【技术实现步骤摘要】
本专利技术涉及菌草自适应收割深度控制系统，尤其涉及菌草自适应收割深度控制系统。
技术介绍
1、随着大规模机械化收割技术的发展，如何提高菌草的收割效率和精确度成为了一个亟待解决的问题，现有的菌草收割设备普遍存在着对复杂生长环境的适应性不足，特别是在面对菌草茎秆与收割机刀具组接触时的反弹效应，往往难以实现精准的收割深度控制，导致收割作业中出现反复卡顿、漏割、过度割损或割不彻底的现象。
2、菌草茎秆在接触刀具组时，常由于其弹性而发生反弹效应，导致原本已被切割的菌草再次进入刀具组前区域，但无法进入刀具组完成粉碎，这种反弹效应的发生使得现有收割设备难以有效处理菌草茎秆，特别是在高密度或特定环境条件下，传统固定深度的刀具难以适应这种复杂的运动行为，进而影响整体收割效率。
技术实现思路
1、本专利技术提供了菌草自适应收割深度控制系统。
2、菌草自适应收割深度控制系统，包括以下步骤：
3、摄像头监测模块：将摄像头安装在刀具组防护罩侧壁，实时捕捉刀具组前的收割情况的初始图像数据，记录菌草茎秆的运动轨迹；
4、反弹效应识别模块：基于初始图像数据中记录的运动轨迹，通过卷积神经网络识别菌草茎秆的运动特征，判断菌草茎秆是否发生反弹效应；
5、反弹效应评分模块：基于卷积神经网络识结果，记录反弹次数以及反弹频率，根据反弹次数、反弹频率进行反弹效应评分，评分越高表示反弹的菌草茎秆越多，反弹效应越严重；
6、深度自适应调节模块：根据所述反弹效应
7、当反弹效应评分超过预设评分阈值时，刀具组进行双向深度调整，即在深度与浅度之间反复循环调整，以确保反弹的菌草茎秆顺利进入刀具组；
8、当反弹效应评分低于预设评分阈值时，刀具组仅进行单方向的深度调整，节省能耗，提高效率，直至反弹效应菌草茎秆进入刀具组后恢复至原定深度。
9、可选的，所述摄像头采用工业摄像头，通过固定支架安装在刀具组防护罩的侧壁，所述摄像头通过多次采样图像，结合运动跟踪算法，记录菌草茎秆在接近刀具组时的运动轨迹。
10、可选的，在记录菌草茎秆接近刀具组时的运动轨迹时，所述运动跟踪算法采用光流法，光流法通过连续图像帧之间像素点的运动变化，计算出物体的运动速度与方向，对菌草茎秆运动轨迹的实时追踪；
11、在本专利技术中，所述光流法通过摄像头捕捉连续的图像帧，记录菌草茎秆在刀具组前的运动轨迹，每一帧图像中的菌草茎秆像素点会被实时跟踪，通过计算像素点在两帧和之间的位移，得到茎秆在收割过程中的运动轨迹。
12、可选的，所述通过卷积神经网络识别菌草茎秆的运动模式具体包括：
13、基于光流法得到的位移得到菌草茎秆的运动轨迹，作为卷积神经网络的输入；
14、卷积神经网络通过多层卷积层、池化层和全连接层，对输入的运动轨迹数据进行模式提取，每一帧图像数据和其间的运动变化经过多个卷积核的处理，提取出菌草茎秆的运动特征，运动特征包括：
15、菌草茎秆与刀具组的接触频率和位置变化；
16、菌草茎秆反复移动的轨迹；
17、菌草茎秆运动的速度和方向的变化趋势；
18、经过卷积和池化后的特征图用于识别复杂的运动模式，最终输出一个高维特征向量f，表示菌草茎秆的运动模式。
19、在卷积神经网络中，运动轨迹数据可被离散化为帧数据输入，假设在时间t时刻摄像头捕获的运动轨迹片段为一组连续的帧序列，其中每帧图像包含菌草的位置信息。
20、可选的，所述判断菌草茎秆是否发生反弹效应包括基于卷积神经网络提取的运动特征，通过双标准来判断是否发生反弹效应。
21、可选的，所述双标准包括菌草茎秆多次接触刀具组未被完全切割、菌草茎秆在刀具组前方的固定范围内的反复移动。
22、可选的，所述菌草茎秆多次接触刀具组未被完全切割的标准包括：
23、通过卷积神经网络分析出的运动特征，检测菌草茎秆在刀具组前方是否有频繁的短时间接触行为，如果运动特征显示菌草在短时间内多次接触刀具组的某区域，但没有通过刀具组被切割，则视为反弹效应，通过接触次数，即反弹次数n进行计算：n＞nthreshold，如果反弹次数超过阈值nthreshold，判断菌草未被切割并存在反弹。
24、可选的，所述菌草茎秆在刀具组前方的固定范围内的反复移动的标准包括：
25、通过卷积神经网络提取的运动轨迹，检测菌草茎秆是否在固定的空间范围内反复移动，这种行为通常与反弹效应相关，通过运动轨迹的周期性变化和位移数据来判断反弹，如果轨迹在固定范围内来回移动，即反弹，且反弹频率m超过阈值mthreshold：
26、m＞mthreshold且∣r(t1,t2)∣＜rthreshold，判断菌草发生了反弹效应，
27、r(t1,t2)表示菌草茎秆在时间t1到t2之间的位移（运动轨迹范围），换句话说，它表示菌草在这段时间内，在刀具组前的运动范围或移动距离，∣r(t1,t2)∣是菌草运动范围r(t1,t2)的绝对值。
28、可选的，所述反弹效应评分模块根据反弹次数和反弹频率进行反弹效应评分，具体包括：
29、通过检测菌草茎秆在刀具组前的反弹接触次数和单位时间内的反弹频率，计算反弹效应评分，评分公式为：，其中，和分别为用于调节反弹次数和反弹频率对评分影响的权重参数；评分越高，表示反弹的菌草茎秆数量越多，反弹效应越严重，根据该评分调整刀具组的工作深度，以应对不同程度的反弹效应。
30、可选的，所述运动轨迹计算表示为：
31、，其中，表示菌草茎秆在时间时的二维空间位置，描述菌草茎秆从初始位置到当前时刻的运动轨迹，和是时间时刻的运动速度，和分别表示菌草茎秆在时间时的初始位置坐标；和分别表示菌草茎秆在时间时刻在方向和方向的速度分量；和分别表示菌草茎秆在时间内在和方向上的累积位移，表示菌草在方向上的位移，表示菌草在方向上的位移。
32、本专利技术的有益效果：
33、本专利技术，通过工业摄像头和卷积神经网络的结合，能够精准检测菌草茎秆在刀具组前的反弹效应，借助光流法记录菌草茎秆的运动轨迹，结合卷积神经网络提取出的高层次运动特征，能够有效识别复杂的反弹行为，如短时间内多次接触刀具组而未切割，或菌草在刀具组前方的固定范围内反复移动，这种检测机制在传统收割设备中尚未得到应用，提升了对菌草运动模式的理解和判断能力，从而保证了收割作业的精确性和稳定性。
34、本专利技术，引入了反弹效应评分机制，依据菌草的反弹次数和反弹频率，动态调整刀具组的深度，通过评分，能够根据反弹效应的严重程度，自动判断是进行单方向的深度调整，还是需要双向深度循环调整，确保反弹的菌草能够顺利进入刀具组进行粉碎处理，这种智能化的调节策略确保了系统能够根据实际的作业情况自适应调整，提高了作业的效率和处理能力，避免了传统收割系统中的重复卡顿和误本文档来自技高网...
【技术保护点】
1.菌草自适应收割深度控制系统，其特征在于，包括以下步骤：
2.根据权利要求1所述的菌草自适应收割深度控制系统，其特征在于，所述摄像头采用工业摄像头，通过固定支架安装在刀具组防护罩的侧壁，所述摄像头通过多次采样图像，结合运动跟踪算法，记录菌草茎秆在接近刀具组时的运动轨迹。
3.根据权利要求2所述的菌草自适应收割深度控制系统，其特征在于，所述运动跟踪算法采用光流法，所述光流法通过摄像头捕捉连续的图像帧，记录菌草茎秆在刀具组前的运动轨迹，每一帧图像中的菌草茎秆像素点会被实时跟踪，通过计算像素点在两帧和之间的位移，得到茎秆在收割过程中的运动轨迹。
4.根据权利要求3所述的菌草自适应收割深度控制系统，其特征在于，所述通过卷积神经网络识别菌草茎秆的运动模式具体包括：
5.根据权利要求4所述的菌草自适应收割深度控制系统，其特征在于，所述判断菌草茎秆是否发生反弹效应包括基于卷积神经网络提取的运动特征，通过双标准来判断是否发生反弹效应。
6.根据权利要求5所述的菌草自适应收割深度控制系统，其特征在于，所述双标准包括菌草茎秆多次接触刀具组
7.根据权利要求6所述的菌草自适应收割深度控制系统，其特征在于，所述菌草茎秆多次接触刀具组未被完全切割的标准包括：
8.根据权利要求7所述的菌草自适应收割深度控制系统，其特征在于，所述菌草茎秆在刀具组前方的固定范围内的反复移动的标准包括：
9.根据权利要求8所述的菌草自适应收割深度控制系统，其特征在于，所述反弹效应评分模块根据反弹次数和反弹频率进行反弹效应评分，具体包括：
10.根据权利要求3所述的菌草自适应收割深度控制系统，其特征在于，所述运动轨迹计算表示为：，其中，表示菌草茎秆在时间时的二维空间位置，描述菌草茎秆从初始位置到当前时刻的运动轨迹，和是时间时刻的运动速度，和分别表示菌草茎秆在时间时的初始位置坐标；和分别表示菌草茎秆在时间时刻在方向和方向的速度分量；和分别表示菌草茎秆在时间内在和方向上的累积位移，表示菌草在方向上的位移，表示菌草在方向上的位移。
...【技术特征摘要】
1.菌草自适应收割深度控制系统，其特征在于，包括以下步骤：
2.根据权利要求1所述的菌草自适应收割深度控制系统，其特征在于，所述摄像头采用工业摄像头，通过固定支架安装在刀具组防护罩的侧壁，所述摄像头通过多次采样图像，结合运动跟踪算法，记录菌草茎秆在接近刀具组时的运动轨迹。
3.根据权利要求2所述的菌草自适应收割深度控制系统，其特征在于，所述运动跟踪算法采用光流法，所述光流法通过摄像头捕捉连续的图像帧，记录菌草茎秆在刀具组前的运动轨迹，每一帧图像中的菌草茎秆像素点会被实时跟踪，通过计算像素点在两帧和之间的位移，得到茎秆在收割过程中的运动轨迹。
4.根据权利要求3所述的菌草自适应收割深度控制系统，其特征在于，所述通过卷积神经网络识别菌草茎秆的运动模式具体包括：
5.根据权利要求4所述的菌草自适应收割深度控制系统，其特征在于，所述判断菌草茎秆是否发生反弹效应包括基于卷积神经网络提取的运动特征，通过双标准来判断是否发生反弹效应。
6.根据权利要求5所述的菌草自适应收割深度...
【专利技术属性】
技术研发人员：高霞，张燕，司元明，韩雪梅，隋峰，史文卿，牟文艳，
申请(专利权)人：山东省农业技术推广中心山东省农业农村发展研究中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。