Design and testing of a seeding monitoring system for four-row garlic planter
-
摘要:目的
基于江苏省大蒜种植农艺要求，设计研发一种四行大蒜播种机的实时播种监测系统，融合多种传感器技术，以实现对大蒜播种过程的实时监测，为后续机械或人工补种提供决策依据。
方法以4DS-4四行大蒜播种机为基础，根据实际需求，确定监测系统的设计和选型，包括播种机作业速度监测模块、播种监测模块、显示模块、报警模块以及数据存储模块等；监测系统以STM32F103单片机为主控制器，应用多种传感器技术，根据播种机作业速度和漏种监测的原理，编写播种系统监测程序，实现大蒜播种机作业信息的采集；最后对监测系统进行台架试验完成对监测系统的调试，并利用土槽试验进行测试和验证，检测播种监测系统在实际工作状态下的稳定性和准确性。
结果台架试验表明，当播种机的播种速度为1 km/h时，已播监测准确度可达96.7%，漏播监测准确度可达97.4%，满足了播种监测系统性能指标需求；土槽试验结果表明，在不同的作业速度下，监测系统测量的播种量相对误差为2.4%~5.2%、平均相对误差为3.86%，漏播量相对误差为2.1%~5.9%、平均相对误差为4.06%。
结论该播种监测系统能在长时间的持续工作过程中保证监测结果的准确性，满足了大蒜播种机监测系统的要求，能够实现播种过程的实时监测。
Abstract:ObjectiveBased on the agronomic requirements of garlic planting in Jiangsu Province, this study designs and develops a real-time seeding monitoring system for a four-row garlic planter, which integrates a variety of sensor technologies. The study aims to realize real-time monitoring of the garlic sowing process, and provide a decision-making basis for the subsequent mechanical or manual replanting.
MethodBased on a 4DS-4 four-row planter, the design and selection of the monitoring system were determined according to the actual requirements. The system included the planter operating speed monitoring module, seeding monitoring module, display module, alarm module and data storage module, etc. The monitoring system was designed with the STM32F103 microcontroller as the main controller, and a variety of sensor technologies were used to design the monitoring principle of speed and seeding. The system monitoring program was written to collect the operation information of the garlic seeder based on the working speed of the seeder and the principle of missed seed monitoring. Finally, the bench test was performed for the monitoring system to complete the commissioning of the monitoring system, and the soil trench test was conducted for further test and validation of the stability and accuracy of the seeding monitoring system in the actual working condition.
ResultThe bench test showed that when the seeding speed of the planter was 1 km/h, the accuracy of the seeding monitoring reached 96.7%, and the accuracy of the missed seeding monitoring reached 97.4%, which met the performance indicators of the seeding monitoring system. The soil trench test results showed that, at different operating speeds, the relative error of the seeded quantity for the measurement by the seeding monitoring system was 2.4%−5.2%, with an average relative error of 3.86%, and the relative error of missed seeding was 2.1%−7.3%, with an average relative error of 4.66%.
ConclusionThis seeding monitoring system can ensure the accuracy of the measurement results during a long period of continuous work, which meets the requirements of the monitoring system for garlic planter and can realize the real-time monitoring of the sowing process.
-
Keywords:
- Garlic planter /
- Intelligent /
- Missed seeding monitoring /
- Real-time monitoring /
- Sensor
-
香菇Lentinus edodes又称花菇、香信、香蕈、冬菇、香菌，为侧耳科植物香蕈的子实体，作为世界第2大食用菌，在我国食用菌种植产业中占有很大比例[1]，在民间素有“山珍”之称。香菇具有提高免疫、降血压、降血脂、降胆固醇、防癌抗癌等功效，且适合加工和烹调，受到消费者的极大青睐。当前除了直接烹调食用外，香菇还被制成香菇酱、脆片等食品[2]。但是香菇中含有大量水分，储藏时间短，难以运输，干制香菇可以很好地解决这个问题。
干燥过程对香菇的口感和储藏稳定性有很大影响，因此研究干燥工艺显得尤为重要。目前，普遍使用的干燥加工方法为热泵干燥，此干燥方式热效率高[3]，常用于胡萝卜[4]、毛竹笋[5]、红枣[6]、杏鲍菇[7]等果蔬，但其存在多种缺陷，如微生物以及细菌总数易超标[4]等；真空干燥虽干燥时间长、成本高[8]，但其干燥品质明显高于热泵干燥，故常用于对品质要求较高果蔬，如野生软枣猕猴桃[9]、黄秋葵[10]、雪莲果粉[11]、桑葚[12]等。目前，关于香菇的热泵–真空联合干燥还鲜有报道。本文将这2种干燥方式结合起来，进行分阶段干燥，期望优势互补，得到品质与真空干燥相近，能耗又低于真空干燥的干制香菇。另外，本文还利用响应面法优化香菇热泵–真空联合干燥工艺参数，建立动力学模型，并将试验结果与单一热泵干燥、单一真空干燥对比，为联合干制香菇实际生产提供参考依据。
1. 材料与方法
1.1 试验材料
新鲜香菇购于农贸批发市场，挑选大小、菇头厚度相近且表面无明显破损的香菇作为试验样品。试验测定新鲜香菇的初始湿基含水率(w)为(89.27±1)%。简单冲洗后，放入冰箱内4 ℃条件下保存待用。
1.2 试验方法
1.2.1 工艺流程
新鲜香菇→热泵干燥(热泵干燥机：LAD-060型，徐州市海涛制冷设备有限公司)→真空干燥(真空干燥机：LABCONCO FreeZone型，上海珂淮仪器有限公司)，最终湿基含水率(w)在13%以下[7]→测定指标。
1.2.2 确定试验因素
香菇的热泵–真空联合干燥产品品质与很多因素有关，如热泵干燥的风速、湿度、温度和真空干燥的真空度(以下简称真空度)、温度以及装载量、转换点含水率等[13-16]。由于试验设备限制，很多参数都不可调，所以固定热泵干燥风速为1.6 m·s–1，湿度为10%，真空干燥冷阱温度为–50 ℃。根据王安建等[17]的研究，1 176 g·m–2为热泵干燥的最优装载量，本试验修正固定装载量为1.2 kg·m–2。每次试验物料质量为1.2 kg，当热泵干燥结束，转为真空干燥时，真空干燥铺料总面积为0.25 m2。
综上所述，确定热泵温度、真空度和转换点含水率为试验的3个因素，分别分析其对单位能耗、感官评分、复水比和硬度的影响。
1.2.3 单因素试验
用单因素试验法来确定因素(热泵温度、真空度和转换点含水率)的0水平。在装载量为1.2 kg·m–2，热泵干燥风速为1.6 m·s–1，湿度为10%，真空干燥冷阱温度为–50 ℃的条件下，分别进行试验，记录各组的4项指标。试验分为3组，共计12次联合干燥试验：
1)先进行热泵干燥，将热泵温度设置为30、40、50、60 ℃，待含水率降至55%，停止热泵干燥，转为真空干燥，设置真空度为100 Pa；
2)先进行热泵干燥，设置热泵温度为50 ℃，待含水率降至55%，停止热泵干燥，转为真空干燥，将真空度设置为50、75、100、125 Pa；
3)先进行热泵干燥，设置热泵温度为50 ℃，待含水率降至25、40、55、70%，转为真空干燥，真空度设置为100 Pa。
1.2.4 响应面优化试验设计
采用Box-Behnken Design(BBD)试验设计方法，以热泵温度(A)、真空度(B)、转换点含水率(C)为自变量，进一步研究这3个因素与联合干燥香菇产品单位能耗、感官评分、复水比和硬度的关系。试验因素水平见表1。
表 1 试验因素水平表Table 1. Factor levels of the test水平
Levelθ热泵/℃
Heat pump temperature
(A)真空度/Pa
Vacuum degree
(B)转换点含水率(w)/%
Conversion point moisture content
(C)–1 45 90 45 0 50 100 55 1 55 110 65 1.2.5 对比试验
分别进行3次单独的热泵干燥(温度49 ℃)和真空干燥试验(真空度110 Pa)，取均值得出单位能耗、感官评分、复水比和硬度，并与联合干燥进行对比。
1.3 指标测定方法
1.3.1 含水率
含水率根据GB 5009.3—2016[18]测得，所用仪器为电热鼓风干燥箱(101-A型，上海锦昱科学仪器有限公司)。
1.3.2 单位能耗
单位能耗为香菇每损失1个单位质量水分所消耗的电能。从经济效益出发，单位能耗越小越好。根据电表读数来计算，计算公式[19]为：
$$C=3\,600({W_2}-{W_1})/M,$$ (1) 式中，C为单位能耗，kJ·g–1；W1和W2分别为试验开始时和结束后的电表读数，kW·h；M为干燥去除水分总质量，g。
1.3.3 复水比
复水比用质量的增加程度表示，其值越大越好。将装有蒸馏水的烧杯放入40 ℃的恒温水浴锅(HH-1型，金坛市城东超韵实验仪器厂)中，10 min后将联合干燥后的香菇样品浸没入蒸馏水30 min(料液质量比为1∶30)，快速沥干，测质量，复水比(R)计算公式[20]为：
$$R={m_{\rm f}}/{m_{\rm g}},$$ (2) 式中，mg、mf分别为香菇复水前、后的质量，g。
1.3.4 感官评分
表 2 香菇感官品质评价标准Table 2. Evaluation standard of Lentinus edodes sensory quality评分
Score厚薄
Thickness色泽
Color肉质
Quality香气
Aroma8~10 内外均一 淡黄色，色泽均匀 肉质紧密，有脆感，软硬适中 菇香浓郁，气味怡人 4~8 内外基本均一 黄褐色，色泽均匀 肉质紧密，略有脆感 菇香一般，气味不足 0~4 内外严重不均，有薄有厚 深褐色，色泽不均 肉质较软，无脆感，或口感较硬 菇香不明显，有炭化味 1.3.5 硬度
将质构仪(TMS—PRO型，美国食品特性研究开发机构FTC)设置为TPA测量模式，测前和测后速度为8 mm·s–1，测试最大距离为20 mm，测试速度为2 mm·s–1，每组测10次，每次间隔时间为5 s，求平均值，得硬度指标[22]。
1.4 数据处理
运用Excel、Spss和Design-Expert.8.05b软件对香菇热泵–真空干燥试验数据进行分析。
2. 结果与分析
2.1 单因素试验
2.1.1 不同热泵温度对香菇干燥效果的影响
单因素第1组试验结果如图1所示。由图1可以看出，热泵温度从30 ℃增加到60 ℃，单位能耗和复水比显著降低，感官评分下降，硬度显著提高。温度过高，香菇的内部结构受到破坏，出现干燥不均匀现象，故在60 ℃时，香菇的感官评分和复水比下降，并且部分产品会因酶促和非酶促反应而出现褐变，产生褐色硬荚，导致硬度上升，质量变差。这与Jayaraman等[23]的结论相符，其研究发现在干燥过程中，果蔬因内部结构遭到破坏而吸水性能减弱，复水比下降。50 ℃时的单位能耗与60 ℃时相近，而且其他3项指标明显优于后者，因此选择50 ℃作为热泵温度的0水平。
![]()
图 1 热泵温度对香菇单位能耗、感官评分、复水比和硬度的影响各图中，柱子上方的不同小写字母表示差异显著 (P<0.05, Duncan’s法)Figure 1. The influences of heat pump temperature on unit energy consumption, sensory score, rehydration ratio and hardness of Lentinus edodesIn each figure, different lowercase letters on the bars indicated significant difference (P<0.05, Duncan’s test)2.1.2 不同真空度对香菇干燥效果的影响
单因素第2组试验结果如图2所示。由图2可以看出，真空度从50 Pa增加到100 Pa，单位能耗下降，但增加到125 Pa时，干燥罐内的气压过小，空气过于稀薄，影响了水分传递进程，导致单位能耗显著上升；随着真空度加大，感官评分和复水比增加，硬度下降(真空度为75 Pa时，其硬度与50和100 Pa时无显著差异性，但是50和100 Pa之间差异显著)，这是因为干燥罐内气压下降，空气含量减少，减轻了香菇的氧化程度，香菇也较易形成疏松多孔的结构[24]。虽然真空度为125 Pa时的感官评分和复水比最高，硬度小，但是单位能耗为本研究最先考虑指标，因此选择100 Pa作为真空度的0水平。
![]()
图 2 真空度对香菇单位能耗、感官评分、复水比和硬度的影响各图中，柱子上方的不同小写字母表示差异显著 (P<0.05, Duncan’s法)Figure 2. The influences of vacuum degree on unit energy consumption, sensory score, rehydration ratio and hardness of Lentinus edodesIn each figure, different lowercase letters on the bars indicated significant difference (P<0.05, Duncan’s test)2.1.3 不同转换点含水率对香菇干燥效果的影响
单因素第3组试验结果如图3所示。由图3可以看出，随着转换点含水率的增加，单位能耗显著增大。这是因为热泵干燥的能耗远小于真空干燥，真空干燥时间越长，其单位能耗也越大；其次，转换点含水率越大，说明香菇由热泵转为真空干燥的水分比例就越大，这对感官评分、复水比和硬度都有积极的影响(各自组内都具有显著差异性)。虽然转换点含水率为70%时的复水比和感官评分都达到最高值，表面无明显硬荚，硬度小，但其单位能耗也最大，然而转换点含水率为55%时的感官评分、复水比和硬度与70%时相近且单位能耗低，因此选择55%作为转换点含水率的0水平。
![]()
图 3 转换点含水率对香菇单位能耗、感官评分、复水比和硬度的影响各图中，柱子上方的不同小写字母表示差异显著 (P<0.05, Duncan’s法)Figure 3. The influences of conversion point moisture content on unit energy consumption, sensory score, rehydration ratio and hardness of Lentinus edodesIn each figure, different lowercase letters on the bars indicated significant difference (P<0.05, Duncan’s test)2.2 香菇联合干燥工艺参数的优化
为了得到更加精确的干燥工艺条件，使用Design-Expert.8.05b软件，设计了3因素3水平响应面分析试验，试验设计及结果如表3所示。由表3可以看出，第12组试验条件下的单位能耗最低，第11组试验条件下的感官评分最高，第3组试验条件下的复水比最大，第3组试验条件下的硬度最小。
表 3 试验设计及结果Table 3. Experimental design and result序号
No.θ热泵/℃
Heat pump temperature
(A)真空度/Pa
Vacuum degree (B)转换点含水率(w)/%
Conversion point moisture content
(C)单位能耗/(kJ·g–1)
Unit energy consumption (Y1)感官评分
Sensory
score
(Y2)复水比
Rehydration ratio
(Y3)硬度/N
Hardness
(Y4)1 50 100 55 333.54 7.7 2.59 3.62 2 50 90 60 356.09 8.1 2.70 3.34 3 45 100 60 375.56 8.3 2.84 3.27 4 50 100 55 330.68 7.7 2.62 3.63 5 50 100 55 336.35 7.8 2.58 3.62 6 55 90 55 329.19 7.3 2.50 3.74 7 55 110 55 336.17 7.5 2.54 3.70 8 45 90 55 343.52 7.6 2.65 3.69 9 50 110 50 320.37 7.1 2.57 3.79 10 50 100 55 337.21 7.9 2.61 3.64 11 50 110 60 365.84 8.5 2.76 3.31 12 55 100 50 315.88 7.0 2.41 3.86 13 45 110 55 350.33 7.9 2.67 3.63 14 45 100 50 343.81 7.5 2.56 3.75 15 50 90 50 321.55 7.3 2.42 3.82 16 50 100 55 330.62 7.8 2.60 3.65 17 55 100 60 358.85 8.0 2.61 3.39 2.2.1 单响应指标回归分析
通过Design-Expert.8.05b软件，对单位能耗(Y1)、感官评分(Y2)、复水比(Y3)和硬度(Y4)进行回归分析，得到各自的二次回归方程(表4)。分析表4中的数据可知：单位能耗(Y1)回归方程的显著性F值为42.94，对应的PF <0.000 1，说明此模型拟合性极显著；失拟性 FLf为1.39，对应的
${P_{F_{\rm Lf}}}$ 为0.368 2(${P_{F_{\rm Lf}}}$ >0.05)，说明失拟性不显著，在试验范围内误差较小，回归模型与实际情况拟合程度很高。 R2越接近1，模型拟合度越好，单位能耗(Y1)回归方程的R2为0.982 2，表明此模型可以解释响应值98.22%的变化。综上所述，此模型方程可以很好地分析和预测单位能耗指标。同理，对其他3个模型方程进行PF、${P_{F_{\rm Lf}}}$ 和R2分析，可知，这3个模型方程都可以对感官评分、复水比和硬度进行很好地预测和分析。表 4 单指标回归方程及分析结果Table 4. The regression equation of single index and analysis result指标
Indicator模型方程1)
Model equationF PF 失拟项 Lack of fit R2 FLf ${P_{F_{\rm Lf}}}$ 单位能耗
Unit energy consumption (Y1)Y1=333.68−9.14X1+2.80X2+19.34X3+0.042X1X2+
2.81X1X3+2.73X2X3+6.84X12−0.72X22+8.00X3242.94 <0.000 1 1.39 0.368 2 0.982 2 感官评分 Sensory score(Y2) Y2=7.71−0.19X1+0.088X2+0.50X3 38.03 <0.000 1 3.79 0.106 0 0.897 7 复水比 Rehydration ratio(Y3) Y3=2.60−0.082X1+0.034X2+0.12X3 77.42 <0.000 1 3.94 0.099 7 0.947 0 硬度 Hardness(Y4) Y4=3.63+0.044X1−0.020X2−0.24X3+0.005X1X2+
0.002 5X1X3+0.030X12+0.028X22−0.095X32167.40 <0.000 1 3.38 0.134 9 0.995 4 1) X1：θ热泵/℃；X2：真空度/Pa；X3：转换点含水率 (w)/%
1) X1: Heat pump temperature; X2: Vacuum degree; X3: Conversion point moisture content另外，通过比较各模型方程回归系数绝对值的大小可以得出结论：转换点含水率(C)、热泵温度(A)、真空度(B)对单位能耗(Y1)影响的主次顺序为C > A >B；对感官评分( Y2)影响的主次顺序为C > A > B；对复水比( Y3)影响的主次顺序为C > A > B；对硬度( Y4)影响的主次顺序为C > A > B。
利用Design-Expert.8.05b软件可以对相关数据进行优化，要求单位能耗(Y1)和硬度(Y4)在试验条件下达到最小值，感官评分(Y2)和复水比(Y3)在试验条件下达到最大值，各指标的单指标优化结果如表5所示。
表 5 指标回归方程优化结果Table 5. The optimization result of index regression equation项目
Item工艺参数优化组合
Optimized combination of technology parameters优化结果
Optimized resultθ热泵/℃
Heat pump temperature
(A)真空度/Pa
Vacuum
degree
(B)转换点含水率(w)/%
Conversion pointmoisture content
(C)单位能耗/(kJ·g–1)
Unit energy
consumption
(Y1)感官评分
Sensory score
(Y2)复水比
Rehydration ratio
(Y3)硬度/N
Hardness
(Y4)单指标
Single index54.35 90.00 50.00 316.31 45.00 110.00 60.00 8.5 45.00 110.00 60.00 2.84 46.01 104.37 60.00 3.28 综合指标
Comprehensive index49.26 110.00 56.48 344.35 8.0 2.68 3.55 由表5可知：较高的热泵温度，较低的真空度以及较低的转换点含水率可以降低单位能耗，当热泵温度为54.35 ℃、真空度为90.00 Pa、转换点含水率为50%时，单位能耗最低，为316.31 kJ·g–1；较低的热泵温度，较高的真空度以及较高的转换点含水率可以提高感官评分，当热泵温度为45 ℃、真空度为110 Pa、转换点含水率为60%时，感官评分最高，为8.5；较低的热泵温度，较高的真空度以及较高的转换点含水率可以提高复水比，当热泵温度为45 ℃、真空度为110 Pa、转换点含水率为60%时，复水比最高，为2.84；较低的热泵温度，较高的真空度以及较高的转换点含水率可以减小硬度，当热泵温度为46.01 ℃、真空度为104.37 Pa、转换点含水率为60%时，硬度最低，为3.28 N。
2.2.2 综合工艺参数优化
分析表5可知，较高的热泵温度虽然可以降低单位能耗，但是不能保证高感官评分、高复水比和低硬度；真空度和转换点含水率对这4个指标也有类似的影响。所以，需对这4个指标函数进行综合优化分析，寻找最佳工艺条件。
本文以降低加工成本为主要目的，其次，考虑到干制香菇在销售过程中消费者对感官品质的要求，故单位能耗最重要，感官评分次之；复水比和硬度在评价干制产品品质中也十分重要，但略次于前2个指标。所以将这4个指标的重要性设置为4∶3∶2∶1。优化后的工艺条件为：热泵温度49.26 ℃，真空度110 Pa，转换点含水率56.48%。在此条件下，单位能耗为344.35 kJ·g–1，感官评分为8.0，复水比为2.68，硬度为3.55 N (表5)。
为了便于实际生产，将工艺条件修正为热泵温度49 ℃，真空度110 Pa和转换点含水率56%。按照优化修正后的工艺条件进行3组平行验证试验，取平均值，测得单位能耗为345.01 kJ·g–1，感官评分为8.3，复水比为2.72，硬度为3.61 N，与预测值相近，相对误差分别为0.19%、3.61%、1.47%和1.66%。因此，上述工艺条件可行。
2.3 香菇的单一干燥和联合干燥比较
由表6可知，联合干燥的单位能耗比真空干燥减少37.69%，但高于热泵干燥；单一热泵干燥后的香菇皱缩，边缘出现焦化，内部结构受到破坏[25-28]，导致其感官评分低、复水比低、硬度高，而单一真空干燥和联合干燥尽可能地保证了香菇内部结构的完整，故这2种干燥方式的复水比相近且高于热泵干燥；另外，联合干燥前期为热泵干燥，热泵干燥中的美拉德反应使香菇散发出香味[29]，再经过真空干燥，颜色和硬荚变得均匀，所以联合干燥的感官评分得以提高。
表 6 各干燥方式比较1)Table 6. Comparison of different drying methods干燥方式
Drying method单位能耗 /(kJ·g–1)
Unit energy consumption
(Y1)感官评分
Sensory score
(Y2)复水比
Rehydration ratio
(Y3)硬度 /N
Hardness
(Y4)热泵干燥
Heat pump drying289.22±2.92a 6.4±0.05a 1.45±0.02a 4.50±0.03c 真空干燥
Vacuum drying553.67±2.59c 8.5±0.82c 2.62±0.03b 3.21±0.03a 联合干燥
Combined drying345.01±1.63b 8.3±0.47b 2.72±0.02b 3.61±0.03b 1) 同列数据后的不同小写字母表示差异显著 (P<0.05，Duncan’s 法)
1) Different lowercase letters in the same column indicated significant difference (P<0.05, Duncan’s test)综上所述，联合干燥可以得到能耗低于真空干燥，品质与真空干燥相近的干制香菇。
3. 讨论与结论
香菇在干燥过程中的水分扩散分为外扩散和内扩散，这2种扩散方式同时进行，既相辅相成，也相互制约，其扩散速度差影响着干燥品质[30]。热泵干燥后期水分分布不均，香菇内外水分扩散速度相差较大，内部水分未能及时转移到物料表面，使表面较易形成硬荚；真空干燥的单位能耗较高，排湿效果差，设备成本决定了其规模难以扩大，但在干燥过程中内外水分分布均匀，干燥后的香菇品质较好。热泵−真空联合干燥结合了2种干燥方式的优点，降低了干燥中的内外扩散速度差，不易形成硬荚，很好地保留了香菇的色、香、味，减少了单位能耗。本试验在固定的冷阱温度、热泵风速和湿度下进行，具有一定的局限性。
本研究确定最佳联合干燥工艺为热泵温度49 ℃，真空度110 Pa和转换点含水率56%，在此条件下实测得单位能耗345.01 kJ·g–1，感官评分8.3，复水比2.72，硬度3.61 N，与预测值相近，相对误差分别为0.19%、3.61%、1.47%和1.66%。联合干燥的单位能耗比真空干燥减少37.69%，但高于热泵干燥；其感官评分和复水比与真空干燥相近，高于热泵干燥；其硬度略大于真空干燥，小于热泵干燥。热泵干燥和真空干燥相结合，充分利用两者的优点，得到了能耗低、质量好的干制香菇。解决了热泵干燥品质不佳、真空干燥能耗高等问题，本研究可为香菇的热泵–真空联合干燥提供理论依据。
-
![]()
图 1 4DS-4四行大蒜播种机结构图
1：行走装置；2：种箱；3：清种器调节装置；4：覆土装置；5：取种装置；6：开沟装置
Figure 1. Structure diagram of 4DS-4 four-row garlic planter
1: Traveling device; 2: Seed box; 3: Seed cleaner adjustment device; 4: Mulching device; 5: Seed picking device; 6: Furrowing device
![]()
图 2 取种装置结构图
1：清种调节把手；2：带座轴承；3：蒜种防弹挡板；4：六角轴；5：导种漏斗；6：导种管；7：从动链轮；8：取种盘；9：开闭控制器；10：取种外壳；11：隔种挡板
Figure 2. Structure diagram of the seed picking device
1: Seed cleaning adjustment handle; 2: Seat bearing; 3: Garlic seed bullet-proof plate; 4: Hexagonal shaft; 5: Seed guide funnel; 6: Seed guide tube; 7: Slave sprocket; 8: Seed tray; 9: Open/close controller; 10: Seed picking shell; 11: Isolate baffle
![]()
图 3 取种盘结构图
1：取种勺；2：取种盘盘体；3：蒜种夹板固定盒；4：取种盘法兰；5：蒜种夹板
Figure 3. Structure diagram of seed tray
1: Seed scoop; 2: Seed tray body; 3: Garlic seed clamp fixing box; 4: Seed tray flange; 5: Garlic seed clamp
![]()
图 4 播种监测装置
1：取种盘；2：冲种区；3：蒜种检测区；4：光电传感器；5：蒜种
Figure 4. Seeding monitoring device
1: Seed tray; 2: Seed punching area; 3: Garlic seed detection area; 4: Photoelectric sensor; 5: Garlic seed
![]()
图 11 播种机安装(a)及土槽试验(b)现场
Figure 11. Seeder installation (a) and soil trench test (b) site
表 1 播种数量监测结果
Table 1 Results of seeding quantity monitoring
序号
Serial
number播种量
No. of seeds sown漏播量
No. of missed seeds实际值
Actual value测量值
Measured value相对误差${(\delta _{\text{a}})}$/%
Relative
error实际值
Actual value测量值
Measured value相对误差${(\delta _{\text{b}})}$/%
Relative
error1 281 272 3.2 24 23 4.2 2 288 283 1.7 19 19 0 3 283 269 4.9 27 26 3.7 
下载: 导出CSV
表 2 土槽试验监测结果
Table 2 Monitoring results of soil trench test
作业速度/(km·h−1)
Working speed播种量
No. of seeds sown漏播量
No. of missed seeds实际值
Actual value测量值
Measured value相对误差/%
Relative
error实际值
Actual value测量值
Measured value相对误差/%
Relative
error1.0 920 882 4.1 37 36 2.9 1.5 911 880 3.4 51 48 5.9 2.0 917 895 2.4 48 47 2.1 2.5 903 865 4.2 77 73 5.1 3.0 749 716 5.2 70 67 4.3
下载: 导出CSV
-
[1] 张春岭, 吴晓庆, 谢东波, 等. 电液混合调控式大蒜播种机设计与试验[J]. 农业机械学报, 2021, 52(10): 166-174. doi: 10.6041/j.issn.1000-1298.2021.10.017 [2] 栗晓宇, 耿爱军, 侯加林, 等. 大蒜播种机研究现状及展望[J]. 农业机械, 2017(2): 105-107. [3] 钟志堂, 吴小伟, 唐莉莉, 等. 江苏大蒜生产机械化现状与发展思路[J]. 农机科技推广, 2019(7): 7-8. doi: 10.3969/j.issn.1671-3036.2019.07.003 [4] 陈礼源. 适用于精量播种的播种监测系统设计与试验[D]. 武汉: 华中农业大学, 2022. [5] 丁幼春, 陈礼源, 王登辉, 等. 油菜播种质量监测系统设计与试验[J]. 华南农业大学学报, 2021, 42(6): 43-51. doi: 10.7671/j.issn.1001-411X.202107029 [6] KUMAR R, RAHEMAN H. Detection of flow of seeds in the seed delivery tube and choking of boot of a seed drill[J]. Computers and Electronics in Agriculture, 2018, 153: 266-277.
[7] KARIMI H, NAVID H, BESHARATI B, et al. A practical approach to comparative design of non-contact sensing techniques for seed flow rate detection[J]. Computers and Electronics in Agriculture, 2017, 142: 165-172.
[8] KARIMI H, NAVID H, BESHARATI B, et al. Assessing an infrared-based seed drill monitoring system under field operating conditions[J]. Computers and Electronics in Agriculture, 2019, 162: 543-551.
[9] BESHARATI B, NAVID H, KARIMI H, et al. Development of an infrared seed-sensing system to estimate flow rates based on physical properties of seeds[J]. Computers and Electronics in Agriculture, 2019, 162: 874-881.
[10] 贾洪雷, 路云, 齐江涛, 等. 光电传感器结合旋转编码器检测气吸式排种器吸种性能[J]. 农业工程学报, 2018, 34(19): 28-39. doi: 10.11975/j.issn.1002-6819.2018.19.004 [11] 苑严伟, 白慧娟, 方宪法, 等. 玉米播种与测控技术研究进展[J]. 农业机械学报, 2018, 49(9): 1-18. doi: 10.6041/j.issn.1000-1298.2018.09.001 [12] 卢彩云, 李洪文, 何进, 等. 间歇式自动取样条播排种器排种性能检测试验台研制[J]. 农业工程学报, 2019, 35(24): 10-19. doi: 10.11975/j.issn.1002-6819.2019.24.002 [13] 赵立新, 张增辉, 王成义, 等. 基于变距光电传感器的小麦精播施肥一体机监测系统设计[J]. 农业工程学报, 2018, 34(13): 27-34. doi: 10.11975/j.issn.1002-6819.2018.13.004 [14] 纪超, 陈学庚, 陈金成, 等. 玉米免耕精量播种机排种质量监测系统[J]. 农业机械学报, 2016, 47(8): 1-6. doi: 10.6041/j.issn.1000-1298.2016.08.001 [15] 邱兆美, 张巍朋, 赵博, 等. 小粒种子电动播种机作业质量监测系统设计与试验[J]. 农业机械学报, 2019, 50(4): 77-83. doi: 10.6041/j.issn.1000-1298.2019.04.009 [16] 耿爱军, 栗晓宇, 侯加林, 等. 自动定向大蒜播种机的设计与试验[J]. 农业工程学报, 2018, 34(11): 17-25. doi: 10.11975/j.issn.1002-6819.2018.11.003 [17] 崔荣江, 张华, 徐文艺, 等. 我国大蒜机械化生产现状及发展思路探讨[J]. 农机化研究, 2015, 37(3): 264-268. doi: 10.3969/j.issn.1003-188X.2015.03.064 [18] IM D, KIM J H, MOON D J, et al. Optimization of bucket size of garlic metering device using multibody dynamics simulation[J]. Journal of Biosystems Engineering, 2022, 47(4): 480-488.
[19] 李天华, 张海阔, 韩相龙, 等. 勺链式大蒜播种机漏取种检测与补种装置设计及试验[J]. 农业工程学报, 2022, 38(4): 24-32. doi: 10.11975/j.issn.1002-6819.2022.04.003 [20] 国家质量监督检验检疫总局, 中国国家标准化管理委员会. 农业机械试验条件测定方法的一般规定: GB/T 5262—2008[S]. 北京: 中国标准出版社, 2008. [21] 国家质量监督检验检疫总局, 中国国家标准化管理委员会. 播种监测系统: GB/T 35383—2017[S]. 北京: 中国标准出版社, 2017. 国家质量监督检验检疫总局, 中国国家标准化管理委员会. 播种监测系统: GB/T 35383—2017[S]. 北京: 中国标准出版社, 2017.
[22] LI H F, BAI E C, MI M L, et al. Identification of Euler angles of permanent magnet spherical motor rotor based on Hall sensors array[J]. Measurement, 2022, 199: 111500.
[23] 王奇, 高鹏翔, 王金武, 等. 胡萝卜联合收获机智能监控系统设计与试验[J]. 农业机械学报, 2022, 53(6): 118-128. doi: 10.6041/j.issn.1000-1298.2022.06.012 [24] 刘春旭, 赵德春, 单爱军. 红外反射式播种机电子监测装置的设计[J]. 农机化研究, 2010, 32(6): 117-121. doi: 10.3969/j.issn.1003-188X.2010.06.031 [25] 刘新怡, 陈进, 张西良. 基于STM32的联合收获机清选损失监测装置的研制[J]. 农机化研究, 2020, 42(10): 200-204. doi: 10.3969/j.issn.1003-188X.2020.10.035 -
期刊类型引用(16)
1. 陈金荣，许燕，周建平，王小荣. 基于改进YOLOv5的红花目标检测算法研究. 农机化研究. 2025(01): 26-32+66 . 
百度学术
2. 胡雯婧，余俊龙，梁雷，张静，董卫彬，蒋龙泉. 基于计算机视觉的农作物病虫害识别研究综述. 微型电脑应用. 2025(03): 90-93+97 . 百度学术
3. 郭标琦，王联国. 基于多卷积神经网络融合的当归病虫害识别方法. 江苏农业学报. 2024(01): 121-129 . 百度学术
4. 杨巨成，燕聪，贾庆祥，沈杰，刘建征. 基于图像超分辨率预处理和二次迁移学习的水稻病害识别方法. 天津科技大学学报. 2024(06): 66-74 . 百度学术
5. 李志臣，凌秀军，李鸿秋，李志军. 基于改进ShuffleNet的板栗分级方法. 山东农业大学学报(自然科学版). 2023(02): 299-307 . 百度学术
6. 刘岩，张宁宁，海玲，王斌虎. 基于机器视觉的玉米虫害区域SIFT识别仿真. 计算机仿真. 2023(07): 215-219 . 百度学术
7. 王营瑛，郑铖，董伟，高海涛. 一种基于改进卷积神经网络的玉米病害高效识别模型. 安徽科技学院学报. 2023(04): 96-104 . 百度学术
8. 孙道宗，刘欢，刘锦源，丁郑，谢家兴，王卫星. 基于改进YOLOv4模型的茶叶病害识别. 西北农林科技大学学报(自然科学版). 2023(09): 145-154 . 百度学术
9. 范世达，马伟荣，姜文博，张辉，王金振，李琦，何鹏博，彭磊，黄兆波. 基于深度学习的柑橘黄龙病远程诊断技术初探. 中国果树. 2022(04): 76-79+86+133 . 百度学术
10. 刘延鑫，王俊峰，杜传印，丁睿柔，高强，宗浩，姜红花. 基于YOLOv3的多类烟草叶部病害检测研究. 中国烟草科学. 2022(02): 94-100 . 百度学术
11. 冼远清. 改进的YOLOv3常见鱼病检测算法. 福建电脑. 2022(07): 11-14 . 百度学术
12. 郭文娟，冯全，李相周. 基于农作物病害检测与识别的卷积神经网络模型研究进展. 中国农机化学报. 2022(10): 157-166 . 百度学术
13. 何前，郭峰林，方皓正，李雅琴. 基于改进LeNet-5模型的玉米病害识别. 江苏农业科学. 2022(20): 35-41 . 百度学术
14. 伏荣桃，王剑，陈诚，李洪浩，赵黎宇，卢代华. 基于深度学习的水稻稻曲病图像识别与分级鉴定. 四川农业科技. 2022(10): 35-40 . 百度学术
15. 樊湘鹏，周建平，许燕，李开敬，温德圣. 基于优化Faster R-CNN的棉花苗期杂草识别与定位. 农业机械学报. 2021(05): 26-34 . 百度学术
16. 郭阳，许贝贝，陈桂鹏，丁建，严志雁，梁华，吴昌华. 基于卷积神经网络的水稻虫害识别方法. 中国农业科技导报. 2021(11): 99-109 . 百度学术
其他类型引用(26)
计量
- 文章访问数: 101
- HTML全文浏览量: 12
- PDF下载量: 16
- 被引次数: 42
