莫恭武 金诚谦 陈满 张光跃

0 引言

食为政首，粮安天下。减少粮食机收损失，就是增加粮食产量。目前，我国机收损失率约为1.5%～5%，机收损失控制技术水平与农机化发达国家相比还有差距。究其原因，既有机具问题，也有种植品种、种植方式及立地条件等方面因素的制约，归根结底还是由于良田、良种、良制、良机、良法“五良”融合不够。现结合江苏省农机化发展现状，从“良机”“良法”融合的角度，探讨谷物联合收割机智能化节粮减损检测装备研发现状及前景。

1 谷物联合收割机智能减损检测装备研发背景及意义

1.1 研发背景

近年来，机器视觉、无线传感、人工智能技术日渐成熟，应用范围已扩大到农业领域。利用机器视觉技术，鉴别谷物颜色、形状、纹理，能够实现对完整籽粒、破碎籽粒、杂质等成分的快速有效识别；基于压力传感技术，能够实现对谷物秸秆、籽粒等成分的快速有效识别。上述研究成果为谷物联合收割机智能化节粮减损检测装备的研发提供了技术支持。但谷物图像信息与联合收割机破碎含杂率之间的耦合关系、谷物冲击电信号信息与联合收割机清选损失率及夹带损失率之间的耦合关系等研究还不深入，仍处于探索阶段。

1.2 研发意义

目前，江苏省已进入以实施乡村振兴战略为统领，以高质量发展为目标导向，努力推进农机化向全程全面高质量发展的新阶段［1］。2018 年，江苏省主要粮食作物耕种收机械化水平达93%，谷物联合收割机保有量约17 万台。但由于缺乏谷物联合收割机节粮减损检测装备，机具作业参数得不到及时调整，谷物收获机质量参差不齐［2］，部分机具的谷物收获破碎率、含杂率较高，易造成谷物品质下降，粮食浪费严重。为认真贯彻落实习近平总书记关于保障粮食安全和制止餐饮浪费行为的重要指示精神，践行《中国制造2025》《农机装备发展行动方案（2016－2025）》，推动农机装备产业转型升级，加快提升农机试验鉴定和技术推广能力，推动农业机械化向全程全面高质高效发展，减少收获环节损失，急需研发谷物联合收获机智能化节粮减损检测装置，实现谷物联合收割机作业破碎率、含杂率、损失率的在线检测，便于谷物联合收割机驾驶员在收获质量不佳时，及时调整机具作业参数，从而提高收获质量，达到节粮减损的目标。

2 技术研发现状

2.1 国外技术研发现状

克拉斯公司（CLAAS）推出了“谷物质量相机”，通过拍摄脱粒过程中的谷物图像，对图像中非谷物成分和碎粒含量进行分析，为驾驶员提供警示信号，为谷物质量评估以及联合收割机脱粒和清洗过程的优化设置建立了一个全新的、更加精确的判断标准。Geert Craessaerts 等人指出联合收获机风机转速和上筛面的负荷是影响含杂率的主要因素，并利用模糊理论建立了谷物含杂率非线性预测模型。鲁汶大学的Wallays 等人研究出自动监测小麦籽粒、杂质的传感器，通过遗传算法对400～900 nm 范围内的5 个波段进行组合，将图像中的单个像素分类为小麦籽粒、杂质，检测结果及时显示［3］。京都大学与洋马公司的Mahirah Jahari 等人提出建立双灯源照明的谷物破碎率与含杂率监测系统，该系统为完善联合收割机收获质量监测技术提供了硬件支持。系统检测的R2 值大于0.7，具有检测相关性。孟加拉农业大学的Md Abdul Momin 等人研究出基于机器视觉的大豆破碎籽粒含杂识别的试验室检测装置和识别算法。该算法可有效识别大豆样本的各组成部分，其中裂豆识别准确度为96%，污染豆识别准确度为75%，缺陷豆和茎/荚识别准确度为98%。W.Eldredge 将压电传感器固定在清洁筛上，然后将由谷物碰撞产生的电信号传送到计数装置，进行损失籽粒数检测。William 研制了一种谷物损失监视仪，能测试某一时刻的谷物损失量，但不能真实反映谷物联合收获机的作业质量。Hiregoudar S 通过人工接料方式记录不同参数（机器的前进速度、有效工作宽度、切割高度、谷物含水率、时间因素等）下割台损失、清选损失与夹带损失数据，并基于人工神经网络算法对谷物损失进行评估。

由此可见，国外针对谷物联合收割机智能化节粮减损检测技术研究较多，并有相关产品应用到谷物联合收割机上。

2.2 国内技术研发现状

2.2.1 江苏省外技术研发现状

浙江大学的苏忆楠等人基于机器视觉和高光谱图像技术构建了粮粒与杂质识别的静态检测硬件系统和识别模型，通过以单特征识别为主的决策树判定法识别出68.6%的杂质，BP 人工神经网络模型的总体识别正确率在90%以上。北京林业大学的闫磊等人提出了一种自动分割粘连谷物并识别杂质的算法，使用分水岭算法对粘连颗粒进行分割，提取形态特征和颜色特征，计算杂质与完好谷物的特征值之间的马氏距离，并通过比较马氏距离与设定的阈值，来识别混杂在谷物中的杂质。中国农业大学的刘韶军和王库研究了破损棉种的机器视觉识别方法，采用均值、方差、均方比等统计特性参数，计算棉种边界破损参数，识别精度达93%。张恬等通过图像采集设备采集损失物料，将采集到的图像进行灰度、滤波和二值化处理，最后运用计算目标面积的方法，来预报谷物损失个数。李俊峰采用新型敏感材料PVDF 压电薄膜做敏感板，提出了采用单一传感器进行测量的设计方案［4］，这个设计解决了传感器表面灵敏度分布不均问题，传感器整体平均灵敏度不高的问题。

2.2.2 江苏省内技术研发现状

江苏省是农机生产与应用大省，也是农机科研强省，针对谷物联合收割机智能化在线检测技术的研发一直走在全国前列。农业农村部南京农业机械化研究所的金诚谦等人研发的基于高光谱技术的谷物破碎率、含杂率在线检测技术，实现了谷物完整籽粒、破碎籽粒及杂质的在线识别，建立了光谱反射率与谷物破碎率含杂率之间的对应关系和谷物破碎含杂率在线预测模型。江苏大学的陈进等人提出了基于机器视觉的水稻杂质与破碎籽粒分类识别方法，茎秆杂质、细小枝梗杂质、破碎籽粒识别的综合评价指标值分别达到了86.92%、85.07%和84.74%，平均识别一幅图像的时间为3.24 s。南京航空航天大学的王玉亮等人提出了一种基于多对象有效特征提取和主成分分析优化神经网络的玉米种子品种识别方法，每粒种子识别的平均耗时为0.127 s，综合识别率达到97%以上。农业农村部南京农业机械化研究所的金诚谦等人提出建立基于冲量模型的谷物损失率在线监测系统，开发了损失率在线监测传感器和微系统，初步实现谷物损失率的在线监测。江苏大学的毛罕平等人提出了构建压电晶体矢量传感器阵列的方案，实现参数多点实时测量。江苏大学的李耀明等人通过试验选取损失检测敏感板，设计损失率检测系统，并研究损失率检测模型，实现损失率检测。

总之，目前省内外关于谷物联合收割机智能化节粮减损检测技术研究均处于探索阶段，相关技术仍不成熟，尚未形成产业化产品。

3 需重点解决的技术问题

机器视觉、数字传感技术的发展，为谷物联合收割机智能化节粮减损检测装备研发提供了技术支撑。但有别于工业生产检测，农业生产作业环境复杂、农产品种类繁多，对谷物联合收割机智能化节粮减损检测装备的研发提出了更高的要求。目前，谷物联合收割机智能化节粮减损检测装备研发应重点关注谷物样本精准分割算法，融合多源信息的谷物样本成分在线识别算法，谷物籽粒与非谷物籽粒电信号特征精准识别算法，基于传感信息的谷物破碎率、含杂率、损失率通用检测模型研究。

针对上述技术难点，近几年，农业农村部南京农业机械化研究所、江苏省农业机械试验鉴定站联合开展谷物联合收割机智能化节粮减损检测装备攻关，在使用传统方法开展谷物联合收割机田间作业质量检测、性能鉴定的同时，不断验证、校准谷物联合收割机智能化节粮减损检测装备的性能，在技术研发方面取得了一定的成效。

4 技术应用前景

谷物联合收割机智能化节粮减损检测装备应用于谷物联合收割机田间作业性能的检测，可以有效地提高机具鉴定检测效率和精度；安装在谷物联合收割机上，可实现谷物联合收割机作业参数在线监测，为机械化收获提供预警功能，从而提高机械化作业效益。该装备的历史检测数据可以保存、追溯，用以证明鉴定结果的科学性、合理性、规范性；还可以积累谷物联合收割机田间作业数据，为谷物联合收割机的升级优化积累基础数据。

江苏是农机生产与应用大省，也是农机科研强省，谷物联合收割机智能化装备研发一直走在全国前列，但由于缺乏谷物联合收割机作业参数实时监测装置，严重限制了谷物联合收割机智能化水平的提升。

2019 年江苏省谷物联合收割机保有量有十多万台，即使在小部分收割机上安装谷物联合收割机智能化节粮减损检测装备，则机收环节的节粮减损功效也将非常显著。因此，待谷物联合收割机智能化节粮减损检测装备技术完全成熟后，其应用范围和前景将非常广阔。