谷物联合收割机远程测产系统开发及降噪试验.pdf

第 30 卷 第 2 期 农 业 工 程 学 报 Vol.30 No.2 2014 年 1 月 Transactions of the Chinese Society of Agricultural Engineering Jan. 2014 1 谷物联合收割机远程测产系统开发及降噪试验 李新成 1,2，李民赞1，王锡九3，郑立华1， 张 漫 4，孙茂真3，孙 红4 （1.“现代精细农业系统集成研究”教育部重点实验室，中国农业大学信息与电气工程学院，北京 100083； 2. 青岛农业大学机电工程学院，青岛 266109；3. 山东省桓台县农业局，淄博 256400； 4. 农业部农业信息获取技术重点实验室，中国农业大学信息与电气工程学院，北京 100083） 摘 要：为降低田间振动干扰对谷物产量检测精度的影响，同时增加测产系统的实用性，设计了一种基于 CAN 总线技术、无线通信技术以及计算机网络技术的新型谷物智能测产系统。系统包括车载子系统和远程监测子系统 2 个部分，实现了谷物产量的现场监测、产量图绘制、远程监控与收获作业管理等功能。车载部分设计了弧形冲 量传感器，提出了机械减振和双板差分方法来降低收割机振动对谷物流量测量的影响，采用数字阈值滤波的方法 来提高谷物产量的测量精度，并建立了总产量和单位面积产量的数学模型。田间动态试验结果表明双板回归差分 方式滤除干扰的效果优于直接差分，其最大测产误差为 8.03%，测产平均误差为 3.27%，最大测产误差比直接差 分方式降低了 7.12 个百分点，最后绘制了试验地块的产量分布图。另外，系统的远程监控部分开发了界面友好的 收获作业管理系统，实现了谷物产量的远程监测与管理。系统总体运行性能良好，满足了测产需要。 关键词：谷物；传感器；试验；测产；降噪；产量图；精细农业 doi：10.3969/j.issn.1002-6819.2014.02.001 中图分类号：TH823+.3; S24 文献标志码：A 文章编号：1002-6819(2014)-02-0001-08 李新成，李民赞，王锡九，等. 谷物联合收割机远程测产系统开发及降噪试验J. 农业工程学报，2014，30(2)： 18. Li Xincheng, Li Minzan, Wang Xijiu, et al. Development and denoising test of grain combine with remote yield monitoring systemJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(2): 18. (in Chinese with English abstract) 0 引 言 谷物产量在农田中具有空间变异性，产量的大 小集中反映了谷物的生长和管理情况，因此获取准 确的产量空间分布信息是实施精细农业的重要基 础1。国外 Ag Leader、Micro Track、CASE IH 等公 司的联合收获机上均安装了自己研发的测产系统， 目前国内还没有商品化的测产系统，一些大学和科 研院所在引进消化国外先进技术的基础上，研制开 发了一些低成本的测产系统。周俊等2构建了一种 以平行梁结构冲量式谷物质量流量传感器为核心 部件的测产系统，在正常农田地面状况下，单产和 总产测产误差在 10%范围内。胡均万等3设计了双 收稿日期：2013-12-26 修订日期：2014-01-10 基金项目： 国家 “863” 计划 （2012AA101901） 和农业 “948” 项目(2011-G32) 联合资助 作者简介：李新成（1976） ，博士生，主要从事农业信息获取技术研 究。北京 “现代精细农业系统集成研究”教育部重点实验室，中国农 业大学，100083。Email：xincheng_li 通信作者：李民赞（1963） ，教授，博士生导师，主要从事精细农 业系统集成与农业信息化技术研究。北京 “现代精细农业系统集成研 究” 教育部重点实验室， 中国农业大学， 100083。 Email： limz 板冲量式谷物流量传感器，利用电路差分的方法使 测产误差降到 5%； 陈树人等4开展的冲击式流量传 感器性能试验，田间水稻测产精度误差小于 3.8%， 但当谷物流量大于 2 kg/s 时，测量误差会增大；王 志全等5采用软件滤波、电路抗干扰设计等方法消 除振动干扰，动态测量误差可达到5%以内；王薄 等6开发了以ARM7为核心的单板冲击式谷物产量 监测系统，取得了较高精度的研究成果。此外，张 小超、朱聪玲等7-13人也开展了测产传感器以及振 动对测产系统影响等方面的研究，并取得了一定的 研究成果。 这些系统都从减小振动信号影响的角度降低 了测量误差，但在恶劣的田间环境下工作时，很难 大幅度降低机器振动，动态测产误差仍然较大。如 何在恶劣的农田环境下获得高的测产精度，成为谷 物联合收割机自动测产系统开发以及推广应用亟 待解决的关键技术难题。因此，本文研发了基于 CAN 总线技术、GPRS 通信技术以及计算机网络技 术的智能谷物产量监测系统，其中核心部分的谷物 流量传感器采用双弧形板对称结构和机械减振装 置来消除振动干扰；通过试验分析，提出了回归差 结合研究关键技术 农业工程学报 2014 年 2 分的数据预处理方法以提高产量的测量精度，并建 立了谷物总产量和单位面积产量的数学模型。同 时，为了提高测产系统的实用性，还开发了界面友 好的测产系统控制与管理系统。 1 智能谷物测产系统开发 1.1 谷物测产系统硬件结构 开发的谷物智能测产监控系统整体结构如图1所 示，共分为 2 个子系统：谷物产量智能传感监测子系 统以及远程监控与收获作业精细管理子系统。 谷物产 量智能传感器子系统由工控机、CAN 总线数据采集 模块、GPS 接收机、质量流量传感器等多种传感器及 其信号调理电路组成。 谷物流量传感器是测产系统的 关键部件，常用的有光电容积式、辐射式、冲量式等 型式，其中冲量式流量传感器具有结构简单、成本低 廉等优点14-16，在国内外得到了广泛应用。本文在实 验室前期的研究基础上， 设计了一种基于双弧形板对 称结构和机械减振装置的新型冲量式质量流量传感 器，如图2 所示，主要由减振垫、传感器底座、弹性 梁、弧形冲击板、检振板、应变电桥、减振器、固定 支架等构成。 图 1 系统组成结构图 Fig.1 Structure chart of system 系统中湿度传感器型号为北京联创思源测控 技术有限公司生产的 FDS100，采用三探针结构， 探针长度 5.3 cm，测量范围 0100%，测量精度 2%。温度传感器采用 Pt100 铂热电阻，测量谷物 温度的精度为 0.5oC，主要用于谷物水分含量测量 的校正补偿。割台高度传感器和 2 个测速传感器由 自主开发，割台高度传感器采用精密电位器式角位 移传感器，其阻值为 5 k，机械转角 270，实际测 量割台转角 040，该精密导电塑料电位器启动 力矩小， 线性度 0.1%； 测速传感器均采用上海京川 电器有限公司生产的 NJK5002 型霍尔元件， 测量收 割机前进速度的传感器安装在前驱动轮主轴上，测 量升运器转速的传感器安装在净粮升运器底部轴 外侧。 1.减振垫 2.传感器底座 3.弹性梁 4.弧形冲击板 5.检振板 6.应变 电桥 7.减振器 8.固定支架 1.Damping pad 2.Foundation 3.Elastic beam 4.Arc impact plate 5.Detection plate of vibration 6.Strain gauge bridge 7.Shock absorber 8.Fixed support 图 2 双板差分式冲量传感器结构示意图 Fig.2 Structure sketch of double plates differential impact sensor 系统工作时，工控机负责从 CAN 总线上读取 谷物流量传感器数据、 升运器轴转速、 谷物含水率、 收割机行进速度和割幅宽度等用于测量谷物产量 的关键数据；再从 GPS 模块上接收地理位置信息， 进行处理后完成产量分布图的绘制，并实时显示在 工控机上17。 远程监控与收获作业精细管理子系统通过 GPRS 模块实现远程服务器通信，数据采用定时发 送方式，当定时时间到时，将打包的产量信息发送 到远程服务器，供用户用于精细管理决策。 1.2 系统软件设计 为实时获取产量信息并显示，系统软件主要完 成设备配置、各种传感器的数据采集、GPS 信号的 采集，以及数据的存储、处理、显示和产量图生成 等功能。其软件功能图及程序主界面如图 3 所示。 图 3 系统软件功能图 Fig.3 Functional diagram of system software 第 2 期 李新成等：谷物联合收割机远程测产系统开发及降噪试验 3 软件各部分的功能如下： 1）设备配置：用于实现软件系统和硬件设备 的连接以及相关设备参数的配置，主要包括 CAN 总线设备、GPS 设备和 GPRS 设备的配置。 2）数据实时采集：主要包括 5 路模拟传感器 信号（流量传感器的前后板信号、谷物温湿度传感 器信号、割幅宽度和割台高度信号），2 路数字脉 冲信号（地速传感器和升运器转速传感器信号）， 以及实时的 GPS 信号。 3）数据处理：对采集到的模拟传感器信号进 行数字滤波和线性插值处理，去除流量信号中的奇 异值；此外，还要对实时的 GPS 数据进行解析，对 其数据格式中的“经度”、“纬度”、“时间”等 相关字段进行提取，并转换为实际的坐标值。 4）产量测算：通过实时采集的数据进行运算， 可以得到农田的亩产量、总产量以及任选区域的总 产量以满足家庭农场粮食规模化生产的需求。在软 件接收界面中，可以显示时间、经度、纬度、谷物 实时产量和温湿度等信息。 5）实时绘图：主要包括收割机作业的产量点 图绘制以及插值后的农田产量分布图。通过绘图功 能，可以直观的观察到收割机的作业位置以及产量 的分布情况。 6）GPRS 定时发送：根据设定时间，周期性地 向远程服务器端发送现场测产数据，并对 GPRS 发 送的语句格式进行相关定义。 2 试验平台与试验方法 测产试验平台为中小型谷物联合收割机，型号 为东方红 4LZ-2.5，其性能参数如表 1 所示。 表 1 4LZ-2.5 联合收割机参数指标 Table 1 Parameters of 4LZ-2.5 combine harvester 性能指标 Performance indicator 技术参数 Technical parameters 发动机功率/kW 67.5 最大喂入量/(kgs-1) 2.5 工作质量/kg 4300 割幅/m 2.36 外形尺寸 6065 mm 2726 mm 3260 mm 测产系统性能试验包括 4 部分：1）静态试验： 实验室内对单个冲击式流量传感器进行性能测试； 2）田间振动试验：使收割机空转，在田间振动的 条件下，测试流量传感器前板和后板的振动信号变 化情况。传感器采用 2 个结构性能一致的单板冲击 式流量传感器构成双板差分式谷物流量传感器，它 利用前板接收谷物冲击和噪声双重信号，后板只接 收噪声信号、没有谷物冲击信号的特点，对前后板 信号进行差分，获得除去噪声后的更加精确的谷物 产量信息；3）田间测产试验：在小麦收割过程中 分别对谷物质量流量、含水率、GPS 信号以及收割 机的行走速度等数据进行采集测量。4）产量数据 处理及产量分布图生成。 3 结果与分析 3.1 系统静态性能试验 实验室中，在冲量传感器的感力板上加载不同 质量的砝码，测试传感器的输出电压信号值，得到 电压与质量的关系曲线7。测试结果如图 4 所示， R2为 0.9969，这说明传感器在不同载质量下具有很 好的线性决定系数。 图 4 传感器载质量与输出电压 Fig.4 Sensor load and output voltage 3.2 系统田间性能试验 2013年6月在山东省桓台县逯家村小麦试验田 里进行了小麦收割的田间试验。收割机在田间工作 时，由于发动机转动、割台收割、脱粒筒转动以及 地面不平整等原因产生的振动会对谷物流量传感 器信号产生很大的干扰，田间试验时，分别进行了 振动试验和谷物测产试验。测产试验在地块扫边后 的区域内进行，收割机割幅为满幅 2.36 m，喂入量 在 02.5 kg/s 范围内，收割机行进速度设为匀速， v=3.6 km/h，收获时谷物的平均含水率为 16.9%。 通过测试收获时流量传感器的动态输出信号和人 工称质量，分析了电压与谷物质量的相关性，并标 定了两者之间的函数关系。 3.2.1 空载行进振动试验 试验时，启动收割机，使其在田间处于空载行 进状态。这时，由于没有实际的谷物收获，所以流 量传感器采集的是机械振动产生的噪声信号。 图 5a 是一段时间内流量传感器前板和后板的噪声振动 信号，其中前板的振动噪声信号均值 0.4536V，在 实际产量信号平均值 0.30.6V 范围内，若不加处 理，将会产生较大的误差。 因为流量传感器的前板和后板安装在同一固 定件上，理论上，机械振动对前后板敏感元件的作 农业工程学报 2014 年 4 用是近似一致的，通过将二者做差分处理，一定程 度上可以消除噪声信号对实际测量信号的影响。通 过观察可以发现，前后板空载输出信号范围分别为 00.8835 V 和 00.9543 V，前后板振动情况基本 一致，其平均误差为 12.5%。这 2 个曲线在本质上 有相同的变化趋势，因此，采用了双板差分流量传 感器。传感器的前板用于检测谷物质量流量信号， 后板用于检测振动噪声信号。 a. 空载时前后板振动信号 a. Dynamic noise signal of pre-harvest b. 空载时前后板振动噪声信号回归曲线 b. Regression curve of noise c. 前后板振动信号的 2 种处理 c. Processing of dynamic noise signal with two methods 图 5 空载振动噪声与处理 Fig.5 Dynamic noise signal and processing of pre-harvest interval 对于前后板输出信号存在的差异，分析原因, 主要是由于传感器的前后板安装位置与传感器支 架固定端距离不同，收割机的机械振动对其敏感梁 产生的作用力不同引起，因此，利用直接差分进行 消噪，效果不够理想。为此，提出了一种回归差分 方法，将后板振动信号通过回归来近似得到前板的 振动信号,然后再进行差分处理。 前后板噪声的最小 二乘法回归方程为： y=0.5383x+0.2398 （1） 式中：y 为前板振动信号，V；x 为后板振动信号， V。回归曲线如图 5b 所示，决定系数 R2为 0.8555， 这说明前后板振动信号有较好的相关性。图 5c 为 振动信号经直接差分和回归差分 2 种方法处理后的 曲线，可以看出，经回归差分后的振动信号比经直 接差分后的要弱。 进一步对噪声信号处理方法进行定量分析和 对比，如表 2 所示。由表中数据可见，不加处理时， 传感器前板（谷物冲击板）噪声信号无法消除；直 接差分处理时，噪声信号电压均值为 0.3666 V，振 动噪声得到了降低，但效果不佳；利用回归差分方 法，处理后的噪声信号均值为 0.1672 V，这表明， 回归差分法的去噪效果优于直接差分法。 表 2 前板噪声信号处理效果对比 Table 2 Comparison of noise signal between different methods 前板噪声 信号处理方式 Processing method of noise signal 测试期间噪声 电压总和 Total noise/V 噪声电压 平均值 Average noise/V 噪声消除率 Eliminate rate/% 不加处理 30.4223 0.4541 0 直接差分处理 24.5647 0.3666 19.3 回归差分处理 11.2025 0.1672 54.4 3.2.2 测产试验 收获试验时测得的流量传感器信号输出如图 6 所示。图 6a 是谷物收获过程中一段时间内后板的 噪声信号，最大值为 1.5851 V，均值为 0.1583 V， 变异系数为 1.7215；图 6b 是收割机在田间空地上 行走时一段时间内测得的后板噪声，其空载最大值 为 0.9543 V， 均值为 0.3971 V， 变异系数为 0.6170。 收获过程中的噪声极值和变异系数均比空载时的 大，这是由收获时田间地形凹凸不平以及收割机速 度不稳引起，而均值减小则是因收割机粮仓存粮使 得收割机振动程度减弱所致，表明收获前后振动强 度不同。图 6c 为实际收获时流量传感器信号 2 种 差分方法的比较，图中的直接差分流量信号之和为 46.701 V，回归差分后的信号之和为 30.558 V，总 体数值减小，说明回归差分方式更为有效的削弱了 噪声信号。因此，本文采用回归差分方法对流量传 感器信号进行预处理。 3.2.3 总产量计算 通过对流量传感器信号电压积分可以计算出 谷物总产量。实际工作时，将积分运算转化计算累 加和的方式来实现3，系统对流量传感器信号进行 第 2 期 李新成等：谷物联合收割机远程测产系统开发及降噪试验 5 a. 田间收获时后板噪声 a. Noise signal of rear plate in mid-harvest b. 田间空载行进时后板噪声 b. Noise signal of rear plate in pre-harvest c. 田间收获时不同处理方法得到的质量流量电压信号 c. Mass flow signal of two methods in mid-harvest 图 6 测产试验流量传感器信号图 Fig.6 Flow sensor signal of field test 采样，频率为 1Hz。从图 6c中可见，差分处理后得 到的产量电压信号中仍包含奇异值，经阈值滤波并 采用电压累加求和的方式估算总产量时， 这些正负变 化的随机误差基本上可以相互抵消。此处分别采用 2 种差分法进行了总产量的标定和验证，具体如下： 用直接差分法进行总产量标定时，对采样电压 数据进行直接差分并求和得到直接差分电压的累 加值 U，通过人工称量得到总产量 Y，再将 Y 和 U 进行相关性分析后，利用最小二乘法得到总产量标 定方程： Y=2.2638U1+159.54 （2） 式中：Y 为总产量，kg；U1为采样期间内直接差分 电压累加和，V。测产试验时，直接差分测产的平均 误差（将所有误差取绝对值后求平均值可得平均误 差）为8.98%；其中有两处地块预测误差最大，最大 正误差15.15%，最大负误差-6.48%，如表 3 所示。 利用回归差分法进行总产量标定时，采用同样 的标定方法，得到总产量的标定方程为： Y=3.2507U2+245.36 （3） 式中：Y 为总产量，kg；U2为采样期间内回归差分 电压累加和，V。测产试验中，回归差分法的最大 正误差 8.03%，最大负误差1.43%，平均误差为 3.27%。对比表 3 中的数据，可以看出回归差分法 可以明显提高测产精度。因此，系统最终确定采用 回归差分方法进行产量预测。本次试验的测产误差 较大，分析试验实地情况知，这主要是由其收获区 域中灌溉设施、水渠较多，振动程度剧烈，前后板 噪声信号的一致性变差，使得噪声信号消除效果不 理想所致；另外，系统测量的启动、停止时间与实 际收获时间不一致，产量信号记录不准，以及标定 时谷物称量精度不高等也造成了误差。 表 3 总产量试验数据表 Table 3 Test and verification of total yield data 地块 plot 数据处 理方法 Data processing 差分电压和 Total differential voltage/V 实际 收获量 Actual yield/kg 预测 收获量 Predict yield/kg 误差 Error /% 1 直接差分 296.83 722 831.37 15.15 2 直接差分 80.79 366 342.29 -6.48 3 回归差分 100.23 621 571.17 8.03 4 回归差分 146.38 711 721.19 -1.43 3.2.4 单位面积产量计算 计算单位面积产量是谷物测产系统最关键的 环节。预测地块中各小区域的单位面积产量时，使 用回归差分后的电压采样值来计算。收割机工作 时，小区域内的实际总产量很难用称质量的方法直 接得到，从而实际单位面积产量也就无从获得，因 此这里提出了一种间接方法来获取小区域的谷物 总产量，然后再进行单位面积产量的计算和标定。 步骤如下：先对产量数据进行预处理，取相邻 ak(k=1,2,.,n)个采样点构成一个小区域，对超过阈 值范围的数据点进行剔除；对于连续出现的极值数 据点则认为是真值，进行保留。然后，计算出此小 区域累加电压的平均值，对应于该小区的总产量。 取 n 个类似的小区域，将所有小区域的电压平 均值求和得到一个总电压量 U0， 此电压值对应一个 大区域的总产量 M。这样根据每个小区电压的平均 农业工程学报 2014 年 6 值即可计算出该小区域的总产量，再除以小区的面 积可得单产量。具体算法如下： 设落在小区内的采样点数为 ak(k=1,2,n)，k 为小区的编号，则第 k 个小区内的平均电压值： 1 k a kj j k k U U a = = （4） 式中： Ukj(j=1,2, ak)为第 k 个小区内第 j 个采样点 回归差分电压值，V； k U (k=1,2,n)为第 k 个小区 所有采样点回归差分的平均电压值，V。 进一步，求出 n 个小区平均电压的总和： 1 n ok k UU = = （5） 式中：U0为n个小区平均电压的总和，V。 设M为n个小区的谷物称量总质量，kg， 则通 过式（6）可以求出第k个小区的总产量值 k m(k=1,2,n)，kg： k k o U mM U = （6） 其中，令： o M U = （7） 则即为单个小区总产量值的标定系数。 进而， 可得第k个小区的湿重单位面积产量值： 4 10 k k d U y vtw = （8） 式中：v为收割机前进速度，m/s；t为小区收获时 间，s；wd为割幅宽度，m。yk为湿重单位面积产量 值，kg/hm2。 再按市场谷物标准含水率换算得到实际单位 面积产量值（简称单产量）： 1 1 a kk r h Yy h = （9） 式中：Yk为市场标准的单位面积产量，kg/hm2；ha 为收获时谷物的平均含水率，为16.9%；hr为市场 谷物标准的含水率，一般可取10%。 试验时，为保证产量检测具有较好的实时性和 精确度，均取相邻的5个点构成一个小区域，即 ak=5。因单个区域的标定系数带有随机性，为此， 标定时测试了10个区域，求出各个区域中的标定 系数i后，再对10组标定系数求平均值，得亩产 量的标定系数： 10 1 1 31.738 10 i i = = （10） 表4为测产试验得到的其中5组预测数据，收 割机田间作业时，单产量难以实测，故未对单产量 模型进行验证。 表 4 单产预测数据表 Table 4 Prediction of yield per unit 试验 序号 Serial 小区域电压平均值 Average voltage of district /V 小区面积 Area of the district/m2 小区预测单产量 Predict yield per unit/(kghm-2) 1 0.18396 10.22 5713.80 2 0.21400 10.22 6646.80 3 0.32513 10.22 8745.00 4 0.25686 10.22 6908.70 5 0.14814 10.22 3984.45 3.3 产量分布图的生成 产量图是现代农业中进行农田科学管理和决 策的重要依据，利用产量图, 可以直观了解到田间 谷物产量分布情况18。进一步分析农田产量的差异 性，找出影响产量变化的原因，从而对农田实行分 区管理，达到粮食增产的目的。 测产系统工作时，根据实时产量和对应的GPS 坐标可以生成产量图，产量图的准确度受到用于生 成产量图的数据测量误差的影响，如质量流量、割 幅宽度、含水率等19。系统采集收割机行走速度、 割幅以及瞬时谷物流量等参数后，根据文中提出的 亩产量计算方法确定出单位面积产量，再分区间对 应不同的灰度颜色， 并标示在对应的农田GPS位置 点上，即可得到产量分布图20。系统通过调用内嵌 的Surfer软件绘制谷物产量分布图，选用三角网线 性插值方法生成了山东省桓台县小麦试验田2013 年6月的产量分布图，如图7所示。 图 7 桓台县逯家村小麦试验田产量分布图 Fig.7 Grain yield map of Lujia village 第 2 期 李新成等：谷物联合收割机远程测产系统开发及降噪试验 7 从图7中可以看出，单产量主要集中分布在 3 0009 000 kg/hm2区间内，但也有一些区域的产 量偏低。了解实地情况知，当地麦田的耕作管理采 用粗放方式， 地块施肥均匀。 分析产量偏低的原因， 部分是由灌溉水渠、农田电力线杆等设施占用了耕 地，没有种植小麦；另外还有一些小区域是因地势 较低，灌溉过涝造成了产量下降。 4 结 论 1）构建了一套基于CAN总线技术和计算机网 络通信技术的谷物产量智能监测系统，包括车载传 感监测子系统以及远程监控与收获作业精细管理 子系统2个组成部分。 2）系统采用机械减振、双板回归差分以及数 字阈值滤波等方法降低收割机振动对质量流量测 量的影响，与直接差分相比，谷物产量的平均测量 精度提高了5.71个百分点， 并给出了谷物总产量与 单位面积产量的计算模型。田间试验表明该测产系 统总产量平均误差为3.27%，在恶劣路况下工作时 最大误差为8.03% 3） 通过系统内嵌的surfer软件生成了谷物产量 分布图， 并分析了低产区的成因。 除冲击振动以外， 产量图的整体精度还受到其他误差源的影响，如谷 物脱粒、升运延时，GPS定位等。此外，单产量的 标定问题也有待于进行研究。 参 考 文 献 1 Yang C, Peterson C L, Shropshire G J, et al. Spatial variability of field topography and wheat yield in the Palouse region of the pacific northwestJ. Transactions of the ASAE，1998, 41(1): 1727. 2 周俊，刘成良. 平行梁冲量式谷物质量流量传感器信 号处理方法J. 农业工程学报， 2008， 24(1)： 183187. Zhou Jun, Liu Chengliang. Signal processing method for impact-based grain mass flow sensor with parallel beam load cellJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(1): 183187. (in Chinese with English abstract) 3 胡均万，罗锡文，阮欢，等. 双板差分冲量式谷物流 量传感器设计J. 农业机械学报，2009，40(4)：69 72. Hu Junwan, Luo Xiwen, Ruan Huan, et al. Design of a dual-plate differential impact-based yield sensor J. Transactions of the Chinese Society for Agricultural Machinery, 2009, 40(4): 69 72. (in Chinese with English abstract) 4 陈树人，杨洪博，李耀明，等. 双板差分冲量式谷物 流量传感器性能试验J. 农业机械学报，2010，41(8)： 171174. Chen Shuren, Yang Hongbo, Li Yaoming, et al. Experiment of dual-plates differential impact-based grain flow sensorJ. Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(8): 171174. (in Chinese with English abstract) 5 王志全，杨方，欧阳斌林，等. 联合收割机实时测产 系统的抗振动干扰设计J. 东北农业大学学报，2011， 42(2)：3842. Wang Zhiquan, Yang Fang, OuYang BinLin, et al. Anti-vibration interference design of combine real-time yield estimationJ. Journal of Northeast Agricultural University, 2011, 42(2): 3842. (in Chinese with English abstract) 6 王薄，李民赞，张成龙，等. 冲击式谷物流量传感器 设计与性能试验J. 农业机械学报， 2009， 40(增刊 1)： 5256. Wang Bo, Li Minzan, Zhang Chenglong, et al. Development of grain flow sensor for yield monitor system J. Transactions of the Chinese Society for Agricultural Machinery, 2009, 40(Supp.1): 5256. (in Chinese with English abstract). 7 张小超，胡小安，张爱国，等. 基于称重法的联合收 获机测产方法J. 农业工程学报，2010，26(3)：125 129. Zhang Xiaochao, Hu Xiaoan, Zhang Aiguo, et al. Method of measuring grain-flow of combine harvester based on weighingJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(3): 125129. ( in Chinese with English abstract) 8 张小超，胡小安，张银桥，等. 联合收获机粮食产量 分布信息获取技术J. 农业机械学报，2009，40(增刊 1)：173176. Zhang Xiaochao, Hu Xiaoan, Zhang Yinqiao, et al. Yield distribution information measurement for grain combine harvesterJ Transactions of the Chinese Society for Agricultural Machinery, 2009, 40(Supp.1): 173176. (in Chinese with English abstract) 9 姜国微，邱白晶，解金键，等. 谷物质量流量测量装 置的设计与试验J. 农机化研究，2012(3)：155158. Jiang Guowei, Qiu Baijing, Xie Jinjian, et al. Design and test of grain mass flow measurement deviceJ. Journal of Agriculture Mechanization, 2012(3): 155 158. (in Chinese with English abstract) 10 朱聪玲，程志胜，王洪源，等. 联合收获机割台振动 问题研究J. 农业机械学报，2004，35(4)：5961， 65. Zhu Congling, Cheng Zhisheng, Wang Hongyuan, et al. Study on the Header Vibration of a CombineJ. Transactions of the Chinese Society of Agricultural Machinery, 2004, 35(4): 5961, 65. (in Chinese with English abstract) 11 高建民，李扬波，郝磊斌，等. 压电式谷物质量流量 传感器设计及试验J. 江苏大学学报，2011，32(2)： 129133. Gao Jianmin, Li Yangbo, Hao Leibin, et al. Design and test of a novel piezoelectric grain mass flow sensorJ. Journal of Jiangsu University, 2011, 32(2): 129133. (in Chinese with English abstract) 12 谭玉芳. 联合收割机测产系统振动信号的抑制研究D. 哈尔滨：东北农业大学，2010. Tan Yufang. Inhibitory Study of Vibration Interference Signal on the Combine Yield-monitoring SystemD. Harbin: Northeast Agricultural University, 2010. (in Chinese with English abstract) 13 孙志强. 精准农业智能测产系统关键技术及仪器的研 究D. 上海：上海交通大学，2003. Sun Zhiqiang. Research on the key technologies and equipment of precision agriculture intelligent yield 农业工程学报 2014 年 8 systemD. Shanghai: Shanghai Jiaotong University, 2003. (in Chinese with English abstract) 14 Reyns P, Missotten B, Ramon H, et al .Review of combine sensors for precision farmingJ. Precision Agriculture, 2002, 3(2): 169182. 15 Choung Koun Lee, Michihisa Iida, To shikazu Kaho, et al. Development of impact type sensor for heading feeding combine J. Journal of the JSAM, 2000, 62(4): 8188. 16 Koichi Shoji, Tsuneo Kawamura, Hisashi Horio. Impact- based grain yield sensor with compensation for vibration and driftJ. Journal of the JSAM, 2002, 64(5): 108115. 17 Loghavi M, Ehsani R, Reeder R. Development of a portable grain mass flow sensor test rigJ. Computers and Electronics in Agriculture, 2008, 61(2): 160168. 18 Usery E L, Pocknee S, Boydell B. Precision farming data management using geographic information systemsJ. Photogrammetric Engineering and Remote Sensing, 1995, 61(11): 13831391. 19 Burks T F, Shearer S A, Fulton J P, et al. Effects of time-varying inflow rates on combine yield monitor accuracyJ. Applied Engineering in Agriculture, 2004, 20(3): 269275. 20 邝继双， 张漫. 产量分布图生成系统的研究J. 中国农 业大学学报，2003, 8(4)：913. Kuang Jishuang, Zhang Man. Study on a yield map generating systemJ. Journal of China Agricultural University, 2003, 8(4): 913. (in Chinese with English abstract) Development and denoising test of grain combine with remote yield monitoring system Li Xincheng1,2, Li Minzan1 , Wang Xijiu3, Zheng Lihua1, Zhang Man4, Sun Maozhen3, Sun Hong4 (1. Key Laboratory of Modern Precision Agriculture System Integration Research, Ministry of Education, College of Information and Electrical Engineering,China Agricultural University, Beijing 100083, China; 2. College of Mechanical and Electrical Engineering, Qingdao Agricultural University, Qingdao 266109, China; 3. Huantai County Agriculture Bureau of Shandong Province, Zibo 256400, China; 4. Key Laboratory of Agricultural Information Acquisition, Ministry of Agriculture, College of Information and Electrical Engineering,China Agricultural University, Beijing 100083, China) Abstract: Since grain yield in farmland has spatial variability, and the size of production can reflect the growth and management situation of grain, it is necessary to obtain accurate information on spatial distribution of production for implementing precision agriculture. However, it is still lacking of yield monitoring systems that are suitable for grain combine harvester and field conditions in China. The current developed systems in China mostly cannot reduce the vibration from the harvester, and tend to produce a large error in dynamic measurement of production. Therefore, in this study, a new type of intelligent grain yield monitoring system was developed in order to minimize the influence of the field vibration on accuracy of grain yield monitoring system and improve its practicality. The system included a remote monitoring subsystem based on computer networking technology and a vehicle-mounted sub