典型轮式小麦机粮食产量监测系统技术与测试

梅国涛，冯 洁

(1.潍柴雷沃重工股份有限公司，山东 潍坊 260000； 2.山东科技职业学院，山东 潍坊 261053)

0 引言

农业智能革命的核心要素是信息、装备和智能，其表现形态就是智慧农业[1]。产量监测是智慧农业研究和应用的基础功能，基于产量监测，推进精量播种、变量施肥和变量施药等技术发展，从而实现节本增效，对于可持续农业发展具有重要意义[2-3]。国外谷物收获机械产量监测系统已经比较成熟并大范围应用。国内刘成良等[4]介绍了基于计算机视觉的谷物测产系统。刘仁杰等[5]介绍了基于光电传感器的测产系统。国内团队在产量图方面有一些研究，但现有测产系统技术水平与国外相比仍有巨大差距，精度、可靠性和算法模型等与实现大规模应用还有一定的距离[4，6]。

1 基本原理

通过在籽粒升运器上安装光电传感器，记录每个籽粒升运器刮板遮挡激光的时间，从而计算每块刮板的谷粒流体积。根据容重和谷物体积模型计算出谷物质量，并进行累计，再与作业时GNSS位置数据结合，形成田块中每个位置的产量数据(湿产量)，可实现最小以3 m×3 m为单元方格的产量地图，从而直观发现低产、高产区域，并形成基于GIS的数据记录和在线产量监测，为下一年播种、施肥等农业决策提供指导和数据支持[7-10]。粮食的湿产量和干产量计算如式(1)～(2)所示。

YW=v×wv

(1)

(2)

式中YW——湿产量

v——体积

wv——容重

YD——干产量

ma——实际测得水分

ms——粮食储存所要求的水分

2 标定与调试

2.1 基本组成

系统基本组成包括激光传感器、湿度传感器、割台高度传感器、控制盒、显示器、GNSS接收机和线束。

2.2 标定

2.2.1启动作业状态判断

通过GNSS接收机计算车速、割台高度传感器判断割台状态、激光传感器判断升运器状态，从而综合判断轮式小麦机是否处于作业状态。如果车速>0 km/h、割台处在收割状态且升运器运转，则确定小麦机处于作业状态，启动产量记录，记录作业面积和粮食产量；如果判断并未作业，则不启动产量记录。

2.2.2确定体积与产量对应关系

通过在实验室开展标定工作，完成校准点(PC点)标定。共有6个PC点，PC点的准确性将影响测产的准确性。PC点是指在提升机中从谷物的零吞吐量(PC Tare)到最大吞吐量(PC 5)的测量体积数据与实际产量的对应关系。校准点标定如图1所示。

图1 校准点标定Fig.1 Calibration point

2.3 确定作物容重，标定水分

通过在试验田开展实地标定工作，完成容重测量和水分标定。经测定，试验田小麦容重720 kg/m3，含水率12.9%。

2.4 综合标定产量、水分和容重

标定试验数据及误差调整处理如表1所示。其中田块3和4基本满足精度97%以上要求，不做误差修正调整。

3 测试结果

正式测试时调整小麦容重720 kg/m3(根据现场容重量杯测得)。测试地块面积5.16 hm2，监测系统测得产量20 852 kg，平均产量4 041 kg/hm2。实际称得粮食21 568 kg，平均产量4 180 kg/hm2，测量误差为-3.3%。由监测系统测得的小麦湿产量最小值0，最大值6 993 kg/hm2，平均值4 041 kg/hm2；干产量最小值0，最大值7 279 kg/hm2，平均值4 068 kg/hm2。地图原点坐标为36°33′51.09″N、119°9′20.29″E。

湿产量地图与干产量地图如图2～3所示。

图2 湿产量地图Fig.2 Wet yield map

图3 干产量地图Fig.3 Dry yield map

粮食湿度最小值10%，最大值21%，平均值13%。粮食湿度地图如图4所示。

图4 粮食湿度地图Fig.4 Grain moisture map

4 应用前景

4.1 产量记录

通过产量监测系统能够精准掌握粮食产量和水分数据，实现对农场的精细化管理。

4.2 变量作业数据支持

通过基于位置数据的网格化产量数据，可以实现产量图绘制，并结合其他数据生成处方图，从而实现精准变量作业，对我国精准农业甚至智慧农业的实施及农业“一控两减”具有重要价值，同时对粮食产量提升特别是粮食品质提升也有重要意义[11]。

5 结束语

随着国家政策调整，未来可能将带有产量监测的智能化轮式小麦收获机械列入农业机械补贴政策支持范围，这将大大促进产量监测及智能农机的推广应用，对我国精准农业及智慧农业的发展具有重要意义。