玉米青贮收获机多参数检测系统设计与试验

针对当前玉米青贮收获机作业参数人工检测效率低、自动检测手段匮乏、检测参数间相互独立、难以支撑关联分析等问题,设计了基于CAN总线和虚拟仪器的玉米青贮收获机田间多参数检测系统。该检测系统由作业质量检测装置、机械部件工况检测装置、液压部件工况检测装置和上位机监测软件构成,可以实现发动机输出转速与扭矩、割茬高度、收获生产率、割台工作转速与扭矩、切碎辊工作转速与扭矩、抛送风机工作转速与扭矩、行走部件转速与扭矩、喂入部液压泵输出流量与压力等多种参数的系统性测量与综合分析,并结合现行标准用于玉米青贮收获作业的整机合格性评价。田间试验结果表明,多参数检测系统能够实现玉米青贮收获机作业参数的全面、动态、连续和稳定测量。其中,扭矩参数静态测量的最大相对误差在±0.5%范围内,空载工况下的试验组间均值差异性不大于0.75 N·m,试验组内重复性测量最大极差为1.28 N·m,最大变异系数为0.012;收获工况下的检测数据与实际工况始终保持一致,可以准确获取不同机器参数下的整机转速与扭矩动态变化趋势;液压流量参数测量的最大相对误差为1.13%,额定作业工况下的相对误差为0.53%;收获生产率参数测量的模型回归系数为0.89,平均相对误差为11.1%;割茬高度参数测量的最大相对误差为4.78%。玉米青贮收获机作业性能综合测试系统通信正常,数据采集稳定可信,有效降低田间检测复杂度,可为玉米青贮收获机的参数在线检测、适用性综合评价与整机设计优化等提供技术支持。

基于Solr的农田数据索引方法与大数据平台构建

针对农田数据在高吞吐量、高并发、多条件处理过程中易产生运算负载大、响应速度慢等难题,研究了负载均衡大规模集群数据处理技术,优化了多条件检索时Hbase农田数据库,提出了基于Solr的二级非主键索引方法,搭建了基于Hadoop的农田大数据平台,采用农机深松、植保、保护性耕作等8种作业生成的100 TB数据对平台进行了检索实验和压力测试实验。实验结果表明,多条件检索时,优化后的技术模型在数据规模达到5×10^7条时,系统的响应时间小于1 s,优化的性能与原生Hbase相比提高了3倍;在模拟用户达到5×10^5次时,系统的QPS及TPS提高了1倍左右、RT提高了2.5倍,系统的平均响应时间为183 ms。本研究解决了高吞吐量、高并发导致农田数据检索效率低的问题,提高了海量农田数据实时处理的计算能力。

苏叶在线分选系统设计与试验

针对我国苏叶人工分选劳动强度大、效率低、缺乏自动分选系统的问题,设计了苏叶在线分选系统,该系统由上料单元、检测单元、传输单元、分选单元、下料单元、供气系统以及控制系统组成。首先对苏叶图像进行预处理,进而获取叶片最小外接圆及其直径信息,最后根据确定的转换系数得到苏叶尺寸。为便于苏叶分选控制,设计了苏叶尺寸输出排序策略。试验结果表明,利用该系统能够实现苏叶的快速测量与分选,单幅图像处理时间约为0.18s,分选速度约为4片/s,系统测量总体平均绝对误差为0.157cm,总体分选准确率为90.09%。

基于多条件时间序列的免耕播种机作业数据清洗方法

为提高作业监测数据状态预测精度,并保证无效数据的实时清洗,提高数据质量并降低监测设备的缓存压力,从而降低对后续地块作业质量评价准确性的影响,减轻数据并发带来的网络压力,本文针对免耕播种机长时序的田间周期性作业规律,提出基于多条件时间序列分析的监测数据清洗方法及模型,该模型包含3个长短时记忆特征提取模块,分别提取了工况参数中车速、瞬时面积和播种量的时空特征,再利用通道融合(CONCAT连接)保证了融合后的特征具有个体差异性。通过该模型可以实时判断当前时刻的免耕播种机工况时序状态值,实现了某位置点作业工况的状态预测,从而间接判断图像抓拍系统的实时清洗状态。40次迭代后不同模型的对比结果表明:多条件特征通道融合的时间序列模型对有效点和无效点的预测精度都超过了85%,抓拍图像清洗平均准确率为92.4%。因此,本文的研究方法以免耕播种机工况状态作为抓拍图像清洗依据是有效的,数据清洗后约有63%的冗余数据被剔除。

叶菜溯源系统设计与实现

为有效提升叶菜产业的信息化和智能化水平,保证土地生产效率和产品质量安全,规范叶菜供应产业链。该文在叶菜生产精量化装备智能物联监控技术的基础上,确定面向消费者与面向专业人员的溯源信息。构建基于物联网的叶菜生产监测溯源系统,实现从种子处理、播种、收获、包装到销售的全程溯源追踪。