联合收获机喂入量监测方法研究

《联合收获机喂入量监测方法研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、农业装备智能化技术题目：谷物联合收获机喂入量检测方法研究姓名:张鹏鹏专业:农业机械化工程学号:S1716041所在学院:农业装备工程学院指导教师:刘继展142018年5月14目录题目：谷物联合收获机喂入量检测方法研究1一、研究目的和意义3二、国内外研究现状42.1国外研究现状42.2国内研究现状5三、研究内容6四、技术路线及关键技术84.1设置实验94.2提取点云数据94.3体积参数提取94.4三维重构10五、结论12六、参考文献1314一、研究目的和意义“喂入量”是联合收获机的重要设计参数和性能指标，是指单位时间内喂入脱粒滚筒的物料质量，其单位是kg/s[

2、1]。收割机械在实际田间作业中，脱粒滚筒的喂入量与收割机的喂入密度成正比关系，但由于土、肥、水、光照等田间作物生长因素分布的随机性，作物生长密度不可能非常均匀，因此喂入密度也是随机变化的。随机变化的喂入密度直接影响着喂入量的改变。同时喂入量又受联合收割机作业速度、割幅、割茬高度及作物品种、茎秆湿度、籽粒含水率、草谷比等因素的影响[2]。在作业过程中，驾驶员通常根据经验观察以及负荷的大小来估计喂入量，进而根据喂入量大小来调节作业速度。喂入量大小对谷物脱粒和清选影响很大，额定喂入量条件下的谷物脱净率最高，损失率最低。一方面由于超喂入量工作会使联合收获机的作业质量

3、降低，甚至造成部件损坏；另一方面由于达不到额定喂入量致使联合收割机工作效率低[3]。所以，有必要对喂入量的进行精确检测。研究喂入量预测方法，对提高联合收割机的作业性能起到指导作用，同时对联合收割机的作业速度的自动控制研究具有重要意义。对喂入量进行实时监测，可以及时调整联合收获机前进速度，使联合收获机工作在最佳喂入量状态，从而降低收获作业时籽粒的破碎率，夹带损失率和未脱净损失率，提高收获作业质量。提前获得喂入量信息的优点：(1)保证脱粒质量。滚筒在一定的转速下运行，可使脱粒质量最佳，损失量最小；(2)保证机器运行平稳。控制滚筒转速恒定，减小整个机器的振动，保证

4、机器平稳运行，并有利于延长机器的使用寿命；(3)减少滚筒堵塞。滚筒恒速运转，保证喂入量为额定值，这大大地减小了滚筒堵塞的可能性；(4)提高收获效率。在作物密度变小的情况下加快机器行走速度可提高收获效率。14二、国内外研究现状2.1国外研究现状2003年比利时鲁汶大学K.Maertens,P.Reyns[4]等设计了一种超声波检测作物密度装置，通过使用两个超声波传感器，一个作为超声波发射器，另一侧作为接收器通过这种布置，形成第一校准曲线，发现在透射能量和作物体积密度之间存在指数关系。2008年比利时鲁汶大学W.Saeys,B.Lenaerts等[5]使用光测传

5、感器和激光传感器来测量激光穿透深度的变化，针对不同的驱动速度和机器振动获得良好的作物密度估计，利用高频激光扫描仪基于直方图峰值比和三维场重建，在谷物密度测量上提供了非常好的结果。由于喂入量是作物密度和作物体积相关的函数，因此提出了一种估算作物量的新方法，通过地平面到穗头水平点的距离使用薄板样条拟合法来计算地面轮廓与作物轮廓之间的体积。这种方法在喂入量的估计上很有效。2008年美国克拉斯公司WBehnke，JBaumgarten[6]发明了一种用于确定联合收割机中收获的作物数量的方法和设备。通过测量产生的谷物流信号（X）和作物流信号（Y，Z）来相对精确地确定收

6、获的作物数量。2009年波茨坦农业工程研究所DetlefEhlert，RolfAdamek[7]等基于三角测量和飞行时间激光测距仪的测量系统，用于在现场条件下估算作物的产量和密度，得出了反射点的平均高度是激光测距传感器非接触测量作物产量的合适参数。2012年东京大学FumikiHosoi,KenjiOmasa[8]利用高分辨率便携式激光扫描雷达，基于基于立体像素的冠层分析方法，通过从冠层周围几个测量点发射的激光束三维扫描冠层，估计了不同生长阶段（分蘖，茎伸长，开花和成熟阶段）的小麦冠层垂直植物面积密度剖面。2013年美国农业部农业研究所DanS.Longan

7、dJohnD.McCallum[9]根据作物高度和秸秆产量之间的预定线性关系，使用由激光雷达预测的作物高度来估计秸秆产量，得出了通过激光雷达可以测量联合收获机喂入量的结论。2015年德国科隆大学NoraTilly,DirkHoffmeister[10]等利用地面激光扫描对14稻田植株高度监测，基于的植物高度的线性和指数模型的客观分析比较，对不同生长季节和不同区域水稻产量进行可靠估计。2018年阿德莱德大学JamesWalter,JamesEdwards[11]等在收获之前，使用数码相机对每个地块进行成像，将这些图像处理成3D点云，随后将其用于估计地块体积和A

8、GB（作物产量），至少需要48幅图像才能提供了足够准