阅读说明：本技术 一种谷物收获机清选损失率检测装置及检测方法 (Grain harvester cleaning loss rate detection device and detection method ) 是由 张光跃 金诚谦 刘政 杨腾祥 袁文胜 陈满 钱震杰 倪有亮 于 2019-11-13 设计创作，主要内容包括：一种谷物收获机损失率检测装置及检测方法,该装置包括喂入质量检测单元、损失量检测单元、信号处理电路和二次仪表；获取谷物总损失量和喂入质量,计算谷物收获机的清选损失率。本发明以传感器技术与计算机图像处理技术为基础,结合科学的数学模型,实现了清选损失率的实时监测,改变了传统的人工清选方式,节约大量人力物力。同时机手可以根据损失率变化规律合理的改变收获机作业参数,提高作业性能和工作效率。(A loss rate detection device and a detection method of a grain harvester are disclosed, the device comprises a feeding quality detection unit, a loss detection unit, a signal processing circuit and a secondary instrument; and acquiring the total loss amount and the feeding quality of the grains, and calculating the cleaning loss rate of the grain harvester. The invention is based on the sensor technology and the computer image processing technology, and combines a scientific mathematical model, thereby realizing the real-time monitoring of the cleaning loss rate, changing the traditional manual cleaning mode and saving a large amount of manpower and material resources. Meanwhile, the manipulator can reasonably change the operation parameters of the harvester according to the change rule of the loss rate, so that the operation performance and the working efficiency are improved.)

一种谷物收获机清选损失率检测装置及检测方法

技术领域

本发明涉及农业机械技术领域，具体涉及一种用于谷物收获机清选损失率检测装置及方法。

背景技术

随着我国谷物联合收割机的普及以及机械化水平不断提高，机械的自动化、智能化成为机械发展一大趋势，其中清选损失率是衡量联合收割机作业性能重要指标之一，因此能够准确、实时地监测谷物收获损失率对实现精准农业具有重要意义。

目前，清选损失率的监测主要通过人工清选分离后进行计算得到，虽监测结果较为准确，但检测效率很低，人力成本高。国内外学者对联合收割机损失率已经做了大量研究，但是系统只能定性显示损失率变化规律，不能定量显示当前损失率。国内己经开展了谷物损失率研究工作，并取得了一些成果，但总体技术还不完善。

发明内容

本发明的目的是针对上述现有技术存在的缺点，提出一种谷物收获机损失率检测装置及检测方法。

本发明的技术方案是：

本发明提供一种谷物收获机清选损失率检测装置，该装置包括喂入质量检测单元、损失量检测单元、信号处理电路和二次仪表其中；

喂入质量检测单元包括图像采集模块、磁铁、速度采集模块和测距传感器，所述的图像采集模块安装在收割机上，正对即将收割植株的正上方进行拍摄，用于获取谷物密度，测距传感器安装在谷物收获机分禾器的两侧，用于获取谷物收获机谷物收获机分禾器和谷物之间的距离，速度采集模块安装在谷物收获机车轮位置处，用于获取谷物收获机的行走速度，前述图像采集模块、速度采集模块和测距传感器的检测信号输出端均与二次仪表的对应信号输入端相连；

损失量检测单元设置于清选筛尾部混合物排出位置的下方；该损失量检测单元包括固定板、敏感板和支撑板，所述的固定板为两个，安装于谷物收获机清选筛的尾部箱体的两侧，支撑板夹装在两固定板之间，敏感板固定在前述支撑板上，敏感板的下方装有压电陶瓷传感器；

所述的压电陶瓷传感器用于获取清选筛尾部排出的籽粒和杂余冲击压力信号，压电陶瓷传感器的检测信号输出端与信号处理电路的检测信号输入端相连，信号处理电路的输出端与二次仪表的信号输入端相连，获取清选损失率。

进一步地，所述的压电陶瓷传感器安装在敏感板下方的中间位置；速度采集模块包括磁感应计数器和磁铁，所述的磁铁安装在车轮上，磁感应计数器安装在谷物收获机底部与前述车轮对应位置处。

进一步地，支撑板与两固定板之间均装有橡胶减震器。

进一步地，信号处理电路包括依次连接的电荷放大器、带通滤波器以及电压比较器，前述电压比较器输出标准方波信号至二次仪表，前述二次仪表包括单片机，所述单片机对信号处理电路输出的标准方波信号进行计数，完成单位时间内谷物籽粒的计数，根据谷物千粒重计算传感器获取的实际谷物重量m _c。

一种谷物收获机清选损失率检测方法，应用谷物收获机清选损失率检测装置，该方法包括以下步骤：

S1、建立损失籽粒质量比沿X轴、Y轴的概率模型；

S2、建立收割机谷物喂入密度检测模型；

S3、获取监测区域即敏感板检测到的籽粒质量与总籽粒质量比例系数；

其中：,为敏感板（2-2）长度起止横坐标值，，为敏感板宽度起止纵坐标值；

S4、采用下述公式计算谷物总损失量m _s：

其中：m _c表示传感器获取的实际谷物重量；

S5、采用图像采集模块、测距传感器和速度采集模块分别获取谷物冠层RGB图像、谷物收获机谷物收获机分禾器和谷物之间的距离，以及磁感应计数器的计数数据，发送至信号处理电路，获取谷物收获机的谷物密度、实际割幅l _r以及行走速度v _m；其中：实际割幅l _r为谷物收获机幅宽减去两侧测距传感器所测得的距离；

S6、采用下述公式计算喂入质量M _s：

其中：l _r为实际割幅，单位是m；v _m为行走速度，单位是m/s；t为行走时间，单位是s；为谷物密度，单位是kg/m²；

S7、计算谷物收获机的清选损失率P_S：

。

进一步地，步骤S1中，建立损失籽粒质量比沿X轴、Y轴的概率模型的步骤具体为：

S1-1、建立试验台架，选取与谷物收获机相同的结构参数；

S1-2、将谷物收获机尾部清选筛排出谷物的收集面，沿着谷物排出方向设为X轴，清选筛宽度为Y轴，设坐标原点O，在收集面上沿X轴放置m个矩形接料盒，即i=1、2、...、m，沿Y轴放置n个矩形接料盒，即j=1、2、...、n，将收集面分为多个网格化矩形小区域；

S1-3、改变谷物收获机的风机的转速，在不同风机转速下进行脱粒分离清选试验，通过接料盒收集清选排出物，称重各接料盒中籽粒质量m _ij ；

S1-4、沿Y轴、X轴方向各列接料盒内籽粒质量比例分别累加，得到籽粒损失分布范围内沿X轴、Y轴的质量比例di、dj；

其中，i表示X轴接料盒编号，m表示X轴接料盒总数，j表示Y轴接料盒编号，n表示Y轴接料盒总数；表示所有接料盒获取的损失总量；

S1-5、在对应风机（5）的转速下，获取籽粒沿X轴与Y轴方向各接料盒内籽粒质量比例累积数值，录入非线性拟合系统进行非线性拟合，得到损失籽粒质量比沿X轴、Y轴概率模型，分别为。

进一步地，步骤S2中，建立谷物喂入密度检测模型的步骤具体为：

S2-1、采用图像采集模块在即将收割植株正上方进行拍摄，采集谷物冠层RGB图像；

S2-2、对图像进行预处理，利用最大类间方差法获取最佳分割阈值对预处理后的谷物冠层灰度图像进行分割，得到目标区域；

S2-3、将目标区域的像素值xʹ提取作为谷物图像密度特征值，将该照片下实际面积的植株进行脱粒并称重，重复S2-1至S2-3多次获取对应的数据，根据提取的密度特征值与实际测量的谷物密度，录入DPS数据处理软件进行相关性分析，获取收割机谷物喂入密度检测模型：

其中：表示喂入密度，单位：kg/m²；xʹ表示目标区域像素值；

对应地步骤S5中，图像采集模块获取谷物冠层RGB图像发送至信号处理电路获取谷物收获机的谷物密度的步骤具体为：

对获取的图像进行预处理，利用最佳分割阈值对图像进行分割，得到目标区域；将当前目标区域的像素值xʹʹ提取作为谷物图像密度特征值，代入收割机谷物喂入密度检测模型，获取对应地谷物密度。

进一步地，步骤S2-2、预处理包括去燥、复原和灰度转换。

进一步地，步骤S2-2中，采用最大类间方差法获取最佳分割阈值的步骤具体为：

S2-2-A、将待分割图像各像素点的灰度值记为f（mʹ，nʹ），mʹ表示像素点列数；nʹ表示像素点行数，灰度级为L，图像的灰度值范围{0,1,2...，L-1}，阈值tʹ将图像中的像素点分为C0和C1两类，其中C0代表背景区域，灰度值范围{0，1，2，... ，tʹ}，C1代表目标区域{tʹ+1，tʹ+2，... ，L-1}，若f(mʹ，nʹ)<t，则(mʹ，nʹ)C0，若f(mʹ，nʹ)>t，则(mʹ，nʹ)C1，g(k)表示图像中灰度值为k的所有像素点和，p(k)表示像素灰度值为k的概率，则：

S2-2-B、设置预处理后的谷物冠层灰度图像的分割阈值tʹ，分别获取目标部分和背景部分的概率分别为：

其中，i′表示灰度值编号，p(i′)表示灰度值为i′的概率，g(i′)表示图像中灰度值为i′的所有像素点的和；

S2-2-C、计算目标部分和背景部分的像素均值分别为；

S2-2-D、计算谷物冠层灰度图像像素总的均值为：

S2-2-E、获取灰度级的最佳分割阈值T：

本发明中，阈值T将整个图像分割成目标和背景两部分，类间方差最大则意味着目标和背景的差别最大，相应的错分率就最小，找到图像的最佳分割阈值。根据摄像头采集到的彩色图像，直接灰度化得到其灰度图，利用最大类间方差法，寻找到最优阈值对灰度图像分割，将植株谷、叶从背景中分离出来，获得含有谷、叶和背景的二值图像，"0”表示背景，"1”表示植株谷、叶。因此通过计算图像中谷、叶的总像素值来表示该区域的谷物密度特征。

本发明的有益效果：

本发明以传感器技术与计算机图像处理技术为基础，结合科学的数学模型，实现了清选损失率的实时监测，改变了传统的人工清选方式，节约大量人力物力。同时机手可以根据损失率变化规律合理的改变收获机作业参数，提高作业性能和工作效率。

本发明的其它特征和优点将在随后

具体实施方式

部分予以详细说明。

附图说明

通过结合附图对本发明示例性实施方式进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施方式中，相同的参考标号通常代表相同部件。

图1示出了本发明的结构示意图。

图2示出了本发明的损失量检测单元的结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的优选实施方式。虽然附图中显示了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。

一种谷物收获机清选损失率检测装置，该装置包括喂入质量检测单元、损失量检测单元2、信号处理电路3和二次仪表4其中；

喂入质量检测单元包括图像采集模块6、磁铁、速度采集模块7和测距传感器8，所述的图像采集模块6安装在收割机上，正对即将收割植株的正上方进行拍摄，用于获取谷物密度，测距传感器8安装在谷物收获机分禾器的两侧，用于获取谷物收获机谷物收获机分禾器和谷物之间的距离，速度采集模块7安装在谷物收获机车轮位置处，用于获取谷物收获机的行走速度，前述图像采集模块6、速度采集模块7和测距传感器8的检测信号输出端均与二次仪表4的对应信号输入端相连；

损失量检测单元2设置于清选筛1尾部混合物排出位置的下方；该损失量检测单元2包括固定板2-1、敏感板2-2和支撑板2-3，所述的固定板2-1为两个，安装于谷物收获机清选筛1的尾部箱体的两侧，支撑板2-3夹装在两固定板2-1之间，敏感板2-2固定在前述支撑板2-3上，敏感板2-2的下方装有压电陶瓷传感器；

所述的压电陶瓷传感器用于获取清选筛1尾部排出的籽粒和杂余冲击压力信号，压电陶瓷传感器的检测信号输出端与信号处理电路3的检测信号输入端相连，信号处理电路3的输出端与二次仪表4的信号输入端相连，获取清选损失率。

当清选筛尾部排出的籽粒和杂余冲击到敏感板上时，压电陶瓷传感器产生电荷信号，通过信号调制电路将籽粒从杂余中区分出来，信号调制电路由电荷放大器、带通滤波器以及电压比较器组成，并输出标准方波信号给二次仪表，二次仪表以单片机为核心，利用单片机的外部中断下降沿触发方式进行计数，完成单位时间内谷物籽粒的计数，并根据传感器检测到的清选损失量与清选总损失之间的关系模型，计算出当前的清选总损失量，根据千粒重计算清选总损失质量。

谷物联合收获机清选损失率为清选总损失质量与收获质量之比，联合收获机收获质量为联合收获机作业割幅（作业割幅可根据测距传感器测得）、作业速度（速度传感器测得）和单位面积谷物质量三者之积。考虑到收获质量与总损失量之间存在时间差，本发明根据一定的收获面积计算一次损失率，这样时间差可以忽略不计。

所述的监测区域检测到的谷物量与清选总损失量之间的数学模型是通过台架试验建立，试验台架选取与相应联合收割机清选装置相同的结构参数。通过改变喂入量、风机转速、出风口角度等参数，将清选筛尾部排出的谷物平均分为多个网格化矩形小区域，通过人工收集各小区域的谷物量得出散落在地面谷物分布规律，建立监测区域检测到的谷物量与清选损失量之间的数学模型。方案如下：

根据清选筛排出混合物的分布规律，首先建立损失籽粒沿清选筛尾部横向分布的数学模型；然后在传感器安装位置范围内，建立籽粒沿纵向分布数学模型;联立横向、纵向上建立的数学模型，得到传感器监测区域内籽粒分布比例，进而建立起传感器监测值与实际清选损失量之间的数学模型。

模型建立过程如下：

S1、建立损失籽粒质量比沿X轴、Y轴的概率模型；

S1-1、建立试验台架，选取与谷物收获机相同的结构参数；

S1-2、将谷物收获机尾部清选筛排出谷物的收集面，沿着谷物排出方向设为X轴，清选筛宽度为Y轴，设坐标原点O，在收集面上沿X轴放置m个矩形接料盒，即i=1、2、...、m，沿Y轴放置n个矩形接料盒，即j=1、2、...、n，将收集面分为多个网格化矩形小区域；

S1-3、改变谷物收获机的风机5的转速，在不同风机转速下进行脱粒分离清选试验，通过接料盒收集清选排出物，称重各接料盒中籽粒质量；

S1-4、沿Y轴、X轴方向各列接料盒内籽粒质量比例分别累加，得到籽粒损失分布范围内沿X轴、Y轴的质量比例di、dj；

其中，i表示X轴接料盒编号，m表示X轴接料盒总数，j表示Y轴接料盒编号，n表示Y轴接料盒总数；表示所有接料盒获取的损失总量；

S1-5、在对应风机5的转速下,获取籽粒沿X轴与Y轴方向各接料盒内籽粒质量比例累积数值，如下表所示，录入非线性拟合系统进行非线性拟合, 得到损失籽粒质量比沿X轴、Y轴概率模型，分别为。

S2、建立收割机谷物喂入密度检测模型ρ；

S2-1、采用图像采集模块6在即将收割植株正上方进行拍摄，采集谷物冠层RGB图像；

S2-2、对图像进行预处理，利用最大类间方差法获取最佳分割阈值对预处理后的谷物冠层灰度图像进行分割，得到目标区域；

最佳分割阈值的获取方式如下：

S2-2-A、将待分割图像各像素点的灰度值记为f（mʹ，nʹ），mʹ表示像素点列数；nʹ表示像素点行数，灰度级为L，图像的灰度值范围{0,1,2...，L-1}，阈值tʹ将图像中的像素点分为C0和C1两类，其中C0代表背景区域，灰度值范围{0，1，2，... ，tʹ}，C1代表目标区域{tʹ+1，tʹ+2，... ，L-1}，若f(mʹ，nʹ)<t，则(mʹ，nʹ)C0，若f(mʹ，nʹ)>t，则(mʹ，nʹ)C1，g(k)表示图像中灰度值为k的所有像素点和，p(k)表示像素灰度值为k的概率，则：

S2-2-B、设置预处理后的谷物冠层灰度图像的分割阈值tʹ，分别获取目标部分和背景部分的概率分别为：

其中，i′表示灰度值编号，p(i′)表示灰度值为i′的概率，g(i′)表示图像中灰度值为i′的所有像素点的和；

S2-2-C、计算目标部分和背景部分的像素均值分别为：

S2-2-D、计算谷物冠层灰度图像像素总的均值为：

S2-2-E、获取灰度级的最佳分割阈值T：

S2-3、将目标区域的像素值xʹ提取作为谷物图像密度特征值，将该照片下实际面积的植株进行脱粒并称重，重复S2-1至S2-3多次获取对应的数据，根据提取的密度特征值与实际测量的谷物密度，录入DPS数据处理软件进行相关性分析，获取收割机谷物喂入密度检测模型：

其中：表示喂入密度，单位：kg/m²；xʹ表示目标区域像素值。

S3、获取监测区域即敏感板2-2下方籽粒质量与总籽粒质量比例系数；

其中：,为敏感板2-2长度起止横坐标值，，为敏感板宽度起止纵坐标值；

S4、采用下述公式计算谷物总损失量m _s：

其中：m _c表示传感器获取的实际谷物重量；

当清选筛尾部排出的籽粒和杂余冲击到敏感板上时，压电陶瓷传感器产生电荷信号，通过信号调制电路将籽粒从杂余中区分出来，信号调制电路由电荷放大器、带通滤波器以及电压比较器组成，并输出标准方波信号给二次仪表，二次仪表以单片机为核心，利用单片机的外部中断下降沿触发方式进行计数，完成单位时间内谷物籽粒的计数，根据谷物千粒重计算传感器获取的实际谷物重量m _c；

S5、采用图像采集模块6、测距传感器8和速度采集模块7分别获取谷物冠层RGB图像、谷物收获机谷物收获机分禾器和谷物之间的距离，以及磁感应计数器7-1的计数数据，发送至信号处理电路3，获取谷物收获机的谷物密度、实际割幅l _r以及行走速度v _m；其中：实际割幅l _r为谷物收获机幅宽减去两侧测距传感器8所测得的距离；

谷物密度的获取步骤为：图像采集模块6获取谷物冠层RGB图像发送至信号处理电路3，对获取的图像进行预处理，利用最佳分割阈值对图像进行分割，得到目标区域；将当前目标区域的像素值xʹʹ提取作为谷物图像密度特征值，代入收割机谷物喂入密度检测模型，获取对应地谷物密度；

S6、采用下述公式计算喂入质量M _s：

其中：l _r为实际割幅，单位是m；v _m为行走速度，单位是m/s；t为行走时间，单位是s；为谷物密度，单位是kg/m²；

S7、计算谷物收获机的清选损失率P_S：

。

本发明以传感器技术与计算机图像处理技术为基础，结合科学的数学模型，设计了一套谷物收获机清选损失率检测装置，实现了清选损失率的实时监测，改变了传统的人工清选方式，节约大量人力物力。同时机手可以根据损失率变化规律合理的改变收获机作业参数，提高作业性能和工作效率。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。