莫恭武 金誠謙 陳滿 張光躍

0 引言

食為政首，糧安天下。減少糧食機收損失，就是增加糧食產量。目前，我國機收損失率約為1.5%～5%，機收損失控制技術水平與農機化發(fā)達國家相比還有差距。究其原因，既有機具問題，也有種植品種、種植方式及立地條件等方面因素的制約，歸根結底還是由于良田、良種、良制、良機、良法“五良”融合不夠。現結合江蘇省農機化發(fā)展現狀，從“良機”“良法”融合的角度，探討谷物聯合收割機智能化節(jié)糧減損檢測裝備研發(fā)現狀及前景。

1 谷物聯合收割機智能減損檢測裝備研發(fā)背景及意義

1.1 研發(fā)背景

近年來，機器視覺、無線傳感、人工智能技術日漸成熟，應用范圍已擴大到農業(yè)領域。利用機器視覺技術，鑒別谷物顏色、形狀、紋理，能夠實現對完整籽粒、破碎籽粒、雜質等成分的快速有效識別；基于壓力傳感技術，能夠實現對谷物秸稈、籽粒等成分的快速有效識別。上述研究成果為谷物聯合收割機智能化節(jié)糧減損檢測裝備的研發(fā)提供了技術支持。但谷物圖像信息與聯合收割機破碎含雜率之間的耦合關系、谷物沖擊電信號信息與聯合收割機清選損失率及夾帶損失率之間的耦合關系等研究還不深入，仍處于探索階段。

1.2 研發(fā)意義

目前，江蘇省已進入以實施鄉(xiāng)村振興戰(zhàn)略為統領，以高質量發(fā)展為目標導向，努力推進農機化向全程全面高質量發(fā)展的新階段［1］。2018 年，江蘇省主要糧食作物耕種收機械化水平達93%，谷物聯合收割機保有量約17 萬臺。但由于缺乏谷物聯合收割機節(jié)糧減損檢測裝備，機具作業(yè)參數得不到及時調整，谷物收獲機質量參差不齊［2］，部分機具的谷物收獲破碎率、含雜率較高，易造成谷物品質下降，糧食浪費嚴重。為認真貫徹落實習近平總書記關于保障糧食安全和制止餐飲浪費行為的重要指示精神，踐行《中國制造2025》《農機裝備發(fā)展行動方案（2016－2025）》，推動農機裝備產業(yè)轉型升級，加快提升農機試驗鑒定和技術推廣能力，推動農業(yè)機械化向全程全面高質高效發(fā)展，減少收獲環(huán)節(jié)損失，急需研發(fā)谷物聯合收獲機智能化節(jié)糧減損檢測裝置，實現谷物聯合收割機作業(yè)破碎率、含雜率、損失率的在線檢測，便于谷物聯合收割機駕駛員在收獲質量不佳時，及時調整機具作業(yè)參數，從而提高收獲質量，達到節(jié)糧減損的目標。

2 技術研發(fā)現狀

2.1 國外技術研發(fā)現狀

克拉斯公司（CLAAS）推出了“谷物質量相機”，通過拍攝脫粒過程中的谷物圖像，對圖像中非谷物成分和碎粒含量進行分析，為駕駛員提供警示信號，為谷物質量評估以及聯合收割機脫粒和清洗過程的優(yōu)化設置建立了一個全新的、更加精確的判斷標準。Geert Craessaerts 等人指出聯合收獲機風機轉速和上篩面的負荷是影響含雜率的主要因素，并利用模糊理論建立了谷物含雜率非線性預測模型。魯汶大學的Wallays 等人研究出自動監(jiān)測小麥籽粒、雜質的傳感器，通過遺傳算法對400～900 nm 范圍內的5 個波段進行組合，將圖像中的單個像素分類為小麥籽粒、雜質，檢測結果及時顯示［3］。京都大學與洋馬公司的Mahirah Jahari 等人提出建立雙燈源照明的谷物破碎率與含雜率監(jiān)測系統，該系統為完善聯合收割機收獲質量監(jiān)測技術提供了硬件支持。系統檢測的R2 值大于0.7，具有檢測相關性。孟加拉農業(yè)大學的Md Abdul Momin 等人研究出基于機器視覺的大豆破碎籽粒含雜識別的試驗室檢測裝置和識別算法。該算法可有效識別大豆樣本的各組成部分，其中裂豆識別準確度為96%，污染豆識別準確度為75%，缺陷豆和莖/莢識別準確度為98%。W.Eldredge 將壓電傳感器固定在清潔篩上，然后將由谷物碰撞產生的電信號傳送到計數裝置，進行損失籽粒數檢測。William 研制了一種谷物損失監(jiān)視儀，能測試某一時刻的谷物損失量，但不能真實反映谷物聯合收獲機的作業(yè)質量。Hiregoudar S 通過人工接料方式記錄不同參數（機器的前進速度、有效工作寬度、切割高度、谷物含水率、時間因素等）下割臺損失、清選損失與夾帶損失數據，并基于人工神經網絡算法對谷物損失進行評估。

由此可見，國外針對谷物聯合收割機智能化節(jié)糧減損檢測技術研究較多，并有相關產品應用到谷物聯合收割機上。

2.2 國內技術研發(fā)現狀

2.2.1 江蘇省外技術研發(fā)現狀

浙江大學的蘇憶楠等人基于機器視覺和高光譜圖像技術構建了糧粒與雜質識別的靜態(tài)檢測硬件系統和識別模型，通過以單特征識別為主的決策樹判定法識別出68.6%的雜質，BP 人工神經網絡模型的總體識別正確率在90%以上。北京林業(yè)大學的閆磊等人提出了一種自動分割粘連谷物并識別雜質的算法，使用分水嶺算法對粘連顆粒進行分割，提取形態(tài)特征和顏色特征，計算雜質與完好谷物的特征值之間的馬氏距離，并通過比較馬氏距離與設定的閾值，來識別混雜在谷物中的雜質。中國農業(yè)大學的劉韶軍和王庫研究了破損棉種的機器視覺識別方法，采用均值、方差、均方比等統計特性參數，計算棉種邊界破損參數，識別精度達93%。張?zhí)竦韧ㄟ^圖像采集設備采集損失物料，將采集到的圖像進行灰度、濾波和二值化處理，最后運用計算目標面積的方法，來預報谷物損失個數。李俊峰采用新型敏感材料PVDF 壓電薄膜做敏感板，提出了采用單一傳感器進行測量的設計方案［4］，這個設計解決了傳感器表面靈敏度分布不均問題，傳感器整體平均靈敏度不高的問題。

2.2.2 江蘇省內技術研發(fā)現狀

江蘇省是農機生產與應用大省，也是農機科研強省，針對谷物聯合收割機智能化在線檢測技術的研發(fā)一直走在全國前列。農業(yè)農村部南京農業(yè)機械化研究所的金誠謙等人研發(fā)的基于高光譜技術的谷物破碎率、含雜率在線檢測技術，實現了谷物完整籽粒、破碎籽粒及雜質的在線識別，建立了光譜反射率與谷物破碎率含雜率之間的對應關系和谷物破碎含雜率在線預測模型。江蘇大學的陳進等人提出了基于機器視覺的水稻雜質與破碎籽粒分類識別方法，莖稈雜質、細小枝梗雜質、破碎籽粒識別的綜合評價指標值分別達到了86.92%、85.07%和84.74%，平均識別一幅圖像的時間為3.24 s。南京航空航天大學的王玉亮等人提出了一種基于多對象有效特征提取和主成分分析優(yōu)化神經網絡的玉米種子品種識別方法，每粒種子識別的平均耗時為0.127 s，綜合識別率達到97%以上。農業(yè)農村部南京農業(yè)機械化研究所的金誠謙等人提出建立基于沖量模型的谷物損失率在線監(jiān)測系統，開發(fā)了損失率在線監(jiān)測傳感器和微系統，初步實現谷物損失率的在線監(jiān)測。江蘇大學的毛罕平等人提出了構建壓電晶體矢量傳感器陣列的方案，實現參數多點實時測量。江蘇大學的李耀明等人通過試驗選取損失檢測敏感板，設計損失率檢測系統，并研究損失率檢測模型，實現損失率檢測。

總之，目前省內外關于谷物聯合收割機智能化節(jié)糧減損檢測技術研究均處于探索階段，相關技術仍不成熟，尚未形成產業(yè)化產品。

3 需重點解決的技術問題

機器視覺、數字傳感技術的發(fā)展，為谷物聯合收割機智能化節(jié)糧減損檢測裝備研發(fā)提供了技術支撐。但有別于工業(yè)生產檢測，農業(yè)生產作業(yè)環(huán)境復雜、農產品種類繁多，對谷物聯合收割機智能化節(jié)糧減損檢測裝備的研發(fā)提出了更高的要求。目前，谷物聯合收割機智能化節(jié)糧減損檢測裝備研發(fā)應重點關注谷物樣本精準分割算法，融合多源信息的谷物樣本成分在線識別算法，谷物籽粒與非谷物籽粒電信號特征精準識別算法，基于傳感信息的谷物破碎率、含雜率、損失率通用檢測模型研究。

針對上述技術難點，近幾年，農業(yè)農村部南京農業(yè)機械化研究所、江蘇省農業(yè)機械試驗鑒定站聯合開展谷物聯合收割機智能化節(jié)糧減損檢測裝備攻關，在使用傳統方法開展谷物聯合收割機田間作業(yè)質量檢測、性能鑒定的同時，不斷驗證、校準谷物聯合收割機智能化節(jié)糧減損檢測裝備的性能，在技術研發(fā)方面取得了一定的成效。

4 技術應用前景

谷物聯合收割機智能化節(jié)糧減損檢測裝備應用于谷物聯合收割機田間作業(yè)性能的檢測，可以有效地提高機具鑒定檢測效率和精度；安裝在谷物聯合收割機上，可實現谷物聯合收割機作業(yè)參數在線監(jiān)測，為機械化收獲提供預警功能，從而提高機械化作業(yè)效益。該裝備的歷史檢測數據可以保存、追溯，用以證明鑒定結果的科學性、合理性、規(guī)范性；還可以積累谷物聯合收割機田間作業(yè)數據，為谷物聯合收割機的升級優(yōu)化積累基礎數據。

江蘇是農機生產與應用大省，也是農機科研強省，谷物聯合收割機智能化裝備研發(fā)一直走在全國前列，但由于缺乏谷物聯合收割機作業(yè)參數實時監(jiān)測裝置，嚴重限制了谷物聯合收割機智能化水平的提升。

2019 年江蘇省谷物聯合收割機保有量有十多萬臺，即使在小部分收割機上安裝谷物聯合收割機智能化節(jié)糧減損檢測裝備，則機收環(huán)節(jié)的節(jié)糧減損功效也將非常顯著。因此，待谷物聯合收割機智能化節(jié)糧減損檢測裝備技術完全成熟后，其應用范圍和前景將非常廣闊。