CN115219260A - 全喂入谷物联合收割机作业质量数字化鉴定系统与方法 - Google Patents
全喂入谷物联合收割机作业质量数字化鉴定系统与方法 Download PDFInfo
- Publication number
- CN115219260A CN115219260A CN202210850811.5A CN202210850811A CN115219260A CN 115219260 A CN115219260 A CN 115219260A CN 202210850811 A CN202210850811 A CN 202210850811A CN 115219260 A CN115219260 A CN 115219260A
- Authority
- CN
- China
- Prior art keywords
- rate sensor
- combine harvester
- loss rate
- grain
- grain combine
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Combines (AREA)
Abstract
本发明公开了一种全喂入谷物联合收割机作业质量数字化鉴定系统与方法,涉及农业机械技术领域,包括:破碎率传感器、含杂率传感器、清选损失率传感器、夹带损失率传感器、定位装置、5G数据传输模块、工控机、终端;所述破碎率传感器、所述含杂率传感器、所述清选损失率传感器、所述夹带损失率传感器、所述定位装置均通过CAN总线与所述工控机连接;所述终端通过5G数据传输模块与所述工控机通信;本发明减轻了试验人员和鉴定人员的劳动强度,降低了人为干扰,提高了鉴定结果的客观性,且保证了谷物联合收割机作业质量性能鉴定流程中数据安全和可追溯,提高试验鉴定效率,使农机性能试验和检测认定走向数字化、智能化和标准化。
Description
技术领域
本发明涉及农业机械技术领域,更具体的说是涉及一种全喂入谷物联合收割机作业质量数字化鉴定系统与方法。
背景技术
谷物联合收割机是现代农业生产不可或缺的工具,是农业生产提质增效、保障粮食安全的重要保障。目前,我国谷物联合收割机社会保有量约70万台。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作业质量性能鉴定工作的数字化与智能化水平偏低这一问题愈加明显。
机械化收获是我国农业全程机械化生产的重要组成部分。谷物联合收割机性能的好坏决定着机械化收获的质量优劣。因此,在试验室条件下和在试验田条件下的性能测试对谷物联合收割机的设计具有重要意义。但是,目前对于全喂入联合收割机作业质量性能鉴定还仅仅依靠人工抽样、进行主观的性能判断,因此如何对全喂入联合收割机作业质量性能鉴定实现数字化、智能化和标准化是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种全喂入谷物联合收割机作业质量数字化鉴定系统与方法,实现了农机性能试验和检测认定的数字化、智能化和标准化。
为了实现上述目的,本发明提供如下技术方案:
一种全喂入谷物联合收割机作业质量数字化鉴定系统,包括:破碎率传感器、含杂率传感器、清选损失率传感器、夹带损失率传感器、定位装置、5G数据传输模块、工控机、终端;所述破碎率传感器、所述含杂率传感器、所述清选损失率传感器、所述夹带损失率传感器、所述定位装置均通过CAN总线与所述工控机连接;所述终端通过5G数据传输模块与所述工控机通信;
所述破碎率传感器,用于采集谷物联合收割机作业过程的破碎率;
所述含杂率传感器,用于采集谷物联合收割机作业过程的含杂率;
所述清选损失率传感器,用于采集谷物联合收割机作业过程的清选损失率;
所述夹带损失率传感器,用于采集谷物联合收割机作业过程的夹带损失率;
所述定位装置,用于采集谷物联合收割机作业过程的作业位置和作业速度;
所述5G数据传输模块,用于谷物联合收割机作业过程数据的实时传输;
所述工控机,用于对各个传感器采集到的作业数据进行数据处理并保存;并将作业鉴定数据给终端。
可选的,所述破碎率传感器、所述含杂率传感器均安装于谷物联合收割机粮仓内的出粮口下方,所述破碎率传感器和所述含杂率传感器的取样漏斗的边缘与出粮口的边缘齐平。
可选的,所述清选损失率传感器安装于谷物联合收割机清选筛的尾部。
可选的,所述夹带损失率传感器安装于谷物联合收割机滚筒末端两侧。
可选的,鉴定系统还包括组态工业屏,所述组态工业屏与所述工控机连接,用于显示作业数据以及鉴定结果。
一种全喂入谷物联合收割机作业质量数字化鉴定方法,具体步骤为:
采集谷物联合收割机预设次数的作业数据;
对预设次数的作业数据进行均值计算,获得单次检测数据;
对预设次数的单次检测数据进行数据处理,获得有效检测数据;
对有效检测数据进行均值计算,获得本次检测数据;
基于本次检测数据,依据鉴定规则获得鉴定结果。
可选的,作业数据包括破碎率、含杂率、清选损失率、夹带损失率、作业位置、作业速度。
可选的,破碎率和含杂率的获取步骤为:
采集作业过程中谷物样本的实时图像作为样本图像;
通过图像处理算法识别样本图像中谷物样本的完整籽粒、破碎籽粒和杂质;
根据样本图像中完整籽粒、破碎籽粒、杂质的像素和像素质量计算出谷物样本的破碎率和含杂率。
可选的,清选损失率和夹带损失率的获取步骤为:
分别采集清选损失率传感器、夹带损失率传感器的损失籽粒信号,分别对清选损失率传感器、夹带损失率传感器的损失籽粒信号进行处理得到清选损失籽粒数和夹带损失籽粒数;
基于清选损失籽粒数和夹带损失籽粒数,利用建立的损失量模型估算出清选损失籽粒质量和夹带损失籽粒质量;
通过籽粒千粒重、收割机割幅以及单位面积产量估算单位时间内实际收割籽粒质量;
通过清选损失籽粒质量与实际收割籽粒质量之比,获得清选损失率;
通过夹带损失籽粒质量与实际收割籽粒质量之比,获得夹带损失率。
可选的,鉴定结果的获取步骤为:
步骤51、判断作业速度是否满足鉴定要求,若是,执行步骤52;若否,结束鉴定;
步骤52、判断含杂率、破碎率和损失率是否到达合格标准,若是,输出作业性能合格;若否,则输出作业性能不合格。
经由上述的技术方案可知,与现有技术相比,本发明公开了一种全喂入谷物联合收割机作业质量数字化鉴定系统与方法,减轻了试验人员和鉴定人员的劳动强度,降低了人为干扰,提高了鉴定结果的客观性,且可保证谷物联合收割机作业质量性能鉴定流程中数据安全和可追溯,提高了试验鉴定效率,使农机性能试验和检测认定走向数字化、智能化和标准化。
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,下面将对实施例或现有技术描述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,还可以根据提供的附图获得其他的附图。
图1为一种全喂入谷物联合收割机作业质量数字化鉴定系统的软件和硬件结构示意图;
图2为一种全喂入谷物联合收割机作业质量数字化鉴定系统的硬件结构连接示意图;
图3为一种全喂入谷物联合收割机作业质量数字化鉴定系统的工作流程图。
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。
实施例1
本发明实施例公开了一种全喂入谷物联合收割机作业质量数字化鉴定系统,如图1和图2所示,包括工控机和作业质量测量设备,所述测量设备包括:
破碎率传感器,用于采集谷物联合收割机作业过程的破碎率;
含杂率传感器,用于采集谷物联合收割机作业过程的含杂率;
清选损失率传感器,用于采集谷物联合收割机作业过程的清选损失率;
夹带损失率传感器,用于采集谷物联合收割机作业过程的夹带损失率;
北斗定位模块,用于采集谷物联合收割机作业过程的作业位置和作业速度;
5G数据传输模块(微雪电子公司的SIM820X-M25G HAT型),用于谷物联合收割机作业过程试验数据的实时传输;
工控机(研华科技公司的PPC-3120S型),所述的破碎率传感器、含杂率传感器、清选损失率传感器、夹带损失率传感器、北斗定位模型通过CAN总线与工控机连接,将各传感器采集到的作业数据传输至工控机中进行数据处理并保存;工控机通过5G数据传输模块与移动控制终端和服务器终端相通信,传输田间作业鉴定数据给终端,实现鉴定数据的实时查看。
所述的破碎率传感器、含杂率传感器安装于谷物联合收割机粮仓内的出粮口下方。
所述的清选损失率传感器安装于谷物联合收割机清选筛的尾部,夹带损失率传感器安装于谷物联合收割机滚筒末端两侧。
所述的北斗定位模型安装于谷物联合收割机驾驶室顶部,组态工业屏和工控机安装于谷物联合收割机驾驶室内部。
本实施例的全喂入谷物联合收割机作业质量数字化鉴定系统,针对谷物联合收割机田间作业质量性能鉴定过程中存在的问题,以传感技术和信息化技术提高谷物联合收割机田间作业质量性能鉴定的工作效率,利用破碎率传感器、含杂率传感器采集田间作业过程谷物收割机含杂率和破碎率数据,利用清选损失率传感器、夹带损失率传感器采集田间作业过程谷物收割机清选损失率和夹带损失率数据,并计算出损失率,利用北斗定位模型采集田间作业过程谷物收割机作业位置和作业速度,对数据进行处理得到田间作业过程的含杂率、破碎率和损失率等相关指标,判断谷物联合收割机的工作性能。相关参数实时采集,数据远程传输,历史试验数据存储和试验检测报告自动生成,弥补传统手段的局限性。
本发明的系统减轻了试验人员和鉴定人员劳动强度,降低人为干扰,提高鉴定结果的客观性,在对谷物联合收割机作业质量性能鉴定流程中数据安全和可追溯,提高试验鉴定效率,使农机性能试验和检测认定走向数字化、智能化和标准化。
全喂入谷物联合收割机作业质量数字化鉴定系统的工作流程如图3所示:
1、全喂入谷物联合收割机鉴定工作开始,数字化鉴定系统首先进行初始化,对系统各功能模型进行自检,如果存在功能模块工作不正常,则弹出错误信息提示对话框,要求鉴定人员对系统进行检查。
2、自检显示各系统功能模块正常后,要求鉴定人员输入待检样机的相关参数,包括生产企业、机具型号、出厂编号等信息;输入鉴定试验地块的基本条件,包括收获作物品种、收获环境天气信息等,然后开启数字化鉴定系统,系统自动对数据计数器1和数据计数器2清零。
3、系统读取CAN总线的数据,分别获得含杂率传感器、破碎率传感器、清选损失率传感器、夹带损失率传感、北斗定位模块的数据,将获得的含杂率、破碎率、清选损失率、夹带损失率、作业位置和作业速度等数据,并送入数据缓冲区,数据计数器2加1。如果数据计数器2<5,则继续读取CAN总线的数据。
4、如果数据计数器2≥5,对数据缓冲中的含杂率、破碎率、清选损失率和夹带损失率求均值,得到单次检测结果,将相关数据写入工控机txt文件,在组态屏显示结果,并通过5G数据传输模块将数据发送到移动端和数据服务器。数据计数器1加1。如果数据计数器1<50,对数据计数器2清零,继续下个试验数据的采集。
5、如果数据计数器1≥50,对本次试验鉴定的数据进行处理,以格罗贝斯准则剔除错误数据,对合理的数据求均值得到本次检测结果,根据鉴定规则判断待鉴定样机的作业性能。如果作业速度不满足鉴定的基本要求,本次鉴定结果无效;如果作业速度满足鉴定的基本要求,而含杂率、破碎率和损失率3个指标都满足鉴定基本要求,则待检样机作业性能合格;含杂率、破碎率和损失率只要有一个指标不满足鉴定基本要求,则待检样机作业性能不合格。系统根据实际鉴定结果自动生成鉴定报告。
实施例2
田间试验鉴定前,在待鉴定的履带式谷物联合收割机样机上安装全喂入谷物联合收割机作业质量数字化鉴定系统,确保系统各模块工作正常。
(1)系统各部分安装:
破碎率传感器和含杂率传感器安装,采用4颗M6.0的紧固螺丝将破碎率传感器和含杂率传感器的底盘固定在谷物联合收割机的粮箱中带出粮口的侧壁上,保证破碎率传感器和含杂率传感器的取样漏斗的边缘与出粮口的边缘齐平,并为破碎率传感器和含杂率传感器提供12V的直流电源。
清选损失率传感器安装,采用四个胶垫螺丝将敏感板固定于收割机尾部机器侧壁上,敏感板距离清选筛尾部20cm,距离清选筛尾部上方20cm,敏感板倾斜角度15°,并为清选损失率传感器提供12V的直流电压。
夹带损失率传感器安装,采用高强度磁铁将敏感板固定于脱粒滚筒末端机器侧壁上,距离脱粒滚筒尾部上方20cm,敏感板倾斜角度15°,并为夹带损失率传感器提供12V的直流电压。
北斗定位模块安装,采用高强度磁铁将北斗定位天线固定在带检测谷物联合收获机驾驶室的顶部,并为北斗定位模块提供12V的直流电压。
组态工业屏安装,采用U形夹具,将组态工业屏固定在待检测谷物联合收获机驾驶室的侧梁上,并为组态工业屏提供12V的直流电压。
工控机安装,采用3M双面胶将工控机固定在待检测谷物联合收获机驾驶室的底板上,并为工控机提供12V的直流电压。
(2)田间作业数据采集:
工控机与组态工业屏、破碎率传感器、含杂率传感器、清选损失率传感器、夹带损失率传感、北斗定位模型之间采用CAN总线进行数据通信,工控机与移动控制终端和数据服务器采用5G网络进行数据通信。
破碎率传感器和含杂率传感器数据采集。通过内置的工业相机在线采集谷物样本的图像,通过图像处理算法识别样本图像中谷物的完整籽粒、破碎籽粒和杂质,根据3种成分的像素和像素质量计算出样本的破碎率和含杂率。机械化收获过程中,破碎率传感器和含杂率传感器动态连续拍摄取样窗口5张图片,分别计算5个样本的破碎率和含杂率,对这5个检测值求平均值得到单次的检测结果。
清选损失率传感器和夹带损失率传感器数据采集。通过压电陶瓷传感器敏感板采集损失籽粒信号,通过信号处理得到损失籽粒数,根据建立的损失量模型估算出损失总质量,通过设置籽粒千粒重,收割机割幅以及单位面积产量估算单位时间内实际收割籽粒质量,通过损失籽粒质量与实际收割籽粒质量之比,计算出损失率。清选损失率传感器和夹带损失率传感器的采样周期是500ms,单次检测通过采集5组清选损失率传感器和夹带损失率传感器的数据,对这5组数据求平均值得到单次的清选损失率和夹带损失率检测结果,对清选损失率和夹带损失率进行求和,得到该抽样点的联合收割机的损失率。
北斗定位模型数据采集。采用ZED-F9P模块作为核心芯片,具备184搜索通道,跟踪灵敏度-167dBm,重捕灵敏度148dBm,单点定位水平精度1.5m CEP,单点定位垂直精度1.5mCEP,速度精度0.05m/s。
(3)田间作业数据处理:
①破碎含杂率数据处理:
系统通过CAN总线与破碎率传感器和含杂率传感器通信,控制传感器拍摄样本的实时图像,对图像进行处理获得样本图像的破碎率和含杂率,具体执行如下:
破碎率传感器和含杂率传感器拍摄得到[1280,1024,3]的原始图像Image_0,对原始图像Image_input进行等比例缩放,将图像尺寸压缩为[512,512,3]的图像,再进行2次[3,3]的64通道的卷积,获得一个[512,512,64]的有效特征层图像Image_1。
对特征层图像Image_1进行2x2最大池化,获得一个[256,256,64]的特征层图像,再进行2次[3,3]的128通道的卷积,获得一个[256,256,128]的有效特征层图像Image_2。
对特征层图像Image_2进行2x2最大池化,获得一个[128,128,128]的特征层图像,再进行3次[3,3]的256通道的卷积,获得一个[128,128,256]的有效特征层图像Image_3。
对特征层图像Image_3进行2x2最大池化,获得一个[64,64,256]的特征层图像,再进行3次[3,3]的512通道的卷积,获得一个[64,64,512]的有效特征层图像Image_4。
对特征层图像Image_4进行2x2最大池化,获得一个[32,32,512]的特征层图像,再进行3次[3,3]的512通道的卷积,获得一个[32,32,512]的有效特征层像Image_5。
对特征层图像Image_5进行2x2最大池化,获得一个[16,16,512]的特征层图像,再进行2次[3,3]的1024通道的卷积,获得一个[16,16,1024]的有效特征层图像Image_6。
特征层图像Image_5经过通道注意力模块后与两倍上采样的有效特征层图像Image_6进行特征融合获得一个[32,32,1536]的有效特征层图像Image_7。
对特征层图像Image_7进行2次[3,3]的512通道的卷积,获得一个[32,32,512]的有效特征层图像Image_7_1。特征层图像Image_4经过通道注意力模块后与两倍上采样的特征层图像Image_7_1特征融合获得一个[64,64,1024]的有效特征层图像Image_8。
对特征层图像Image_8进行2次[3,3]的512通道的卷积,获得一个[64,64,512]的有效特征层图像Image_8_1。特征层图像Image_3经过通道注意力模块后与两倍上采样的特征层图像Image_8_1特征融合获得一个[128,128,768]的有效特征层图像Image_9。
对特征层图像Image_9进行2次[3,3]的256通道的卷积,获得一个[128,128,256]的有效特征层图像Image_9_1。特征层图像Image_2经过通道注意力模块后与两倍上采样的特征层图像Image_9_1特征融合获得一个[256,256,384]的有效特征层图像Image_10。
对特征层图像Image_10进行2次[3,3]的128通道的卷积,获得一个[256,256,128]的有效特征层图像Image_10_1。特征层图像Image_1经过通道注意力模块后与两倍上采样的特征层图像Image_10_1特征融合获得一个[512,512,192]的有效特征层图像Image_11。
对特征层图像Image_11进行2次[3,3]的64通道的卷积,获得一个[512,512,64]的有效特征层图像Image_12,对有效特征层图像Image_12进行1次[1,1]的4通道的卷积得到一个[512,512,4]的有效特征层图像Image_13,根据通道值对有效特征层图像Image_13等比恢复为[512,512,1]的最终的输出灰度特征图Image_output。灰度图中0代表背景,1代表完整籽粒,2代表破碎籽粒,3代表杂质。
统计灰度特征图Image_output中完整籽粒、破碎籽粒、杂质的像素数量Nw、Nz和Ns。系统根据PS=Ns/(Nw+Ns),Pz=Nz/(0.0841Nz+Nw+Ns)计算出实时的破碎率和含杂率。
②清选损失率和夹带损失率数据处理:
系统通过CAN总线与清选损失率传感器和夹带损失率传感器通信,采集传感器的电信号,对特征电信号进行识别获得清选损失率和夹带损失率,具体执行如下:
系统以5s为一个周期,间隔100ms采集一次清选损失率传感器和夹带损失率传感器的电信号,得到清选损失率传感器的电压值Vq和电信号频谱Fq,夹带损失率传感的电压值Vj和电信号频谱Fj。对传感器的电压值和电信号频谱进行解析,如果传感器的数值满足要求,清选损失量和夹带损失量的计数累计器加1。
系统统计5s周期内清选损失率传感器和夹带损失率传感器采样区域内的清选损失量nq和夹带损失量nj。根据下面公式计算得到相应的清选损失率和夹带损失率:
Pq=(m·nq)/5000λq·v·L·Y;
Pj=(m·nj)/5000λj·v·L·Y;
式中,Pq——清选损失率,%;
Pj——夹带损失率,%;
m——谷物的千粒重,kg;
nq——传感器检测到的清选损失的谷物籽粒粒数;
λq——通过实验室台架标定的清选损失监测区域籽粒质量与总籽粒损失质量比例系数;
v——联合收割机行走速度,m/s;
L——谷物联合收割机割幅,m;
Y——谷物的实际产量,kg/m2;
nj——传感器检测到的夹带损失的谷物籽粒粒数;
λj——通过实验室台架标定的夹带损失监测区域籽粒质量与总籽粒损失质量比例系数;
在得到清选损失率和夹带损失率的基础上,可以得到该时刻的损失率Pqj:
Pqj=Pq+Pj;
③数据校验:
为了提高鉴定结果的准确性,采用格罗贝斯准则对各传感器的缺失值进行优化,提高鉴定数据的客观性。
以联合收割机作业质量的破碎率为例,假设有n个数据采集节点,采集到的联合收割机作业质量的破碎率数据为xi(i=1,2,3......,n),并且其数值服从正态分布,则求其数据的均值和标准差σ为:
根据顺序统计原理,得到统计量g的确切分布,为:
在给定的显著水平a(通常取0.01或者0.05)后,用查表法获得格罗贝斯统计量的临界值g0(n,a),将测量顶端值与其比较:
gi<g0(n,a)(4);
若上式不成立,则认为统计量gi带有显著差异,判定xi为误差值,将其剔除。格罗贝斯判据是一个递归算法,因此每次剔除一个可疑值之后,需要重新计算其标准差σ,重复进行判别,直至无可疑值为止。
(4)联合收割机作业质量性能评价准则:
如表1所示:田间试验鉴定过程,联合收割机作业速度、含杂率、破碎率、损失率各指标均满足下面指标,则判定联合收割机作业性能符合要求,性能合格;否则判定联合收割机作业性能不合格。
表1
本说明书中各个实施例采用递进的方式描述,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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种全喂入谷物联合收割机作业质量数字化鉴定系统,其特征在于,包括:破碎率传感器、含杂率传感器、清选损失率传感器、夹带损失率传感器、定位装置、5G数据传输模块、工控机、终端;所述破碎率传感器、所述含杂率传感器、所述清选损失率传感器、所述夹带损失率传感器、所述定位装置均通过CAN总线与所述工控机连接;所述终端通过5G数据传输模块与所述工控机通信;
所述破碎率传感器,用于采集谷物联合收割机作业过程的破碎率;
所述含杂率传感器,用于采集谷物联合收割机作业过程的含杂率;
所述清选损失率传感器,用于采集谷物联合收割机作业过程的清选损失率;
所述夹带损失率传感器,用于采集谷物联合收割机作业过程的夹带损失率;
所述定位装置,用于采集谷物联合收割机作业过程的作业位置和作业速度;
所述5G数据传输模块,用于谷物联合收割机作业过程数据的实时传输;
所述工控机,用于对各个传感器采集到的作业数据进行数据处理并保存;并将作业鉴定数据给终端。
2.根据权利要求1所述的一种全喂入谷物联合收割机作业质量数字化鉴定系统,其特征在于,所述破碎率传感器、所述含杂率传感器均安装于谷物联合收割机粮仓内的出粮口下方,所述破碎率传感器和所述含杂率传感器的取样漏斗的边缘与出粮口的边缘齐平。
3.根据权利要求1所述的一种全喂入谷物联合收割机作业质量数字化鉴定系统,其特征在于,所述清选损失率传感器安装于谷物联合收割机清选筛的尾部。
4.根据权利要求1所述的一种全喂入谷物联合收割机作业质量数字化鉴定系统,其特征在于,所述夹带损失率传感器安装于谷物联合收割机滚筒末端两侧。
5.根据权利要求1所述的一种全喂入谷物联合收割机作业质量数字化鉴定系统,其特征在于,鉴定系统还包括组态工业屏,所述组态工业屏与所述工控机连接,用于显示作业数据以及鉴定结果。
6.一种全喂入谷物联合收割机作业质量数字化鉴定方法,其特征在于,具体步骤为:
采集谷物联合收割机预设次数的作业数据;
对预设次数的作业数据进行均值计算,获得单次检测数据;
对预设次数的单次检测数据进行数据处理,获得有效检测数据;
对有效检测数据进行均值计算,获得本次检测数据;
基于本次检测数据,依据鉴定规则获得鉴定结果。
7.根据权利要求6所述的一种全喂入谷物联合收割机作业质量数字化鉴定方法,其特征在于,作业数据包括破碎率、含杂率、清选损失率、夹带损失率、作业位置、作业速度。
8.根据权利要求7所述的一种全喂入谷物联合收割机作业质量数字化鉴定方法,其特征在于,破碎率和含杂率的获取步骤为:
采集作业过程中谷物样本的实时图像作为样本图像;
通过图像处理算法识别样本图像中谷物样本的完整籽粒、破碎籽粒和杂质;
根据样本图像中完整籽粒、破碎籽粒、杂质的像素和像素质量计算出谷物样本的破碎率和含杂率。
9.根据权利要求7所述的一种全喂入谷物联合收割机作业质量数字化鉴定方法,其特征在于,清选损失率和夹带损失率的获取步骤为:
分别采集清选损失率传感器、夹带损失率传感器的损失籽粒信号,分别对清选损失率传感器、夹带损失率传感器的损失籽粒信号进行处理得到清选损失籽粒数和夹带损失籽粒数;
基于清选损失籽粒数和夹带损失籽粒数,利用建立的损失量模型估算出清选损失籽粒质量和夹带损失籽粒质量;
通过籽粒千粒重、收割机割幅以及单位面积产量估算单位时间内实际收割籽粒质量;
通过清选损失籽粒质量与实际收割籽粒质量之比,获得清选损失率;
通过夹带损失籽粒质量与实际收割籽粒质量之比,获得夹带损失率。
10.根据权利要求6所述的一种全喂入谷物联合收割机作业质量数字化鉴定方法,其特征在于,鉴定结果的获取步骤为:
步骤51、判断作业速度是否满足鉴定要求,若是,执行步骤52;若否,结束鉴定;
步骤52、判断含杂率、破碎率和损失率是否到达合格标准,若是,输出作业性能合格;若否,则输出作业性能不合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210850811.5A CN115219260A (zh) | 2022-07-20 | 2022-07-20 | 全喂入谷物联合收割机作业质量数字化鉴定系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210850811.5A CN115219260A (zh) | 2022-07-20 | 2022-07-20 | 全喂入谷物联合收割机作业质量数字化鉴定系统与方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115219260A true CN115219260A (zh) | 2022-10-21 |
Family
ID=83610916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210850811.5A Pending CN115219260A (zh) | 2022-07-20 | 2022-07-20 | 全喂入谷物联合收割机作业质量数字化鉴定系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115219260A (zh) |
-
2022
- 2022-07-20 CN CN202210850811.5A patent/CN115219260A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160282171A1 (en) | Multi-variable yield monitor and methods for the same | |
US9372109B2 (en) | Harvester elevator in-flow weight sensor and methods for the same | |
US9600872B2 (en) | System and method for detecting and documenting straw quality | |
CN110926430B (zh) | 一种空地一体化红树林监测系统及控制方法 | |
US20160345485A1 (en) | Yield monitor calibration method and system | |
CN108414455A (zh) | 用于农业保险理赔的农作物雹灾遥感监测方法 | |
CN111667017B (zh) | 一种联合收割机喂入量预测系统及其预测方法 | |
US20180153100A1 (en) | Grain Management System and Combine | |
CN116046692B (zh) | 一种基于高光谱的土壤重金属污染监测方法和装置 | |
CN112020986B (zh) | 一种冲量式谷物联合收割机产量监测系统及方法 | |
CN110583217A (zh) | 一种谷物收获机清选损失率检测装置及检测方法 | |
CN114009207B (zh) | 一种收割面积测量方法及收割机 | |
CN113990477B (zh) | 一种基于云平台的大数据智能健康监护系统 | |
CN115495703A (zh) | 一种基于机载多光谱数据的烟草成熟度检测方法及系统 | |
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 | |
CN115219260A (zh) | 全喂入谷物联合收割机作业质量数字化鉴定系统与方法 | |
KR102192693B1 (ko) | 농작물 손해사정 평가를 위한 농작물 피해 분석 시스템 및 이를 이용한 농작물 손해사정 평가 방법 | |
CN110082500A (zh) | 一种基于干湿边快速确定的农作物干旱遥感监测方法 | |
CN102812825B (zh) | 谷物联合收割机的清选损失的实时在线监测方法及其装置 | |
CN115049902B (zh) | 柑橘叶片含水量可视化预测方法、系统、设备及存储介质 | |
Andrade-Sanchez et al. | Yield monitoring technology for irrigated cotton and grains in Arizona: hardware and software selection | |
CN112577956A (zh) | 一种基于智能设备拍照功能的玉米考种系统及方法 | |
CN107764767A (zh) | 实时检测联合收割机的谷物蛋白质和水分含量的方法 | |
Molin et al. | Yield mapping from manually harvested sugar cane in Brazil | |
CN114170500A (zh) | 小麦倒伏面积提取系统及方法 |
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 |