本网讯（通讯员 王宝山）近日，我校机电工程学院智能农业装备与机械化工程团队王万章教授课题组在国际著名学术期刊《Computers and Electronics in Agriculture》在线发表了题为“Design and experiment of feed rate monitoring system based on the action force of grain combine harvester reel”的研究论文。该研究设计了一种联合收获机拨禾轮作用力的喂入量监测系统，通过大量的试验数据采集，建立了作用力、前进速度、拨禾轮转速和割台高度与喂入量之间的数学模型。
联合收获机喂入量是单位时间处理作物的总量，它是收获机作业重要的参数，直接影响着收获效率和粮食的损失率。收获机喂入量主要由作物密度、割台高度、割幅宽度、谷物含水率和作业速度等决定。如果实际喂入量高于额定喂入量，可能会引起物料在输送过程中发生拥堵，甚至造成关键部件损坏；而如果实际喂入量始终低于额定喂入量，则收获机达不到最佳作业性能，产生资源的浪费。因此，在收获作业过程中对喂入量进行实时监测，指导驾驶员调整机器的工作参数，提高收获效率具有重要意义。
该研究设计了一种联合收获机拨禾轮作用力的喂入量监测系统，该系统由植株作用力检测装置、测量割台高度的角度传感器、全球导航卫星系统（GNSS）、微处理器及终端显示器等组成（图1）。在植株弯曲力检测分析和拨禾轮台架试验检测出单拨禾杆作用的小麦生物量（图2）的基础上，对采集实验区的小麦样本进行分析，建立了割台高度与割掉部分占小麦整株质量比的线性模型（图3），该模型与拨禾杆拨取生物量相结合便可得到收获机喂入量。田间收获过程中，监测系统会采集各传感器测取的数据（图4）。其中，拨禾轮转速由弯曲力检测装置的力传感器采集有效峰值数据的频率获取。选择以植株弯曲力、前进速度、拨禾轮转速和割台高度作为输入量，喂入量为输出量。利用遗传算法优化的BP神经网络建立了收获机喂入量计算模型，可以实现联合收获机喂入量的准确检测。
研究结果表明，单拨杆拨取的小麦生物量检测的相关系数为0.952，均方误差（MSE）为1.45%、均方根误差为0.06kg，各因素对模型预测结果的重要性依次为前进速度、植株弯曲力、拨禾轮转速。割掉部分占小麦整株质量比田间验证最大误差为2.65%。监测系统对联合收获机田间喂入量监测的相关系数R2为0.931，平均绝对百分比误差、均方根误差和平均绝对误差分别为1.21%、0.03kg/s、0.021kg/s，具有较好的监测精度和稳定性。
研究成果为谷物联合收获机喂入量检测提供新的技术方法。
图1
图2
图3
图4
机电工程学院博士研究生陈旭为该论文的第一作者，王万章教授为通讯作者，博士研究生刘锋、袁玲合，硕士研究生吴淑江、李从鹏参与了该研究工作。该研究得到了国家现代农业产业技术体系建设专项：小麦机械化技术（CARS-03）的资助。
论文链接：https://doi.org/10.1016/j.compag.2024.109837
编辑/黄璞 杨钰晨 审核/宋晶 签发/周红飞
