CN116686438B - 一种深耕机耕深监测及异物感知系统 - Google Patents

Abstract

本发明涉及作业监测技术领域，具体涉及一种深耕机耕深监测及异物感知系统，包括处理控制单元、深度监测单元、异物感知单元和地形地貌分析单元，所述深度监测单元设置在深耕机的深耕刀具上，用于实时监测深耕刀具的耕作深度，并将监测到的深度信息发送至处理控制单元；所述异物感知单元安装在深耕机的前端，用于感知土壤中的异物，并将感知到的异物信息发送至处理控制单元；所述地形地貌分析单元设置于深耕机的前端，用于实时扫描并分析前方的地形地貌特征；所述处理控制单元根据接收到的深度信息、异物信息以及地形地貌分析结果，本发明，不仅能提高深耕的效率，还能提高深耕的质量，从而提高农作物的产量，增强农业生产的经济效益。

Description

一种深耕机耕深监测及异物感知系统

技术领域

本发明涉及作业监测技术领域，尤其涉及一种深耕机耕深监测及异物感知系统。

背景技术

深耕是农业生产中的重要环节，其目的是改善土壤结构，增强土壤的透气性和保水性，从而提高农作物的产量，在深耕过程中，深耕机的作业深度和作业效率是影响深耕效果的两个关键因素。

现有的深耕机大多数是通过人工操作控制作业深度，这种方法既费时又费力，而且控制精度低，容易导致作业深度偏离预设值，此外，现有的深耕机在遇到地下异物（如石头、根系等）时，往往只能停止作业，然后由人工清除异物，这大大降低了作业效率，同时，对于不同地形地貌的土地，深耕机的作业策略通常需要手动调整，这对操作员的技术要求较高，而且操作难度大。

另一方面，现有的深耕机大多数是通过机械式的深度控制系统，控制深耕刀具的作业深度，这种深度控制系统的反应速度慢，而且控制精度低，容易受到土壤硬度、湿度和地形地貌等因素的影响，导致深耕深度不稳定，此外，现有的深度控制系统大多数是单一功能的，不能满足深耕机在复杂环境下的作业需求。

为解决上述问题，有必要开发一种新型的深耕机耕深监测及异物感知系统，以实现自动、精确、智能的深耕深度控制和异物避让。

发明内容

基于上述目的，本发明提供了一种深耕机耕深监测及异物感知系统。

一种深耕机耕深监测及异物感知系统，包括处理控制单元、深度监测单元、异物感知单元和地形地貌分析单元；

所述深度监测单元设置在深耕机的深耕刀具上，用于实时监测深耕刀具的耕作深度，并将监测到的深度信息发送至处理控制单元；

所述异物感知单元安装在深耕机的前端，用于感知土壤中的异物，并将感知到的异物信息发送至处理控制单元；

所述地形地貌分析单元设置于深耕机的前端，用于实时扫描并分析前方的地形地貌特征，该特征包括坡度、硬度和湿度，并将分析结果发送至处理控制单元；

所述处理控制单元根据接收到的深度信息、异物信息以及地形地貌分析结果，精细化控制深耕机的工作状态，以实现深耕深度的自适应调整、异物的自动避让以及对复杂地形地貌的智能应对。

进一步的，所述深度监测单元包括深度传感器、深度信号处理器和深度校准模块；

所述深度传感器设置在深耕刀具的下部，用于实时检测深耕刀具与土壤的相对位置；

所述深度信号处理器用于处理深度传感器检测到的深度信号，并将处理后的深度信息发送至处理控制单元；

所述深度校准模块用于校准深度传感器，包括使用预先设定的深度参数进行校准，以及使用过往采集的深度数据对深度传感器进行自动校准，以提高深耕深度的监测精度；

所述深度传感器为超声波距离传感器。

进一步的，所述深度校准模块具体为：

对于预设深度参数的校准：首先设定一组预设的深度参数，包括最小耕深、最大耕深、预设的工作耕深，然后将该参数输入到深度传感器中，使深度传感器按照预设参数进行深度检测；

对于自动校准：首先根据深度传感器在过往深耕作业中采集的深度数据，计算出各深度数据的统计特性，包括平均值、方差和分布特性，然后根据该统计特性，调整深度传感器的检测范围和灵敏度，使深度传感器能够更准确地检测到实际的耕深；

对于复杂土质条件下的自适应校准：通过地形地貌分析单元获取的地形地貌特征信息，包括土壤的硬度、湿度，与已知的地质参数对照，调整深度传感器的检测参数，使其能够在不同土质条件下，准确反映实际耕深。

进一步的，所述处理控制单元包括深度控制器和异物控制器，所述深度控制器根据接收到的深度信息，调整深耕刀具的耕作深度，所述异物控制器根据接收到的异物信息，控制深耕机的运行轨迹，以避开土壤中的异物，所述深度控制器和异物控制器通过调整深耕机的液压系统，来改变深耕刀具的耕作深度和深耕机的运行轨迹。

进一步的，所述系统还包括一个数据记录单元，该数据记录单元连接处理控制单元，用于记录并储存深耕刀具的耕作深度数据和土壤中异物的检测数据，具体为：

数据记录单元按照预设的时间间隔，周期性地记录深耕刀具的耕作深度数据，记录内容包括深度值、深度变化速率和深度变化趋势；

数据记录单元记录异物探测器检测到的所有异物数据，包括异物的大小、深度、材质和深耕机对异物的避让策略；

数据记录单元还记录深耕机的工作状态数据，包括液压系统的工作参数、深耕机的运行轨迹和运行速度；

数据记录单元采用非易失性储存器，在深耕机断电后，避免数据丢失；

数据记录单元提供与外部设备的数据接口，用于将储存的数据导出，以便进行数据分析和生成深耕作业报告。

进一步的，所述处理控制单元包括人工智能处理子模块，该模块采用机器学习算法，根据过往的深度信息和异物信息，自动优化深耕深度的控制策略和异物避让策略，以提高深耕效果和作业效率，具体的：

该人工智能处理子模块采用深度强化学习算法，算法目标是根据当前的状态（s），采取某个动作（a），获得最大的未来奖励（R），所述深度强化学习算法基于贝尔曼方程，具体如下：;

其中，V(s)是在状态s下，采取最优策略能够获得的最大未来奖励，R(s,a)是在状态s下，采取动作a能够获得的即时奖励，γ是奖励的折扣因子，Σs' P(s'|s,a)是在状态s下，采取动作a后，转移到状态s'的概率；

其中，状态s包括当前的深度信息和异物信息，动作a包括改变深耕深度和改变深耕机的运行轨迹，即时奖励R(s, a)设定为深耕效果和作业效率的某种组合。

进一步的，所述地形地貌分析单元包括高精度全球定位系统和地形地貌识别算法，具体包括：

高精度全球定位系统，用于实时获取深耕机的地理位置，包括经度、纬度和海拔高度；

地形地貌识别算法，该算法通过分析连续的GPS数据，用于识别土地的斜度、坡向和曲率特征；

地形地貌分析单元通过地形地貌识别算法，预测深耕机前方的地形地貌变化；

地形地貌分析单元将识别和预测的地形地貌特征，以地形地貌信息的形式，发送给处理控制单元，处理控制单元可以根据地形地貌信息，调整深耕深度的控制策略和异物避让策略。

进一步的，所述地形地貌识别算法基于规则的方法，具体包括，

斜度计算：斜度是地表最基本的地形地貌特征之一，对于深耕机的作业深度控制和异物避让策略具有重要影响，使用连续两次GPS高度数据计算出斜度，具体来说，假设在t-1时刻和t时刻，深耕机的GPS高度分别为h(t-1)和h(t)，移动距离为d(t)，那么，斜度S(t)可以用下面的公式计算：;

坡向计算：坡向是指斜坡的方向，对于深耕机的作业方向控制具有重要影响，使用连续两次GPS方向数据计算出坡向，具体来说，假设在t-1时刻和t时刻，深耕机的GPS方向分别为θ(t-1)和θ(t)，那么，坡向D(t)可以用下面的公式计算：;

曲率计算：曲率是指地表的弯曲程度，对于深耕机的作业轨迹控制具有重要影响，我们可以使用连续三次GPS位置数据计算出曲率，具体来说，假设在t-2时刻、t-1时刻和t时刻，深耕机的GPS位置分别为p(t-2)、p(t-1)和p(t)，那么，曲率C(t)可以用下面的公式计算：。

进一步的，所述异物感知单元包括雷达探测器和异物信号处理器，其中，

雷达探测器采用微波雷达，通过发射微波并接收反射回来的微波，检测出土壤中的异物；

异物信号处理器对雷达探测器检测到的微波信号进行处理，包括信号放大、滤波和解调，得到的异物信息发送至处理控制单元；

所述雷达探测器为微波雷达探测器。

进一步的，所述系统还包括警报单元、显示单元，

警报单元用于在检测到土壤中的异物时，发出警报信号；

显示单元用于显示深耕刀具的实时耕作深度和土壤中的异物信息，所述显示单元为液晶显示屏。

本发明的有益效果：

本发明，深耕机耕深监测及异物感知系统能够实现深耕深度的自动控制和地下异物的自动感知，这种自动化和智能化的操作模式，既能提高深耕的精度，也能提高深耕的效率，通过深度传感器和异物传感器，以及复杂的处理控制单元，能够实时准确地监测深耕深度和地下异物，这种精确的监测能力，有助于提高深耕深度的控制精度，避免深耕深度过浅或过深。

本发明，通过异物传感器和异物控制器，能够实现对地下异物的自动感知和避让，这种异物感知和避让能力，不仅能提高深耕的安全性，避免深耕机因碰到地下异物而损坏，还能提高深耕的连续性，避免深耕机因碰到地下异物而频繁停止。

本发明，通过地形地貌分析单元，能够实现对地形地貌的实时分析和预测，这种地形地貌分析能力，有助于深耕机根据地形地貌的变化，自动调整深耕深度的控制策略和异物避让策略，通过操作界面，能够实时显示深耕深度、地下异物和地形地貌的信息。

附图说明

为了更清楚地说明本发明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，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为本发明实施例的系统逻辑框图；

图2为本发明实施例的异物感知单元示意图；

图3为本发明实施例的深度监测单元示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。

需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

如图1-图3所示，一种深耕机耕深监测及异物感知系统，包括处理控制单元、深度监测单元、异物感知单元和地形地貌分析单元；

所述深度监测单元设置在深耕机的深耕刀具上，用于实时监测深耕刀具的耕作深度，并将监测到的深度信息发送至处理控制单元；

所述异物感知单元安装在深耕机的前端，用于感知土壤中的异物，并将感知到的异物信息发送至处理控制单元；

所述地形地貌分析单元设置于深耕机的前端，用于实时扫描并分析前方的地形地貌特征，该特征包括坡度、硬度和湿度，并将分析结果发送至处理控制单元；

所述处理控制单元根据接收到的深度信息、异物信息以及地形地貌分析结果，精细化控制深耕机的工作状态，以实现深耕深度的自适应调整、异物的自动避让以及对复杂地形地貌的智能应对。

所述深度监测单元包括深度传感器、深度信号处理器和深度校准模块，

所述深度传感器设置在深耕刀具的下部，用于实时检测深耕刀具与土壤的相对位置；

所述深度信号处理器用于处理深度传感器检测到的深度信号，并将处理后的深度信息发送至处理控制单元；

所述深度校准模块用于校准深度传感器，包括使用预先设定的深度参数进行校准，以及使用过往采集的深度数据对深度传感器进行自动校准，以提高深耕深度的监测精度；

所述深度传感器为超声波距离传感器。

所述深度校准模块具体为：

对于预设深度参数的校准：首先设定一组预设的深度参数，包括最小耕深、最大耕深、预设的工作耕深，然后将该参数输入到深度传感器中，使深度传感器按照预设参数进行深度检测；

对于自动校准：首先根据深度传感器在过往深耕作业中采集的深度数据，计算出各深度数据的统计特性，包括平均值、方差和分布特性，然后根据该统计特性，调整深度传感器的检测范围和灵敏度，使深度传感器能够更准确地检测到实际的耕深；

对于复杂土质条件下的自适应校准：通过地形地貌分析单元获取的地形地貌特征信息，包括土壤的硬度、湿度，与已知的地质参数对照，调整深度传感器的检测参数，使其能够在不同土质条件下，准确反映实际耕深。

所述处理控制单元包括深度控制器和异物控制器，所述深度控制器根据接收到的深度信息，调整深耕刀具的耕作深度，所述异物控制器根据接收到的异物信息，控制深耕机的运行轨迹，以避开土壤中的异物，所述深度控制器和异物控制器通过调整深耕机的液压系统，来改变深耕刀具的耕作深度和深耕机的运行轨迹，具体调整方式如下：

对于深度控制器，当收到的深度信息表明当前耕作深度与预设耕作深度有较大偏差时，深度控制器会调整液压系统的工作参数，如液压压力和液压流量，进而改变液压驱动的深耕刀具的下沉深度，以恢复到预设的耕作深度；

对于异物控制器，当收到的异物信息表明前方有较大的异物存在时，异物控制器会调整液压系统的工作参数，如液压压力和液压流量，进而改变液压驱动的转向装置，使深耕机改变运行轨迹，绕过这个异物；

当深度控制器和异物控制器同时调整液压系统时，会先执行异物避让操作，然后再进行耕作深度的调整，以保证深耕机的安全运行；

深度控制器和异物控制器还可以通过调整液压系统的工作频率，来实现深耕刀具的快速反应，提高深耕机在复杂环境下的工作效率。

所述系统还包括一个数据记录单元，该数据记录单元连接处理控制单元，用于记录并储存深耕刀具的耕作深度数据和土壤中异物的检测数据，具体为：

数据记录单元按照预设的时间间隔，周期性地记录深耕刀具的耕作深度数据，记录内容包括深度值、深度变化速率和深度变化趋势；

数据记录单元记录异物探测器检测到的所有异物数据，包括异物的大小、深度、材质和深耕机对异物的避让策略；

数据记录单元还记录深耕机的工作状态数据，包括液压系统的工作参数、深耕机的运行轨迹和运行速度；

数据记录单元采用非易失性储存器，在深耕机断电后，避免数据丢失；

数据记录单元提供与外部设备的数据接口，用于将储存的数据导出，以便进行数据分析和生成深耕作业报告。

所述处理控制单元包括人工智能处理子模块，该模块采用机器学习算法，根据过往的深度信息和异物信息，自动优化深耕深度的控制策略和异物避让策略，以提高深耕效果和作业效率，具体的：

该人工智能处理子模块采用深度强化学习算法，算法目标是根据当前的状态（s），采取某个动作（a），获得最大的未来奖励（R），该深度强化学习算法基于贝尔曼方程，具体如下：；

其中，V(s)是在状态s下，采取最优策略能够获得的最大未来奖励，R(s,a)是在状态s下，采取动作a能够获得的即时奖励，γ是奖励的折扣因子，Σs' P(s'|s,a)是在状态s下，采取动作a后，转移到状态s'的概率；

其中，在本发明中，状态s包括当前的深度信息和异物信息，动作a包括改变深耕深度和改变深耕机的运行轨迹，这两者之间有着密切的关系，我们可以通过以下两个例子具体阐述：

改变深耕深度：在某一状态s下，我们可能得到的深度信息表明当前的深耕深度过浅或过深。此时，我们可以执行相应的动作a，例如，通过调整液压系统的工作参数，改变深耕刀具的深耕深度，这个动作可以使我们从当前的状态转移到一个新的状态，新的状态下的深耕深度更加适合当前的土壤条件，能够获得更好的深耕效果。

改变深耕机的运行轨迹：在某一状态s下，我们可能得到的异物信息表明前方有一个大的异物。此时，我们可以执行相应的动作a，例如，通过调整液压系统的工作参数，油门开度、方向盘角度等，改变液压驱动的转向装置，使深耕机改变运行轨迹，绕过这个异物，这个动作可以使我们从当前的状态转移到一个新的状态，新的状态下深耕机的运行轨迹能够避开这个异物，减少深耕机的损伤和作业的中断。

在强化学习模型中，我们的目标是找到一个策略，这个策略可以在给定任意状态s时，选择一个最优的动作a，使得从这个状态s执行这个动作a后能够获得的即时奖励R(s,a)最大。这个即时奖励R(s, a)可以设定为深耕效果和作业效率的某种组合，例如，可以设定为深耕深度的稳定性和作业中断的次数的负值。这样，当我们在给定状态s时执行动作a后，如果能够获得更好的深耕效果和更高的作业效率，那么我们就能够获得更大的即时奖励，表示这个动作是有效的。反之，如果深耕效果变差或作业效率降低，那么我们获得的即时奖励就会减少，表示这个动作是无效的。通过反复的学习和实验，强化学习模型可以找到在每个状态下应该执行的最优动作，形成一个最优策略。

该人工智能处理模块采用神经网络来近似上述的贝尔曼方程，通过不断的学习，优化神经网络的参数，使得深耕机在遇到各种情况时，都能够采取最优的控制策略和避让策略；

异物信息主要指的是通过地质雷达传感器检测得到的地下异物的信息，包括异物的存在与否、位置、大小、形状。这些信息通常由传感器的回波信号经过处理后得到。例如，回波信号的强度可以反映异物的大小，回波信号的时延可以反映异物的深度，回波信号的相位和极化可以反映异物的形状等。这些信息可以用来判断是否需要改变深耕机的运行轨迹，以避开大的异物，从而提高作业效率和保护机械设备。

对于异物信息的单位，由于它包括了多种信息，所以可能有多种单位。例如，异物的大小可以用立方米（m³）表示，异物的深度可以用米（m）表示，异物的形状可以用形状参数表示。

基于强化学习的寻优过程，可以简单地描述如下：

初始状态：设定深耕机的初始深度和运行轨迹，获取当前的深度信息和异物信息；

选择动作：基于当前的状态，选择一个动作，这个动作可以是改变深耕深度，也可以是改变深耕机的运行轨迹；

执行动作：根据选择的动作，调整深耕机的深耕深度或运行轨迹；

观察结果：执行动作后，再次获取深度信息和异物信息，判断深耕效果和作业效率；

计算奖励：基于深耕效果和作业效率，计算即时奖励R(s, a)；

学习和更新：根据即时奖励和新的状态，更新强化学习模型的参数，优化决策策略。

循环迭代：返回步骤2，反复执行，直到达到一定的停止条件，例如，达到设定的深耕深度，或者完成了设定的作业面积。

以一个简单的示例来说明，假设初始状态为深耕深度为0.5米，无异物，强化学习模型选择了动作a1，即深耕深度增加0.1米。执行动作后，深耕深度变为0.6米，同时发现有一个大的石头，因为石头的存在，深耕效果和作业效率都降低，所以即时奖励R(s, a1)较小，强化学习模型根据这个即时奖励和新的状态，更新参数，优化决策策略。在下一次迭代中，当再次遇到类似的情况时，强化学习模型可能会选择改变深耕机的运行轨迹，以避开大的石头，从而提高深耕效果和作业效率。

所述地形地貌分析单元包括高精度全球定位系统和地形地貌识别算法，具体包括：

高精度全球定位系统，用于实时获取深耕机的地理位置，包括经度、纬度和海拔高度，此外，高精度全球定位系统还可以获取深耕机的移动方向和速度，为地形地貌分析提供基础数据；

地形地貌识别算法，该算法通过分析连续的GPS数据，用于识别土地的斜度、坡向和曲率特征，例如，如果连续的GPS高度数据显示出明显的升高或降低趋势，就说明当前地面有斜坡；如果连续的GPS方向数据显示出明显的转弯趋势，就说明当前地面有曲率；

地形地貌分析单元通过地形地貌识别算法，预测深耕机前方的地形地貌变化，例如，如果当前地面是上坡，而且斜度较大，就可以预测深耕机可能会遇到山顶或山脊；

地形地貌分析单元将识别和预测的地形地貌特征，以地形地貌信息的形式，发送给处理控制单元，处理控制单元可以根据地形地貌信息，调整深耕深度的控制策略和异物避让策略，例如，当预测到前方有山顶时，处理控制单元可以提前调整深耕深度，以避免深耕刀具碰到山顶；

地形地貌分析单元还将识别的地形地貌特征，以地形地貌图的形式，显示在深耕机的操作界面上，为操作员提供直观的地形地貌信息，帮助操作员理解深耕机的运行环境。

所述地形地貌识别算法基于规则的方法，具体包括，

斜度计算：斜度是地表最基本的地形地貌特征之一，对于深耕机的作业深度控制和异物避让策略具有重要影响，使用连续两次GPS高度数据计算出斜度，具体来说，假设在t-1时刻和t时刻，深耕机的GPS高度分别为h(t-1)和h(t)，移动距离为d(t)，那么，斜度S(t)可以用下面的公式计算：；

坡向计算：坡向是指斜坡的方向，对于深耕机的作业方向控制具有重要影响，使用连续两次GPS方向数据计算出坡向，具体来说，假设在t-1时刻和t时刻，深耕机的GPS方向分别为θ(t-1)和θ(t)，那么，坡向D(t)可以用下面的公式计算：；

曲率计算：曲率是指地表的弯曲程度，对于深耕机的作业轨迹控制具有重要影响，我们可以使用连续三次GPS位置数据计算出曲率，具体来说，假设在t-2时刻、t-1时刻和t时刻，深耕机的GPS位置分别为p(t-2)、p(t-1)和p(t)，那么，曲率C(t)可以用下面的公式计算：。

上述算法在实际应用中，可能需要根据深耕机的移动速度和GPS的采样频率进行调整，以得到准确的地形地貌特征，在深耕机的地形地貌分析单元中，可以实时计算出斜度、坡向和曲率，并根据这些地形地貌特征，调整深耕深度的控制策略和异物避让策略。

例如：

斜度：当斜度较大时，深耕深度可能需要减小，因为斜度大可能会导致深耕机倾斜，使得深耕深度无法保持稳定，同时，斜度大也可能增加深耕机滑动的风险，所以可能需要调整深耕机的运行轨迹，以避开斜度大的地方。

坡向：坡向主要影响深耕机的运行方向和耕作深度，例如，当深耕机向上坡运行时，可能需要增加深耕深度，以保证耕作效果，当深耕机向下坡运行时，可能需要减小深耕深度，以防止深耕刀具过深进入土壤。

曲率：曲率反映了地形的平坦程度，当地形曲率大时，表示地形较为崎岖，可能需要降低深耕深度，以防止深耕刀具受损，同时，地形曲率大也可能增加深耕机遇到大的异物的概率，所以可能需要更频繁地调整深耕机的运行轨迹。

这些调整策略可以通过深耕机的液压系统实现，例如，通过调整液压系统的工作压力和流量，改变深耕刀具的深耕深度，或者改变液压驱动的转向装置，改变深耕机的运行轨迹。

所述异物感知单元包括雷达探测器和异物信号处理器，其中，

雷达探测器采用微波雷达，通过发射微波并接收反射回来的微波，检测出土壤中的异物；

异物信号处理器对雷达探测器检测到的微波信号进行处理，包括信号放大、滤波和解调，得到的异物信息发送至处理控制单元；

所述雷达探测器为地质微波雷达探测器。

地质雷达是一种采用电磁波穿透地下的技术，它通过发射一个电磁脉冲，当脉冲遇到地下异物或地质界面时会产生回波，这个回波会被地质雷达接收并进行分析，通过这种方式判断地下是否存在异物以及异物的位置和大小。

在实际操作过程中，我们首先将地质雷达安装在深耕机的前端，然后启动地质雷达进行地下探测。地质雷达会持续发射电磁脉冲，并接收回波，然后将回波信息发送给异物信号处理器。异物信号处理器会根据这些回波信息，通过内置的地质雷达数据处理算法，识别出地下的异物。这种算法包括信号预处理、特征提取、模式识别步骤，可准确地识别出地下异物的类型、位置和大小。

一旦异物信号处理器识别出前方存在较大的异物，它会立即将这个信息发送给异物控制器。异物控制器会根据这个信息，调整液压系统的工作参数，如液压压力和液压流量，进而改变液压驱动的转向装置，使深耕机改变运行轨迹，绕过这个异物。

以一个具体的实例来说明，假设在深耕过程中，地质雷达探测到前方3米处有一个直径约50厘米的大石头。这个信息被发送给处理控制单元，处理控制单元识别出这是一个需要避开的异物，并将这个信息发送给异物控制器。然后，异物控制器调整液压系统的工作参数，使深耕机的转向装置产生动作，改变深耕机的运行轨迹，从而成功避开了这个大石头，保证了深耕作业的连续性和效率。

在地下探测中，地质雷达常常使用微波频段，因为微波在土壤中的穿透性较好，能够到达较深的土层，具体的频率选择则需要根据作业深度和目标分辨率来确定，一般来说，频率越高，分辨率越好，但穿透深度越浅；频率越低，穿透深度越深，但分辨率越低。因此，要根据实际情况选取适合的频率。

当微波信号遇到地下异物时，其反射、散射和折射等特性会发生变化，这些变化会体现在回波信号上。因此，通过分析回波信号，就可以识别出是否存在异物，以及异物的大致形状和位置。

在实际应用中，地质雷达通常使用频率范围从几十兆赫（MHz）到几千兆赫（GHz）的微波信号。

如果深耕作业主要在比较浅的土壤层进行，例如1米以内，我们可以选择较高频率的微波，例如500 MHz到2.6 GHz，这样可以获得较高的空间分辨率，更准确地探测到小的异物。但是，这种高频微波的穿透深度较浅，如果要探测更深的土层，例如几米甚至十几米深，我们可能需要使用较低频率的微波，例如50 MHz到200 MHz。这种低频微波的穿透深度较深，但空间分辨率较低。

在实际操作中，可以根据需要选择合适的微波频率，甚至可以使用多频雷达系统，同时发射和接收多个不同频率的微波信号，从而同时获得不同深度和分辨率的地下信息。

微波在土壤中传播时，会受到土壤的电磁特性的影响。土壤的电磁特性主要由其水分含量、盐分含量、有机物含量、矿物成分等因素决定。这些因素会影响微波的反射、散射和吸收，从而影响回波信号的特性。因此，通过分析回波信号，我们可以得到关于土壤性质的信息，这对于识别地下异物非常重要。例如，如果土壤中存在石头或其他异物，它们的电磁特性与周围的土壤大不相同，因此可以通过地质雷达明显地识别出来。

具体的识别方法通常包括以下步骤：首先，对回波信号进行预处理，包括滤波、增益控制等，以去除噪声和提高信号的质量。然后，提取回波信号的特征，如幅度、相位、频率、极化等。这些特征反映了信号与异物的交互过程，因此可以用来识别异物。

最后，采用模式识别方法，如支持向量机、随机森林，对提取出的特征进行分类，从而确定是否存在异物，以及异物的类型，这些模型需要事先训练，训练数据来自实地测量或通过仿真软件生成。

需要注意的是，由于土壤的电磁特性与地下异物的电磁特性可能相差较大，因此通过地质雷达能够明显地识别出异物。另外，这种识别方法的准确性依赖于训练数据的质量和模型的性能，因此需要持续优化和改进。

异物信息包括异物的大小、深度和材质，其中材质特性通过微波的反射特性判断，处理控制单元收到异物信息后，根据异物的大小和深度，决定是否需要改变深耕机的运行轨迹，避免碰撞异物，根据异物的材质，决定是否需要调整深耕刀具的耕作深度，避免硬物对深耕刀具造成磨损。

所述系统还包括警报单元、显示单元，

警报单元用于在检测到土壤中的异物时，发出警报信号；

显示单元用于显示深耕刀具的实时耕作深度和土壤中的异物信息，所述显示单元为液晶显示屏。

为了验证本发明的实施效果，选取了一款常见的深耕机，并将本发明的深耕机耕深监测及异物感知系统安装在其中，在耕深监测系统中，选取的深度传感器是一款超声波深度传感器，具有高精度和抗干扰能力强的特点，在异物感知系统中，选取的异物传感器是一款地质雷达，可以有效地探测到深度在50cm以内的异物，在处理控制单元中，我们采用了一款高性能的嵌入式处理器，能够实时处理深度数据和异物数据。

在实际作业过程中，首先通过操作界面设置深耕深度的预设值，然后启动深耕机进行作业。在作业过程中，深度传感器和异物传感器不断采集数据，处理控制单元根据这些数据，实时调整深耕刀具的作业深度和深耕机的运行轨迹。当深度传感器检测到深耕深度偏离预设值时，处理控制单元会通过深度控制器，调整深耕刀具的作业深度，使深耕深度回到预设值，当异物传感器检测到地下异物时，处理控制单元会通过异物控制器，改变深耕机的运行轨迹，避开地下异物。

并且在5个不同地块上进行了测试，每个地块的面积为1公顷，我们分别记录了深耕机的作业时间、作业深度和作业效率，结果如表1所示：

表1深耕机实验数据表

地块编号	作业时间（小时）	平均作业深度（cm）	作业效率（公顷/小时）
				1	1.5	30	0.67
2	1.3	29.5	0.77
				3	1.4	30	0.71
4	1.6	30	0.63
				5	1.5	30	0.67

从表1中可以看出，使用了本发明的深耕机，不仅能精确控制深耕深度，而且能有效避开地下异物，从而提高了作业效率。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明的范围被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

本发明旨在涵盖落入权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种深耕机耕深监测及异物感知系统，其特征在于，包括处理控制单元、深度监测单元、异物感知单元和地形地貌分析单元；

所述深度监测单元设置在深耕机的深耕刀具上，用于实时监测深耕刀具的耕作深度，并将监测到的深度信息发送至处理控制单元；

所述异物感知单元安装在深耕机的前端，用于感知土壤中的异物，并将感知到的异物信息发送至处理控制单元；

所述地形地貌分析单元设置于深耕机的前端，用于实时扫描并分析前方的地形地貌特征，该特征包括坡度、硬度和湿度，并将分析结果发送至处理控制单元；

所述处理控制单元根据接收到的深度信息、异物信息以及地形地貌分析结果，精细化控制深耕机的工作状态，以实现深耕深度的自适应调整、异物的自动避让以及对复杂地形地貌的智能应对；

所述深度监测单元包括深度传感器、深度信号处理器和深度校准模块，

所述深度传感器设置在深耕刀具的下部，用于实时检测深耕刀具与土壤的相对位置；

所述深度信号处理器用于处理深度传感器检测到的深度信号，并将处理后的深度信息发送至处理控制单元；

所述深度校准模块用于校准深度传感器，包括使用预先设定的深度参数进行校准，以及使用过往采集的深度数据对深度传感器进行自动校准，以提高深耕深度的监测精度；

所述深度传感器为超声波距离传感器；

所述深度校准模块具体为：

对于预设深度参数的校准：首先设定一组预设的深度参数，包括最小耕深、最大耕深、预设的工作耕深，然后将该参数输入到深度传感器中，使深度传感器按照预设参数进行深度检测；

对于自动校准：首先根据深度传感器在过往深耕作业中采集的深度数据，计算出各深度数据的统计特性，包括平均值、方差和分布特性，然后根据该统计特性，调整深度传感器的检测范围和灵敏度，使深度传感器能够更准确地检测到实际的耕深；

对于复杂土质条件下的自适应校准：通过地形地貌分析单元获取的地形地貌特征信息，包括土壤的硬度、湿度，与已知的地质参数对照，调整深度传感器的检测参数，使其能够在不同土质条件下，准确反映实际耕深；

所述处理控制单元包括深度控制器和异物控制器，所述深度控制器根据接收到的深度信息，调整深耕刀具的耕作深度，所述异物控制器根据接收到的异物信息，控制深耕机的运行轨迹，以避开土壤中的异物，所述深度控制器和异物控制器通过调整深耕机的液压系统，来改变深耕刀具的耕作深度和深耕机的运行轨迹；

所述处理控制单元包括人工智能处理子模块，该模块采用机器学习算法，根据过往的深度信息和异物信息，自动优化深耕深度的控制策略和异物避让策略，以提高深耕效果和作业效率，具体的：

该人工智能处理子模块采用深度强化学习算法，算法目标是根据当前的状态（s），采取某个动作（a），获得最大的未来奖励（R），所述深度强化学习算法基于贝尔曼方程，具体如下：；

其中，V(s)是在状态s下，采取最优策略能够获得的最大未来奖励，R(s,a)是在状态s下，采取动作a能够获得的即时奖励，γ是奖励的折扣因子，Σs' P(s'|s,a)是在状态s下，采取动作a后，转移到状态s'的概率；

其中，状态s包括当前的深度信息和异物信息，动作a包括改变深耕深度和改变深耕机的运行轨迹，即时奖励R(s, a)设定为深耕效果和作业效率的某种组合；

所述地形地貌分析单元包括高精度全球定位系统和地形地貌识别算法，具体包括：

高精度全球定位系统，用于实时获取深耕机的地理位置，包括经度、纬度和海拔高度；

地形地貌识别算法，该算法通过分析连续的GPS数据，用于识别土地的斜度、坡向和曲率特征；

地形地貌分析单元通过地形地貌识别算法，预测深耕机前方的地形地貌变化；

地形地貌分析单元将识别和预测的地形地貌特征，以地形地貌信息的形式，发送给处理控制单元，处理控制单元可以根据地形地貌信息，调整深耕深度的控制策略和异物避让策略；

所述地形地貌识别算法基于规则的方法，具体包括，

斜度计算：斜度是地表最基本的地形地貌特征之一，对于深耕机的作业深度控制和异物避让策略具有重要影响，使用连续两次GPS高度数据计算出斜度，具体来说，假设在t-1时刻和t时刻，深耕机的GPS高度分别为h(t-1)和h(t)，移动距离为d(t)，那么，斜度S(t)可以用下面的公式计算：；

坡向计算：坡向是指斜坡的方向，对于深耕机的作业方向控制具有重要影响，使用连续两次GPS方向数据计算出坡向，具体来说，假设在t-1时刻和t时刻，深耕机的GPS方向分别为θ(t-1)和θ(t)，那么，坡向D(t)可以用下面的公式计算：；

曲率计算：曲率是指地表的弯曲程度，对于深耕机的作业轨迹控制具有重要影响，我们可以使用连续三次GPS位置数据计算出曲率，具体来说，假设在t-2时刻、t-1时刻和t时刻，深耕机的GPS位置分别为p(t-2)、p(t-1)和p(t)，那么，曲率C(t)可以用下面的公式计算：；

所述异物感知单元包括雷达探测器和异物信号处理器，其中，

雷达探测器采用微波雷达，通过发射微波并接收反射回来的微波，检测出土壤中的异物；

异物信号处理器对雷达探测器检测到的微波信号进行处理，包括信号放大、滤波和解调，得到的异物信息发送至处理控制单元；

所述雷达探测器为微波雷达探测器。

2.根据权利要求1所述的一种深耕机耕深监测及异物感知系统，其特征在于，所述系统还包括一个数据记录单元，该数据记录单元连接处理控制单元，用于记录并储存深耕刀具的耕作深度数据和土壤中异物的检测数据，具体为：

数据记录单元按照预设的时间间隔，周期性地记录深耕刀具的耕作深度数据，记录内容包括深度值、深度变化速率和深度变化趋势；

数据记录单元记录异物探测器检测到的所有异物数据，包括异物的大小、深度、材质和深耕机对异物的避让策略；

数据记录单元还记录深耕机的工作状态数据，包括液压系统的工作参数、深耕机的运行轨迹和运行速度；

数据记录单元采用非易失性储存器，在深耕机断电后，避免数据丢失；

数据记录单元提供与外部设备的数据接口，用于将储存的数据导出，以便进行数据分析和生成深耕作业报告。

3.根据权利要求2所述的一种深耕机耕深监测及异物感知系统，其特征在于，所述系统还包括警报单元、显示单元；

警报单元用于在检测到土壤中的异物时，发出警报信号；

显示单元用于显示深耕刀具的实时耕作深度和土壤中的异物信息，所述显示单元为液晶显示屏。