on the productivity of machine-tractor units in the northern region of the republic of Kazachstan
RU2670718C9 (ru) Автоматизированная система поточного измерения урожайности зерна
US20210092900A1 (en) Plant Pickers, And Related Methods Associated With Yield Detection
US20210051849A1 (en) Enhancement of combine harvester yield data through augmentation with spatial grain cart data
Lv et al. Review of the monitoring systems of the machine for precision sowing and fertilization of wheat
Wallace Small plot evaluation of an electro-optical cotton yield monitor
Her et al. How Likely Is a 100-Year Rainfall Event During the Next Ten Years? AE523, 3/2018
Chen et al. Multi-temporal Data Assimilation Method Based on Filtering Optimization

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