大型水稻智慧收割机多传感器融合的产量实时监测系统研究

1. 大型水稻智慧收割机产量监测系统硬件架构与传感器集成

1.1 核心传感器选型与农机集成设计

针对水稻收割产量监测的核心需求，系统选配了多类传感器并进行了针对性集成设计。谷物质量流量传感器是产量监测的核心，选用冲击板式或称重式传感器，安装于脱粒清选系统后的净谷升运器通道内，直接感知谷粒流对冲击板的力或通过称重单元测量单位时间通过的谷粒重量。谷物水分含量传感器主要采用近红外（NIR）光谱技术，安装在粮仓入口或升运器特定位置，通过分析谷粒反射或透射的光谱特征实时反演水分值。作业速度与收割面积测量依赖于高精度 GNSS/RTK 定位系统，结合车载雷达测速仪，提供精确的机器行进速度、位置和作业轨迹信息，这是产量空间分布制图的关键。为提升模型精度和系统鲁棒性，集成辅助传感器：可见光或多光谱相机安装在割台或驾驶室顶部，监测割幅宽度、作物倒伏、杂草干扰等；激光雷达（LiDAR）可选用于地形感知；环境温湿度传感器则提供作业环境参数。所有传感器的选型均重点考虑农机作业环境的严苛性，如剧烈振动、高粉尘、潮湿等，选用工业级防护（IP67 及以上）和抗振设计。在集成布局上，流量、水分传感器位于脱粒清选后关键节点；GNSS 天线安装于收割机顶部开阔处；摄像头/LiDAR 需保证视野；所有传感器通过屏蔽线缆连接至车载计算单元，并采取减振支架、密封防护罩等措施确保长期可靠运行。

1.2 数据采集与边缘计算硬件平台

多源异构传感器数据的实时采集、初步处理与融合依赖于强大的车载边缘计算硬件平台。系统采用多通道数据采集卡或可编程逻辑控制器（PLC）作为前端接口，负责接收来自流量传感器（模拟量 / 数字量）、水分传感器（串口 / 以太网）、GNSS 接收机（NMEA 协议）、摄像头（USB/GigEVision ）、环境传感器等的原始数据。核心处理单元选用高性能工业级嵌入式计算机或加固型工控机，具备足够的计算能力（多核 CPU、GPU可选）、内存和存储空间，运行实时操作系统或嵌入式 Linux/Windows 系统。该平台负责运行数据预处理、传感器数据同步、核心融合算法、实时产量计算等任务。车载网络架构采用混合模式：关键实时控制信号通过CAN总线传输；高速数据（如图像、点云）通过千兆以太网传输；无线通信模块（4G/5G, LoRa, WiFi）用于将处理后的产量数据、位置信息和系统状态实时上传至云端或农场管理信息系统（FMIS），同时支持远程监控和诊断。平台需具备宽温工作范围、抗电磁干扰能力和备用电源，确保在田间复杂环境下稳定运行。

2. 多传感器数据融合与产量实时计算模型

2.1 多源传感器数据预处理与时空同步

原始传感器数据不可避免地包含噪声、异常值和环境干扰，且各传感器采样频率、时间戳、空间参考系不同，必须进行严格的预处理和同步。数据预处理包括：对流量、速度等时序数据应用滑动平均、中值滤波或卡尔曼滤波进行噪声抑制；基于统计方法或物理约束识别并剔除野值；对NIR 光谱数据进行必要的散射校正、平滑和特征波段提取；对图像数据进行畸变校正、光照补偿和感兴趣区域（ROI）分割。时空同步是融合的前提：利用GNSS 提供的高精度时间戳（PPS 信号）作为全系统时间基准，通过时间插值或缓冲区管理实现不同采样率传感器（如高速摄像头与低频水分仪）的数据在统一时间轴上的对齐；利用 GNSS 定位信息和收割机几何模型，将所有传感器感知的数据统一转换到以收割机为中心或地理坐标系（如 WGS84）下的空间位置，特别是将升运器内测量的瞬时产量点映射到对应的田间地理位置，为生成产量分布图奠定基础。

2.2 实时产量数据的空间化处理

计算得到的离散瞬时产量点数据需要进一步处理才能形成直观、可用的产量分布信息。在车载边缘计算单元中，系统实时地将带有地理坐标的瞬时产量点数据，根据预设的空间分辨率，通过空间插值算法（或直接栅格化累加平均的方法，生成连续的田间产量分布栅格图。同时，实时计算并更新作业地块的总产量、平均产量、作业面积等关键统计信息。这些处理后的空间化产量数据和统计结果，一方面通过车载人机交互界面（HMI）实时显示给驾驶员，另一方面通过无线网络传输至后端平台用于精细农业管理决策。

3. 系统软件实现与田间实验验证

3.1 车载实时监测软件系统设计与实现基于前述硬件架构和融合算法，开发了运行于车载边缘计算单元上的实时监测软件系统。软件采用分层模块化架构设计。数据采集层负责通过驱动程序或通信协议实时读取所有集成传感器的原始数据，并进行初步的格式解析和缓存。数据处理层是核心，包含数据预处理模块（执行滤波、野值剔除）、时空同步模块（实现多传感器数据在统一时空基准下的对齐）、传感器融合与产量计算模块（运行 2.2 节所述的融合算法，实时计算瞬时湿基 / 干基产量）以及空间化处理模块（将离散产量点插值或栅格化为田间产量分布图）。应用层提供车载人机交互界面（HMI），基于图形化框架开发，实时显示关键信息：包括当前瞬时产量、累计产量、平均产量、作业面积、实时水分含量、机器位置（叠加在电子地图上）、产量分布热力图、系统状态（传感器状态、通信状态）及报警信息（如流量异常、水分超标）。界面设计注重农机驾驶环境下的易读性和操作性。数据管理模块负责将原始传感器数据、中间处理结果、最终产量数据（包括空间化栅格数据）及系统日志以结构化格式存储于车载固态硬盘。

3.2 田间实验设计与数据采集方案

为全面评估系统性能，在典型水稻种植区设计了严谨的田间实验。实验田块选择覆盖了主要水稻品种（如籼稻、粳稻）、不同产量水平（高、中、低产田）、不同水分条件（收获期自然变幅）以及具有代表性的地形（平坦、微坡）。每个实验地块在收割前进行详细测绘，记录准确边界和面积。对照方法采用“金标准”的传统称重法：在收割机粮仓装满后，使用地磅精确称量该仓谷物的总湿重，同时记录对应的 GNSS 定位的收割区域面积（通过作业轨迹计算），并同步采集该仓谷物的混合样本，使用标准烘箱法测定其平均水分含量，以此计算该区域的实际单位面积湿基产量和干基产量。系统数据采集在大型智慧收割机进行实际收割作业时同步进行。系统记录所有传感器的原始数据、中间处理变量、最终计算的瞬时产量、空间化产量图以及时间戳和位置信息。

参考文献

[1] 张明华 , 李伟 , 王磊 . 联合收获机谷物产量监测系统研究进展 [J].农业机械学报 , 2020, 51(8): 1-12.

[2] 刘洋 , 赵春江 , 王秀 . 基于深度学习的农机多源数据融合方法 [J].农业工程学报 , 2023, 39(2): 50-58.