水稻籽粒连接力分布频谱分析及联合收割机差速脱粒装置研究

脱粒是水稻联合收获过程中一个至关重要的环节,而籽粒与粒柄之间的连接力是衡量脱粒难易程度的重要因素。传统脱粒装置在收获高产水稻时存在脱粒不尽、脱粒能力不足等问题,故有必要通过结构创新提升脱粒装置工作性能。本文对甬优12号、甬优9号、嘉优2号和甬优11号4个超级稻水稻品种,进行了籽粒与粒柄间连接力的测定,并绘制了籽粒连接力分布频谱图,计算了4个水稻品种的脱粒系数,建立并验证了籽粒平均连接力与脱粒滚筒齿顶线速度和转速之间的数学关系模型。针对半喂入联合收获机和全喂入联合收获机2种机型,分别研制了弓齿式差速脱粒滚筒和杆齿式差速脱粒滚筒,并进行了差速脱粒与单速脱粒比对试验,结果表明:差速脱粒装置利用低速段脱粒降低了籽粒和茎秆的破碎,利用高速段脱粒降低了脱不净损失,其籽粒破碎率、脱出物中含杂率以及脱不净和夹带损失率等性能指标得到有效改善。本研究为联合收获机脱粒装置优化提供了理论依据和实践参考。

针对籽粒连接的碎米检测算法的研究

碎米率是检测大米加工质量的重要指标,在利用机器视觉技术进行碎米率的检测中,大米籽粒连接是不可避免的。为此,提出了一种基于腐蚀、膨胀算法的碎米检测方法,可在籽粒连接的情况下,准确判断出样本中存在的碎米,得出碎米率。试验结果表明,在碎米含量不同和籽粒间连接程度不同的情况下,此检测算法均可达到较高的检测精度,且稳定性好。

基于灰度图像的大米垩白检测算法研究

大米垩白是检测大米质量等级的重要指标,在利用机器视觉技术进行垩白粒率的检测中,采用能够利用阈值法获取垩白米粒的DH-HV 1303UC摄像头采集的大米灰度图像,进行垩白检测算法的研究,选用双阈值法对大米图像进行分割,分别得到大米籽粒图像和只含垩白米粒的大米图像.在检测中,针对大米籽粒间存在连接的情况,提出了一种基于形态学中腐蚀、膨胀算法的垩白米粒检测方法.试验结果表明,在垩白米粒含量不同籽粒间连接程度不同的情况下,此检测算法均可达到较高的检测精度.

基于模糊神经网络的大米品种识别算法研究

基于机器视觉技术,针对实际大米图像中不可避免的存在籽粒连接的情况,采用模糊BP神经网络进行大米品种识别。应用形态学中腐蚀、膨胀算法提取单粒大米籽粒,去除碎米后,对单粒整精大米籽粒进行外观特征提取,采用模糊BP神经网络进行大米品种识别,仿真结果表明,其可达到较高的检测精度。

玉米秆、穗、粒力学特性的品种与密度效应研究

为明确玉米“秆-穗-粒”力学特性的品种与密度效应,于2016年和2017年分别设置20个品种、7个品种×3个密度组合的田间试验,测定玉米茎秆-雌穗和穗轴-籽粒的连接力学特性,以及穗轴、籽粒的力学特性。通过方差分析、效应估算、多重比较、遗传相关等方法分析数据,结果表明,供试玉米品种的茎秆-雌穗连接力、穗轴-籽粒纵向和横向连接力、穗轴抗压碎力和抗弯折力的取值范围分别为291~579、5.57~13.69、5.10~9.66、1070~3849、140~355N,籽粒抗压碎力、抗剪切力、穿刺强度的变化范围分别是89~157N、42.7~105.0N及48.1~77.0MPa。品种、品种×密度互作对茎秆-雌穗连接力和穗轴-籽粒纵向、横向连接力影响显著,品种、密度对穗轴抗压碎力和抗弯折力影响显著,穗轴抗压碎力和抗弯折力随种植密度的增加呈下降趋势。品种对茎秆-雌穗连接力、穗轴-籽粒纵向和横向连接力、穗轴抗压碎力和抗弯折力的总贡献率分别为52.08%、40.55%、18.71%、89.71%、56.92%,均高于其他效应因子的总贡献率。品种对籽粒抗压碎力、抗剪切力、穿刺强度影响显著。籽粒抗压碎力分别与长度、周长、面积、表面积、体积、矩形度呈显著正相关,穿刺强度分别与厚度、面积、表面积、体积、矩形度呈显著正相关,抗压碎力、抗剪切力、穿刺强度分别与比表面积呈显著负相关。综之,品种是影响玉米“秆-穗-粒”连接特性和穗轴、籽粒力学特性的主要因素,籽粒比表面积分别与其抗压碎力、抗剪切力、穿刺强度相关性显著。这些结果可为玉米宜机收品种选育和栽培、收获机具设计提供参考依据。