谷物在人類(lèi)的生存發(fā)展中占有重要的地位,是解決溫飽問(wèn)題的重要物質(zhì)。田間谷物產(chǎn)量的正確估算在實(shí)現(xiàn)精細(xì)農(nóng)業(yè)生產(chǎn)管理中至關(guān)重要,而凈產(chǎn)量數(shù)據(jù)的正確估算主要受谷物水分含量的影響,在聯(lián)合收獲機(jī)上實(shí)現(xiàn)谷物水分含量的在線實(shí)時(shí)檢測(cè)是解決該問(wèn)題的有效方法。同時(shí),在收獲谷物時(shí)實(shí)時(shí)檢測(cè)其含水率,對(duì)聯(lián)合收獲機(jī)的喂入量進(jìn)行實(shí)時(shí)控制、降低機(jī)械工作負(fù)載、保證收獲谷物的脫粒質(zhì)量,減少谷物損失具有重要的作用。因而,在聯(lián)合收獲機(jī)收獲谷物時(shí)有效地實(shí)現(xiàn)水分含量的實(shí)時(shí)檢測(cè)具有重要的實(shí)用價(jià)值。本文主要基于碧浪4LZ-2.8型全喂入式聯(lián)合收獲機(jī),開(kāi)展了機(jī)載式谷物水分近紅外光譜檢測(cè)系統(tǒng)原理樣機(jī)的開(kāi)發(fā)及其試驗(yàn)研究,包括實(shí)驗(yàn)室谷物水分含量的靜態(tài)檢測(cè)與谷物厚度對(duì)檢測(cè)精度的影響研究、機(jī)載式谷物水分實(shí)時(shí)檢測(cè)系統(tǒng)原理樣機(jī)的設(shè)計(jì)以及谷物水分含量的動(dòng)態(tài)檢測(cè)研究等。主要的研究?jī)?nèi)容和研究結(jié)論為:(1)研究了谷物厚度對(duì)水分近紅外光譜檢測(cè)精度的影響并確定了最小檢測(cè)厚度。首先,以兩優(yōu)688品種水稻為研究對(duì)象,對(duì)樣本進(jìn)行水分梯度的設(shè)置,使其變化區(qū)間控制在14～25%左右,并對(duì)所有樣本進(jìn)行了 6個(gè)不同檢測(cè)厚度梯度下(φ100 mm器皿下的厚度分別為2 mm,5 mm,10 mm,15 mm,20 mm和50 mm,每個(gè)厚度梯度樣本各100個(gè))的近紅外光譜檢測(cè)。偏最小二乘回歸(Partialleast squares regression,PLSR)建模分析結(jié)果表明,各個(gè)厚度梯度下水稻樣本的水分含量預(yù)測(cè)效果均較滿意,其預(yù)測(cè)相關(guān)系數(shù)rp分別為0.9838,0.9849,0.9845,0.9855,0.9896 和 0.9896;預(yù)測(cè)均方根誤差(Root meansquare error of prediction,RMSE)分別為 0.5183%,0.4524%,0.4277%,0.4186%和 0.3836%。然后,開(kāi)展了不同檢測(cè)厚度梯度間的相互預(yù)測(cè)分析研究,確定了最小檢測(cè)厚度。以2mm厚度(單層致密覆蓋)的光譜數(shù)據(jù)作為PLSR建模分析的訓(xùn)練集,其余5個(gè)厚度梯度的光譜數(shù)據(jù)分別作為預(yù)測(cè)集進(jìn)行預(yù)測(cè)分析,預(yù)測(cè)效果均較滿意,rp分別為0.9754,0.9779,0.9748,0.9799 和 0.9782;AMSEP分別為 0.6502%,0.6312%,0.6386%,0.5738%和0.5777%;相對(duì)分析誤差(Relative predictive deviation,RPD 分別為 4.0470,4.1709,4.1227,4.5859和4.4414。即當(dāng)谷物厚度≥ 2 mm時(shí),可滿足谷物水分含量的近紅外光譜檢測(cè)分析,該厚度可作為谷物水分近紅外光譜實(shí)時(shí)檢測(cè)的最小厚度。(2)設(shè)計(jì)開(kāi)發(fā)了機(jī)載式谷物品質(zhì)實(shí)時(shí)檢測(cè)系統(tǒng)原理樣機(jī)�；诒汤�4LZ-2.8型全喂入式聯(lián)合收獲機(jī),開(kāi)發(fā)了可安裝于聯(lián)合收獲機(jī)糧箱出口并作為卸糧裝置的機(jī)載式谷物水分近紅外光譜實(shí)時(shí)檢測(cè)系統(tǒng)原理樣機(jī)。根據(jù)谷物近紅外光譜漫反射檢測(cè)方法設(shè)計(jì)了傾斜式自清潔的谷物檢測(cè)通道,并通過(guò)谷物籽粒的受力分析確定了谷物檢測(cè)通道的傾斜角度,開(kāi)發(fā)了基于懸臂梁傳感器的光譜儀采集觸發(fā)單元以及控制系統(tǒng)單元等,完成了樣機(jī)整體結(jié)構(gòu)的設(shè)計(jì)與試制。(3)研究了谷物水分的近紅外光譜實(shí)時(shí)檢測(cè)分析。在機(jī)載式谷物品質(zhì)實(shí)時(shí)檢測(cè)系統(tǒng)原理樣機(jī)上完成了兩次獨(dú)立的谷物水分含量動(dòng)態(tài)檢測(cè)實(shí)驗(yàn)。首先,以兩優(yōu)688品種水稻為研究對(duì)象,設(shè)置樣本水分含量梯度(共100個(gè)樣本,分33個(gè)水分含量梯度,每3個(gè)樣本為1個(gè)水分含量梯度,其中49～52#這四個(gè)樣本為1個(gè)水分含量梯度),在樣機(jī)上完成樣本的動(dòng)態(tài)近紅外光譜檢測(cè),結(jié)合樣本水分含量的理化參考值進(jìn)行PLSR建模分析,模型的預(yù)測(cè)效果較好,其結(jié)果為rp=0.9783,RMSEP= 0.8278%,RPD= 4.3509;然后,將該模型導(dǎo)入光譜儀操作軟件中進(jìn)行驗(yàn)證測(cè)試,設(shè)置樣本水分含量梯度(共97個(gè)樣本,分32個(gè)水分含量梯度,每3個(gè)樣本為1個(gè)水分含量梯度,其中46～49#這四個(gè)樣本為1個(gè)水分含量梯度),完成樣本水分含量的在線近紅外光譜實(shí)時(shí)驗(yàn)證實(shí)驗(yàn),與理化參考值進(jìn)行誤差分析,結(jié)果表明預(yù)測(cè)值的均方根誤差為RMSE= 0.5663%,相對(duì)誤差的平均值為2.3%,滿足谷物水分在線檢測(cè)的精度要求。證明了該檢測(cè)系統(tǒng)與建模方法的可靠性以及模型的有效性,可應(yīng)用于兩優(yōu)688品種水稻水分含量的在線近紅外光譜實(shí)時(shí)檢測(cè)。
【學(xué)位單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：O657.33;S225.3
【文章目錄】：
致謝
摘要
Abstract
符號(hào)列表
第一章 緒論
    1.1 課題研究背景與意義
        1.1.1 我國(guó)谷物的發(fā)展現(xiàn)狀
        1.1.2 谷物水分含量檢測(cè)的意義
    1.2 無(wú)損檢測(cè)技術(shù)在谷物品質(zhì)檢測(cè)上的應(yīng)用
        1.2.1 常見(jiàn)的無(wú)損檢測(cè)技術(shù)
        1.2.2 近紅外光譜檢測(cè)技術(shù)的基本原理與分析流程
    1.3 谷物品質(zhì)檢測(cè)的國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 介電特性檢測(cè)技術(shù)的應(yīng)用研究現(xiàn)狀
        1.3.2 近紅外光譜檢測(cè)技術(shù)的應(yīng)用研究現(xiàn)狀
    1.4 課題來(lái)源和主要研究?jī)?nèi)容
        1.4.1 課題來(lái)源
        1.4.2 課題主要研究?jī)?nèi)容
        1.4.3 技術(shù)路線圖
    1.5 本章小結(jié)
第二章 實(shí)驗(yàn)儀器、材料和方法
    2.1 主要實(shí)驗(yàn)儀器
        2.1.1 光譜儀簡(jiǎn)介
        2.1.2 理化分析儀簡(jiǎn)介
    2.2 軟件介紹
        2.2.1 InProcess軟件介紹
        2.2.2 GRAMS Suite軟件介紹
        2.2.3 TQ Analyst軟件介紹
        2.2.4 MATLAB軟件介紹
    2.3 實(shí)驗(yàn)材料
    2.4 數(shù)據(jù)處理分析方法
        2.4.1 光譜預(yù)處理方法
        2.4.2 異常樣本判別方法
        2.4.3 樣本集劃分方法
        2.4.4 定量模型評(píng)價(jià)方法
    2.5 本章小結(jié)
第三章 谷物厚度對(duì)水分近紅外光譜檢測(cè)精度的影響研究
    3.1 引言
    3.2 谷物水分含量靜態(tài)檢測(cè)實(shí)驗(yàn)研究
        3.2.1 樣本預(yù)處理
        3.2.2 近紅外光譜采集與理化實(shí)驗(yàn)
        3.2.3 異常樣本剔除
        3.2.4 光譜預(yù)處理
        3.2.5 樣本集劃分
        3.2.6 谷物水分含量的PLSR建模分析
    3.3 谷物水分含量最小檢測(cè)厚度研究
        3.3.1 實(shí)驗(yàn)方法
        3.3.2 谷物水分含量最小檢測(cè)厚度的確定及結(jié)果討論
    3.4 本章小結(jié)
第四章 機(jī)載式谷物品質(zhì)實(shí)時(shí)檢測(cè)系統(tǒng)原理樣機(jī)的設(shè)計(jì)
    4.1 引言
    4.2 機(jī)載式谷物品質(zhì)實(shí)時(shí)檢測(cè)系統(tǒng)原理樣機(jī)的結(jié)構(gòu)設(shè)計(jì)
        4.2.1 機(jī)載式谷物品質(zhì)實(shí)時(shí)檢測(cè)系統(tǒng)原理樣機(jī)的整體結(jié)構(gòu)
        4.2.2 谷物檢測(cè)通道
        4.2.3 光譜儀采集觸發(fā)單元
        4.2.4 光譜儀檢測(cè)單元
        4.2.5 控制系統(tǒng)單元
        4.2.6 糧箱單元
    4.3 機(jī)載式谷物品質(zhì)實(shí)時(shí)動(dòng)態(tài)檢測(cè)方法
    4.4 本章小結(jié)
第五章 谷物水分含量動(dòng)態(tài)檢測(cè)模型研究
    5.1 引言
    5.2 谷物水分含量動(dòng)態(tài)檢測(cè)模型的建立
        5.2.1 樣本預(yù)處理
        5.2.2 近紅外光譜采集與理化實(shí)驗(yàn)
        5.2.3 建模預(yù)處理
        5.2.4 谷物水分含量的PLSR建模分析
    5.3 谷物水分含量動(dòng)態(tài)檢測(cè)模型的驗(yàn)證分析
        5.3.1 樣本預(yù)處理
        5.3.2 谷物水分含量動(dòng)態(tài)檢測(cè)驗(yàn)證與理化實(shí)驗(yàn)
        5.3.3 谷物水分含量動(dòng)態(tài)檢測(cè)模型驗(yàn)證
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 主要研究結(jié)論
    6.2 主要?jiǎng)?chuàng)新點(diǎn)
    6.3 進(jìn)一步研究展望
參考文獻(xiàn)
作者簡(jiǎn)歷

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 牛紅兵;;無(wú)線機(jī)載式甲烷斷電儀在司馬煤礦的應(yīng)用[J];煤;2016年10期

2 李劍鋒;礦用機(jī)載式瓦斯報(bào)警斷電儀誕生[J];工業(yè)安全與防塵;1999年05期

3 薛峰;徐鎖庚;;機(jī)載式除塵風(fēng)機(jī)的研究與探討[J];能源技術(shù)與管理;2007年06期

4 楊希培;朱連杰;;機(jī)載式液壓前探梁在綜掘巷道的應(yīng)用[J];神華科技;2015年05期

5 曾永;劉超;;采煤機(jī)機(jī)載式變頻器的諧波干擾與抑制[J];內(nèi)蒙古煤炭經(jīng)濟(jì);2013年08期

6 杜貽晶;顧穎詩(shī);蘇顯明;;機(jī)載式臨時(shí)支護(hù)裝置在濟(jì)寧二號(hào)煤礦的應(yīng)用[J];煤礦現(xiàn)代化;2010年02期

7 ;AJWD-A型礦用機(jī)載式瓦斯報(bào)警斷電儀[J];徐煤科技;1997年04期

8 邢李濤;;綜掘機(jī)載式臨時(shí)護(hù)頂裝置在煤礦的應(yīng)用[J];科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì);2009年34期

9 徐鎖庚;;綜掘工作面機(jī)載式臨時(shí)護(hù)頂機(jī)的設(shè)計(jì)研究[J];煤礦機(jī)械;2008年05期

10 張慶棟;;錨桿鉆車(chē)機(jī)載式臨時(shí)支護(hù)在成莊礦的應(yīng)用探討[J];機(jī)械研究與應(yīng)用;2017年03期

相關(guān)碩士學(xué)位論文 前3條

1 楊盛杰;機(jī)載式谷物水分近紅外光譜檢測(cè)系統(tǒng)原理樣機(jī)開(kāi)發(fā)與試驗(yàn)研究[D];浙江大學(xué);2018年

2 周康韻;基于光譜與視覺(jué)圖像的機(jī)載式油菜生長(zhǎng)信息檢測(cè)統(tǒng)研究[D];浙江大學(xué);2011年

3 王波;無(wú)人機(jī)機(jī)載式冠層反射光譜測(cè)量平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京農(nóng)業(yè)大學(xué);2016年

本文編號(hào)：2854175