用于确定脱粒系统中的脱粒损失的系统及方法与流程

1.本发明涉及用于测量脱粒损失的系统和方法。本发明还涉及包括这种系统的农业收割机。


背景技术：

2.联合收割机是一种复杂的农业机械，其可在田间行驶以收割谷物作物，同时将谷物穗与植株分离，并将谷粒与穗分离。在联合收割机的前部安装了割台，割台被构造为切割作物、将其从田间取走并将其馈送到作物加工系统中，该作物加工系统将谷粒与收割的植物的其它部分分开。
3.在作物加工系统的第一阶段，谷粒与谷穗分离。在这个脱粒阶段，作物通常在旋转的脱粒滚筒上的脱粒元件和部分围绕脱粒滚筒的脱粒笼之间被研磨。在现代联合收割机中，脱粒元件的朝向或脱粒滚筒和脱粒笼之间的间隙可以适用于调整脱粒过程的剧烈性。剧烈的脱粒要求更多的能量并因此导致更高的燃料消耗。另外，剧烈的脱粒会导致谷粒破碎并增加脱粒系统部件的磨损。当脱粒不够剧烈时，谷粒会留在谷穗中并与秸秆和其它作物残渣一起被处理。这样处理的未进入谷物罐的谷粒也称为脱粒损失。最优脱粒设置实现了最小脱粒损失和低燃料消耗之间的平衡。
4.通常，脱粒损失是由收割机的操作者估计的，操作者会不时地停下联合收割机，走出去并检查一些脱粒残渣，方法是摘下谷穗，用他的手摩擦这些谷穗并检查是否还有剩余的谷物留在谷穗里。如果是，那么操作者可以增加脱粒的剧烈性。这种人工评估是劳动密集且耗时的。还要求操作者有大量的技能才能正确且准确地评估情况。
5.欧洲专利申请ep 3797575 a1公开了一种用于测量脱粒损失的布置。设置在主脱粒区段的下游的、用于将已经分离的谷粒与其它植物材料分离的分离转子包括被周期性激活的小型补充脱粒区段。谷物传感器检测来自该补充脱粒区段的谷粒。虽然如此检测到的谷粒可以被用作对主脱粒区段中脱粒损失的测量，但是这种补充脱粒区段确实存在一些缺点。附加的脱粒阶段所需的附加能量导致更高的燃料消耗，而且在脱粒损失低且附加的脱粒不会导致更高产量时也是如此。此外，用于确定脱粒损失的谷物传感器不仅会检测到由补充脱粒区段从谷穗释放的谷粒，而且还会丢失由分离器从作物残渣中分离出来的谷粒，从而降低了脱粒损失测量的准确性。
6.本发明的目的是解决与现有技术相关联的一个或多个缺点。


技术实现要素：

7.根据本发明的一个方面，提供了一种用于确定脱粒系统中的脱粒损失的新方法。该方法包括用频率在0.1-10thz范围内的电磁波照射脱粒系统的至少一部分下游的作物样本，测量作物样本对电磁波的反射和/或透射，基于测得的反射和/或透射建立作物样本的至少二维太赫兹图像，在太赫兹图像中识别至少一个谷穗，识别识别出的谷穗中的至少一个谷粒，以及基于识别出的谷粒确定脱粒损失。
8.已知太赫兹波用于例如医学成像和安全检查，并且非常有用，因为它们能够穿透轻质织物并记录密度变化。太赫兹辐射的农业应用不太常见，但对于例如在实验室环境中对种子进行分类是已知的。通过使用太赫兹辐射来分析收获作物的谷穗，发明人实现了区分不包含任何谷粒的完全脱粒的谷穗和具有吸收大部分太赫兹辐射的谷粒的未脱粒的(部分)空谷穗。但是，在脱粒系统内部或后面，未脱粒谷穗中的谷粒并不是唯一密度较高的颗粒。太赫兹辐射的使用带来了附加的优势，即，它在多尘环境中表现良好并且不会消耗太多功率。在优选实施例中，电磁波具有0.1-6thz、0.1-3thz、0.5-3thz或1-3thz 范围内的频率。
9.标准太赫兹成像将同样地检测到丢失的谷粒与秸秆和其它作物残留物的一些高密度部分。为了确保在建立脱粒损失时仅考虑未脱粒的谷粒，因此根据本发明的方法包括首先在二维太赫兹图像中识别谷穗的步骤。因此，使用根据本发明的方法确定的脱粒损失仅基于在未脱粒的谷穗中检测到的谷粒。因此，根据本发明的用于确定脱粒损失的方法比迄今为止可用的替代方法更准确。
10.优选地，用于确定脱粒损失的方法不仅限于检测未脱粒的谷穗，还包括基于测得的反射和/或透射而确定识别出的谷穗中的谷粒数量。除了完全脱粒和未脱粒的谷穗外，作物样本还可以包括仍含有一个或多个谷粒的部分脱粒的谷穗。通过计算识别出的谷穗中留下的谷粒数量，可以更准确地确定脱粒系统的功效并更好地调整脱粒系统的操作设置以优化例如脱粒剧烈性。
11.在实施例中，建立太赫兹图像的步骤包括在两个方向上扫描点传感器。可替代地，通过在一个方向上扫描阵列传感器来建立二维太赫兹图像，或者使用二维太赫兹图像传感器。
12.在移动且厚实的作物层中识别谷穗可能是具有挑战性的任务。通过在照射作物样本的步骤之前将通过脱粒系统或在其下游的作物流的一部分转移到旁路区段，从而使作物样本与作物流分离，可以进行更准确的脱粒损失测量。在旁路区段中，可以分析更薄和/或更慢移动或静止的作物样本。
13.根据本发明的方法的实施例还可以包括使用图像传感器获得样本的第二图像的步骤，该图像传感器用于检测频率大于10thz的辐射，并且其中识别至少一个谷穗的步骤包括在第二图像中识别至少一个谷穗，将太赫兹图像与第二图像对准，以及在太赫兹图像中识别至少一个谷穗。当使用第二图像传感器来获得相同样本的第二图像时，使用电磁频谱的不同部分，可以改进对作物样本中谷穗的检测。虽然太赫兹辐射非常适合检测未脱粒(或部分未脱粒)的谷穗内的谷粒，可见光和/或红外光可能例如更适合检测作物样本中的谷穗。通过组合来自多个不同传感器的图像数据以识别图像中可以找到谷穗的位置，可以实现进一步的改进。当对准由不同传感器获得的图像时，在太赫兹图像中对非脱粒谷粒的搜索可以仅限于在第二图像中检测到谷穗的那些位置。这允许更高效的谷粒检测算法以及未脱粒谷穗内的谷粒与作物样本中其它地方的丢失谷粒(或丢失谷粒的组)的更好区分。
14.为了识别为执行根据本发明的方法而获得的不同图像中的谷穗和 /或谷粒，可以使用经训练的神经网络和/或其它人工智能(ai)算法。
15.根据本发明的另一方面，提供了一种用于确定脱粒系统中的脱粒损失的系统，该系统包括用于发射频率在0.1-10thz范围内的电磁波的至少一个太赫兹发射器，用于测量
48、50的气流，其撞击其上的谷物和小mog。小mog通常比谷物轻，因此当它在空中时与谷物分离。随后基于秸秆罩54将小mog 从联合收割机10中排出。
26.准备盘44和预清洁筛46前后摆动，将谷物和小mog输送到上筛48的上表面。上筛48垂直布置在下筛50上方，并且也前后摆动，使得谷物和小mog散布在两个筛48、50上，同时还允许清洁的谷物在重力的作用下通过在筛子48、50中的开口。
27.清洁的谷物落入清洁谷物螺旋输送器56，该清洁谷物螺旋输送器56定位在下筛50下方和前方，并且跨越联合收割机10的宽度。清洁谷物螺旋输送器56将清洁谷物横向传送到垂直谷物升降机60，该垂直谷物升降机60被布置为将清洁谷物输送到谷物罐28。一旦进入谷物罐28，谷物罐底部的谷物罐螺旋输送器68将谷物罐28内的清洁谷物横向传送到卸载管30以从联合收割机10排出。
28.图2示出了图1中所示联合收割机10的一部分的特写，指示根据本发明的脱粒损失传感器121、122、123的一些优选位置。在图1 的示例性联合收割机10中使用的脱粒转子40通常由围绕其下半部的脱粒凹部42和围绕其上半部的转子盖43包围。转子盖43可以包括转子叶片(未示出)，用于沿着围绕脱粒转子40且朝着脱粒转子40 的后端的螺旋轨迹引导作物。脱粒转子40的前部通常包括与脱粒凹部42协作的脱粒元件以将谷粒从收获作物的谷穗上分离。转子40的后部包括剧烈性较小的分离器元件，这些分离器元件被构造为使作物材料松散，使得落下的谷粒可以通过凹部42落下，同时作物残渣被移动到联合收割机10的后部，在那里它可以被撕碎和丢弃。就在脱粒转子40的后部后面，秸秆搅拌机58拾起来自转子40后部的秸秆并将其推向可选的切碎机和秸秆罩，秸秆从那里散布或掉落在田地上。
29.根据本发明，一个或多个脱粒损失传感器121、122、123可以被用于监视联合收割机10的脱粒和分离区段内部和后面的脱粒损失。将在下面参考图3更详细地描述的脱粒损失传感器121、122、123用于检测是否有任何谷粒未正确脱粒并因此留在谷穗内。测量这些脱粒损失时需要克服的技术挑战之一是，谷穗仅形成所收获植物的其它部分的致密且移动的层的一部分。为了减轻这种挑战，脱粒损失传感器121、122、123优选地放置在作物材料层相对薄和/或松散的位置处。在图2中，指示了三个这样的合适位置。
30.例如，多个脱粒损失传感器121可以与转子40的脱粒区段的上半部相邻设置。当沿着脱粒区段设置脱粒损失传感器121时，使得能够沿着其全长监视脱粒结果。在脱粒区段中的第一个脱粒传感器121 处，许多谷穗仍包含一个或多个谷粒。在脱粒区段中的最后一个脱粒传感器121处，脱粒损失应当最小或不存在。理想地，在脱粒中只有最后一个脱粒传感器121不会检测到任何未脱粒的谷穗。当脱粒过程已经在更上游完成时，脱粒可能过于剧烈。于是可以调整一些脱粒设置以降低脱粒剧烈性。例如，可以增加脱粒转子40和脱粒凹部42之间的凹入间隙，可以移动转子40或凹部42上的可移动脱粒元件，或者可以调整转子速度。当脱粒区段中的最后一个脱粒传感器121仍然检测到未脱粒的谷穗时，可以增加脱粒剧烈性。
31.可替代地或附加地，一个或多个脱粒损失传感器122可以放置成与转子40的分离区段的上半部相邻。与转子40的脱粒区段相比，分离区段可以具有稍松散的作物层，其中有较少松散的谷粒，这可以有利于脱粒损失测量的准确性。其它脱粒损失传感器123可以例如与秸杆搅拌机58相邻设置。要注意的是，这些脱粒损失传感器121、122、 123的可能位置不限于图2中提供的示例。相同或相似的传感器例如对于检测联合收割机10的其它部分、其它
农业机械或实验室环境中的未脱粒的谷穗可以同样有用。
32.图3示意性地示出了在联合收割机10中使用的用于测量脱粒损失的系统100。系统100包括一个或多个脱粒损失传感器121、122、 123和耦合到脱粒损失传感器的控制器110。控制器110可以是与系统100一起使用的专用控制器110，仅用于测量脱粒损失，或者其功能可以部分或完全地由联合收割机10的通用电子控制器提供。此外，多个脱粒传感器121、122、123可以耦合到中央公共控制器110并由其控制，或者每个单独的传感器121、122、123可以包括其自己的控制器以用于控制传感器硬件和处理测量结果。可选地，控制器110耦合到监视器130或用于将脱粒损失测量结果传送给用户的其它类型的输出设备。例如，脱粒损失可以以数字或百分比的形式呈现给用户。可替代地，脱粒损失可以被可视化，例如通过示出一个或多个谷穗，其中仍然存在一定数量的谷粒，该数量取决于测得的脱粒损失。例如，空谷穗可以指示未检测到脱粒损失，并且部分填满或完全填满的谷穗可以分别指示低脱粒损失和高脱粒损失。例如，记录的脱粒损失可以被示为用于示出当前脱粒损失的数字、用于示出脱粒损失如何随时间演变的曲线图，或用于示出整个田地中的脱粒损失如何变化的地图。
33.每个脱粒损失传感器121、122、123包括用于发射频率在0.1
‑ꢀ
10thz范围内的电磁波的至少一个太赫兹发射器210，以及用于测量电磁波的传输的至少一个太赫兹传感器220。在其它实施例中，太赫兹传感器220可以被配置为测量电磁波在正在研究的作物样本500处的反射。测量反射而不是透射的可能优点可以是测量受作物层厚度的影响较小，并且传感器121、122、123可以更紧凑。脱粒损失测量也可以基于透射和反射的组合。
34.太赫兹发射器210例如可以包括固态发射器或角状天线，并且可以适应0.1-10thz范围内的特定频率。在优选实施例中，电磁波具有 0.1-6thz、0.1-3thz、0.5-3thz或1-3thz范围内的频率。可以使用0.1-10thz范围内的两个或更多个不同频率的组合来提高脱粒损失传感器121、122、123的准确性或灵敏度。可以被使用的其它天线类型是例如偶极天线、光电导天线和片上天线。
35.图3中所示的脱粒传感器121、122、123还包括可选的图像传感器或相机230，用于基于可见光和/或红外光制作作物样本500的图像。太赫兹发射器210、太赫兹传感器220和图像传感器或相机203可以被容纳在单个单元中或者作为两个或更多个单独的单元。在整个系统 100中，一个外部相机230可以与两个或更多个单独的脱粒损失传感器121、122、123结合使用。类似地，可以使用多个太赫兹传感器 220来检测由单个太赫兹发射器210发射的电磁波。
36.基于由联合收割机10内收割的作物对太赫兹电磁波的测得的反射和/或透射，构建作物样本500的至少二维太赫兹图像。二维图像可以通过在两个方向上扫描点传感器来获得。可替代地，可以通过在一个方向上扫描阵列传感器或者通过使用二维太赫兹图像传感器来建立二维太赫兹图像。在处理太赫兹图像时，图像识别算法被用于识别成像的作物样本500中的谷穗和被识别出的谷穗中留下的谷粒。基于如此识别出的未脱粒的谷粒，可以确定脱粒损失。
37.在太赫兹图像中识别谷穗的步骤对于区分单个的、已经分离的谷粒与仍然由未脱粒的谷穗持有的谷粒是重要的。可以在太赫兹图像本身中识别谷穗，例如通过利用未脱粒的谷粒在谷穗内部很好地对准的特性。可以通过使用用于检测频率大于10thz的辐射的图
像传感器 (诸如图3中所示的相机230)获得样本500的第二图像来改进二维图像中谷穗的检测。当将太赫兹图像与第二图像对准时，来自两个图像的可用信息的组合可以被用于以增加的准确性识别作物样本500中的任何谷穗的位置。虽然太赫兹辐射非常适合检测未脱粒(或部分未脱粒)的谷穗内的谷粒，可见光和/或红外光可能例如更适用于检测作物样本500中的谷穗。
38.通过组合来自多个不同传感器的图像数据以识别图像中可以找到谷穗的位置，可以实现进一步的改进。当对准由不同传感器获得的图像时，在太赫兹图像中对未脱粒谷粒的搜索可以仅限于在第二图像中检测到谷穗的那些位置。这允许更高效的谷粒检测算法以及未脱粒谷穗内的谷粒与作物样本500中其它地方的丢失谷粒(或丢失谷粒的组) 的更好区分。为了识别为执行根据本发明的方法而获得的不同图像中谷穗和/或谷粒，可以使用经训练的神经网络和/或其它人工智能(ai) 算法。
39.在尝试检测任何未脱粒的谷穗之前，首先将通过脱粒系统或在脱粒系统下游的作物流的一部分转移到旁路区段，可以实现脱粒损失测量的准确性的进一步改进。当从主作物流中分离作物样本500时，可以分析更薄和/或更慢移动或甚至静止的作物样本500。因此，虽然这种旁路区段将引入一些附加的机械复杂性，但它可以显著提高脱粒损失测量的准确性。仅作为示例，可以在秸秆搅拌机58处提供旁路区段，其中一些作物残渣可以被侧向转移到用于测量脱粒损失的传感器。
40.优选地，用于确定脱粒损失的方法不仅限于检测未脱粒的谷穗，还包括基于测得的反射和/或透射确定识别出的谷穗中的谷粒数量。除了完全脱粒和未脱粒的谷穗外，作物样本500还可以包括仍含有一个或多个谷粒的部分脱粒的谷穗。通过计数识别出的谷穗中留下的谷粒数量，使得能够更准确地确定脱粒系统的功效并且更好地调整脱粒系统的操作设置以优化例如脱粒剧烈性。