一种联合收获机喂入量在线预测装置及方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112237089A(43)申请公布日2021.01.19(21)申请号202011008723.8(22)申请日2020.09.23(71)申请人江苏大学地址212013江苏省镇江市京口区学府路301号(72)发明人陈进王志文陈海文徐海洋(51)Int.Cl.A01D41/127(2006.01)权利要求书2页说明书6页附图5页(54)发明名称一种联合收获机喂入量在线预测装置及方法(57)摘要本发明提供了一种联合收获机喂入量在线预测装置及方法，预测装置包括主控制器、速度采集模块、图像采集模块和留茬及作物高度采集模块，速度采集模块将脉冲信号传输给主控制器，计算收获机实时的作业速度；留茬及作物高度采集模块包括两个激光测距传感器，主控制器通过激光测距传感器发射激光的往返时间，分别计算留茬及作物高度；图像采集模块实时获取前方作物的图片，并传输给主控制器，得到作物的穗头个数；粒子群算法得到的最优个体赋值给BP神经网络的初始权值和阈值，得到喂入量预测模型；作物的穗头个数、收获机的实时作业速度、留茬及作物高度作为喂入量预测模型的输入，输出为喂入量的预测值。本发明能精确检测联合收获机的喂入量。CN112237089ACN112237089A权利要求书1/2页1.一种联合收获机喂入量在线预测装置，其特征在于，包括主控制器、速度采集模块、图像采集模块、留茬及作物高度采集模块，速度采集模块、图像采集模块、留茬及作物高度采集模块与主控制器相连接；所述速度采集模块设置在联合收获机驱动轮内侧，采集的信号传输给主控制器，获取联合收获机实时的作业速度；所述图像采集模块通过支架(2)固定在收获机顶棚上，实时获取前方作物的图片，并传输给主控制器，获取作物的穗头个数；所述留茬及作物高度采集模块包括两个激光测距传感器(4)，一个激光测距传感器(4)固定在分禾器的最前端，另一个激光测距传感器(4)固定在支架(2)上，激光测距传感器(4)采集的信号传输给主控制器，分别得到留茬高度及作物高度。2.根据权利要求1所述的联合收获机喂入量在线预测装置，其特征在于，还包括与控制器相连接的电源稳压模块、人机交互模块和CAN通信模块。3.根据权利要求1所述的联合收获机喂入量在线预测装置，其特征在于，所述速度采集模块为霍尔传感器，霍尔传感器包括霍尔传感器探头(602)和磁钢(601)，磁钢(601)粘贴在联合收获机驱动轮(6)内侧的转轴上，霍尔传感器探头(602)每经过一个磁钢(601)，产生一次脉冲信号，通过信号输出端(603)将脉冲信号传输给主控制器。4.根据权利要求1所述的联合收获机喂入量在线预测装置，其特征在于，所述支架(2)包括角铁(202)、长杆(205)、短杆和亚克力板，角铁(202)固定在收获机顶棚上，角铁(202)还固定长杆(205)一端，长杆(205)另一段与短杆一端垂直连接，短杆另一端固定亚克力板，亚克力板上固定图像采集模块和一个激光测距传感器(4)。5.根据权利要求4所述的联合收获机喂入量在线预测装置，其特征在于，所述长杆(205)和短杆均设置在卡槽(204)中，长杆(205)、短杆和卡槽(204)上均设有圆孔，通过圆孔的配合，长杆(205)和短杆能够在卡槽(204)中伸缩。6.一种根据权利要求1-5任一项所述的联合收获机喂入量在线预测装置的在线预测方法，其特征在于：霍尔传感器将脉冲信号传输给主控制器，主控制器计算出联合收获机实时的作业速度；主控制器通过激光测距传感器(4)发射激光的往返时间，分别计算出留茬高度及作物高度；图像采集模块实时获取前方作物的图片，并传输给主控制器，得到作物的穗头个数；粒子群算法得到的最优个体赋值给BP神经网络的初始权值和阈值，完成BP神经网络的训练，得到喂入量预测模型；作物的穗头个数、收获机的实时作业速度、留茬及作物高度作为喂入量预测模型的输入，输出为喂入量的预测值。7.根据权利要求6所述的联合收获机喂入量在线预测装置的在线预测方法，其特征在于：所述作物的穗头个数获取过程为：对前方作物的图片依次进行灰度化处理、中值滤波处理、OTSU阈值分割去除土壤背景部分、填平图像被分割后的空洞，再通过检测区域的个数和角点数计算整个区域的穗头个数。8.根据权利要求6所述的联合收获机喂入量在线预测装置的在线预测方法，其特征在于：所述粒子群算法得到最优个体的过程为：①粒子群的初始化：整个空间的维数为该网络中所有权值和阈值之和；2CN112237089A权利要求书2/2页②粒子适应度值：计算出期望输出和预测输出，并将它们各自误差的绝对值之和作为个体适应度通过每个粒子初始位置结合个体适应度公式，计算出粒子的适应度值Fit[i]，其中n2表示输出的节点数，yi为神经网络网络中第i个