ArticlePDF Available

Abstract

The paper presents a prototype mechatronic system that enables implementation of selective harvesting technology in a grain combine harvester. The prototype system was validated in the field during harvest in 2012. At that time, a combine harvester equipped with the system gathered winter wheat from an area of about 70 hectares. The resulting differences in the content of protein (0 – 2,0 %) between the batches of wheat grain filling both chambers of the grain tank confirmed the technical feasibility of the use of selective harvesting technology to control the quality of grain. Further development of this technology requires significant improvement in the accuracy of prediction with the calibration model used to assess the quality of grain, because the field validation showed relatively gross errors (RMSE) in the determination of protein content (1,76%).
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 4(95)/2013
41
Mirosław Czechlowski1, Tomasz Wojciechowski2
SYSTEM MECHATRONICZNY DO SELEKTYWNEGO ZBIORU
ZIARNA ZBÓŻ
1. Wstęp
Proces zbioru płodów rolnych przy pomocy kombajnów jest podstawowym
i powszechnie stosowanym sposobem zbioru zbóż na polach uprawowych o dużej
powierzchni [1]. W trakcie zbioru całość wymłóconego ziarna, niezależnie od jego
jakości, trafia do jednego zbiornika na ziarno. Jednak jak powszechnie wiadomo
powierzchnia pola uprawnego może znacząco różnić się pod względem zasobności gleby
w składniki pokarmowe, czy też wilgotności [2, 3, 4, 5, 6] oraz charakteryzować się
indywidualnym ukształtowaniem terenu nie pozostającym bez wpływu na ilość i jakość
plonu. Najczęściej najwyższa zawartość białka obserwowana jest na wyżej położonych
terenach, natomiast wyższy plon uzyskiwany jest na niżej położonych obszarach [2, 7].
Prowadzone dotąd badania nad wykorzystaniem spektroskopii do oceny jakości
ziarna zbieranego za pomocą kombajnu zbożowego ograniczały się w większości
jedynie do monitorowania i rejestracji zawartości białka [8, 9, 10]. Natomiast próby
rozdziału strumienia ziarna, w zależności od reprezentowanej jakości, prowadzono do
niedawna wyłącznie w warunkach stacjonarnych w magazynach zbożowych [11].
Jednak w takim rozwiązaniu znaczne oddalenie punktu pomiaru od miejsca zbioru ziarna
nie gwarantuje skutecznego rozdziału z powodu wielokrotnego przemieszania ziarna
podczas zbioru, przeładunku i transportu. W efekcie zastana na polu zmienność jakości
zostaje utracona, a ziarno reprezentuje uśrednione cechy opisujące jego jakość.
Uzasadnione są więc próby dokonania rozdziału ziarna już na etapie kombajnowego
zbioru [12, 13].
Jednak zdaniem autorów niniejszej pracy algorytm decyzyjny służący do sterowania
procesem rozdziału strumienia ziarna działający wyłącznie w oparciu o dane pozyskane
za pomocą spektrometru oceniającego jakość zbieranego ziarna może być zawodny.
Szczególnie w przypadku bardzo dynamicznych zmian parametrów opisujących jakość
ziarna i jednocześnie znacznego opóźnienia tego sygnału ze względu na długi czas
przepływu ziarna przez mechanizmy omłotowe i czyszczące kombajnu [8].
Jednocześnie autorzy niniejszej pracy uważają, że prawdopodobieństwo podjęcia
poprawnej decyzji o skierowaniu ziarna do jednej z dwóch komór zbiornika ziarnowego
kombajnu zbożowego można zwiększyć wykorzystując informacje o lokalnych
zmiennych warunkach środowiskowych panujących w bezpośrednim otoczeniu
pracującego kombajnu [14].
Dlatego też podjęto się budowy mobilnego stanowiska badawczego, które pozwala
na jednoczesną ocenę jakości ziarna, lokalnie zmiennych warunków środowiskowych
oraz umożliwia rozdział strumienia ziarna trafiającego do zbiornika kombajnu na frakcje
o zróżnicowanej jakości.
1 dr inż. Mirosław Czechlowski, Instytut Inżynierii Biosystemów, Uniwersytet Przyrodniczy w Poznaniu
2 dr inż. Tomasz Wojciechowski, Instytut Inżynierii Biosystemów, Uniwersytet Przyrodniczy w Poznaniu
42
2. Budowa systemu umożliwiającego selektywny zbiór ziarna
Przeprowadzenie rozdziału strumienia ziarna zbieranego przez kombajn na frakcje o
różnej jakości wymaga jego wyposażenia w układ pomiarowy dokonujący oceny jakości
ziarna, w tym przypadku spektrometr, oraz elementy wykonawcze w postaci zasuw
sterujących przepływem ziarna. Jednak, aby rozdzielone frakcje ziarna nie uległy
ponownemu zmieszaniu zbiornik na ziarno musiał zostać wyposażony w ścianę
grodziową tworzącą dwie niezależne komory zbiornika na ziarno. Ponadto musiano
zagwarantować niezależne opróżnianie obu komór.
2.1. Modyfikacje mechaniczne
Modyfikacjom poddano kombajn zbożowy Claas Lexion 480. Wybór ten był
podyktowany wyposażeniem kombajnów tego typu w zbiornik ziarnowy posiadający
podłogę, której podłużny przekrój zbliżony był do litery „w” z dwoma przenośnikami
ślimakowymi w najniższych częściach zbiornika. Taka konstrukcja zbiornika pozwoliła
na oparcie ściany grodziowej rozdzielającej komory zbiornika na najwyższym punkcie
podłogi, jak pokazano to na rys. 1.
a) b)
Rys. 1. Przekrój podłużny zbiornika ziarna kombajnu Claas Lexion 480: a) wersja
oryginalna, b) wersja wyposażona w ścianę grodziową.
Ponieważ zbiornik kombajnu jest wyposażony w ruchome ściany boczne składane
na czas przejazdów transportowych, również ściana grodziowa musiała umożliwiać
zamykanie zbiornika. W tym celu zbudowano z 5 elementów: stałej podstawy (1 na
rys. 2.), którą wyposażono we wzmocnienia przenoszące napór ziarna na zewnętrzne
ściany zbiornika w celu uniknięcia odkształceń ściany w przypadku napełnienia
wyłącznie jednej z komór zbiornika. Spośród czterech ruchomych części przegrody
jedna, najniżej położona (2) porusza się podczas otwierania/zamykania zbiornika
dokonując obrotu wokół pionowej osi. Element ten podczas zamykania zbiornika
otwiera w ścianie grodziowej okno, w którym „chowa się”, osadzona na przenośniku
ślimakowym, głowica rozdzielająca strumień ziarna. Na górną, ruchomą cześć ściany
grodziowej składają się trzy elementy. Dwa z nich to zewnętrzne płyty połączone
zawiasami o poziomych osiach obrotu z nieruchomą częścią ściany grodziowej (4). Gdy
zbiornik pozostaje zamknięty znajdują się one w pozycji poziomej. Podczas otwierania
43
zbiornika siłowniki elektryczne (3) przestawiają te elementy do pozycji pionowej.
Ostatni z ruchomych elementów (5) jest na stałe połączony z głowicą rozdzielczą
i podczas otwierania/zamykania zbiornika na ziarno porusza się wraz z obudową
przenośnika ślimakowego, który napędzany jest za pomocą odrębnego siłownika
elektrycznego nie widocznego na rysunku.
Ruchome elementy ściany grodziowej są poruszane siłownikami elektrycznymi o
poniższych parametrach: szybkość wysuwu 6 mm/s, obciążenie maksymalne 4000 N,
napięcie zasilania 24V DC, prąd maksymalny 3 A. Zastosowano dwa rodzaje
siłowników: o skoku 200 mm, które wykorzystano do poruszania ściany
przemieszczającej się w poziomie i unoszenia przenośnika ślimakowego napełniającego
zbiornik ziarnem, oraz o skoku 400 mm przeznaczone do unoszenia górnych bocznych
części ściany grodziowej.
Rys. 2. Ściana grodziowa zainstalowana w zbiorniku ziarnowym kombajnu,
w pozycji otwartej, opis w tekście.
Ponieważ siłowniki wymagają zasilania napięciem 24 V, natomiast w instalacji
elektrycznej kombajnu stosowane jest napięcie 12 V. Układ sterowania pracą
siłowników wyposażono w przetwornicę napiecia Texa ZPR 12V DC/24V DC
o nominalnej wydajności prądowej 20 A.
Sterowanie otwieraniem i zamykaniem zbiornika na ziarno zrealizowano
wykorzystując sterownik PLC Array AF-20MR-D, w którym zaimplementowano
oprogramowanie realizujące funkcje: ochrona przed przypadkowym otwarciem/
zamknięciem zbiornika (każda z funkcji jest uruchamiana dopiero po 3 sekundowym
nieprzerwanym przytrzymaniu wciśniętego odpowiedniego przycisku), realizacje
sekwencji kolejnego uruchamiania siłowników niezbędnych do prawidłowego
otwierania/zamykania zbiornika, awaryjne wyłącznie realizowanej funkcji (wciśnięcie
przycisku przeciwnej do aktualnie realizowanej funkcji). Zmiana kierunku ruchu
siłowników (otwieranie/zamykanie zbiornika) realizowana jest za pomocą zewnętrznych
przekaźników dwustanowych.
Do rozdziału strumienia ziarna pomiędzy obie komory zbiornika wykonano głowicę
rozdzielczą wyposażoną w dwie zasuwy napędzane siłownikami hydraulicznymi
(rys. 3). Została ona nabudowana na przenośnik ślimakowy służący do napełniania
zbiornika ziarnem w ten sposób, aby pierwsza z zasuw kierowała ziarno do przedniej
44
komory zbiornika, a druga do tylnej. W celu zapewnienia systemowi sterującemu pracą
zasuw kontroli nad ich aktualnymi położeniami głowicę rozdzielczą wyposażono
w czujniki indukcyjne sygnalizujące zajęcie skrajnych położeń przez zasuwy poprzez
otwarcie obwodu. Taka konfiguracja ma zabezpieczać układ hydrauliczny sterujący
zasuwami przed przeciążeniami w przypadku uszkodzenia przewodów elektrycznych
biegnących do czujników.
W celu zmniejszenie naporu ziarna na płytę zamykającą kanał przenośnika
ślimakowego na wolnym odcinku wału przenośnika (rys. 3a) zastosowano promieniowe
ułożone łopaty, których celem miało być wypychanie ziarna przez okna odsłanianie
przez zasuwy. Średnicę zewnętrzną łopat przyjęto równą średnicy zewnętrznej zwojów
ślimaka.
a) b)
Rys. 3. Przenośnik ślimakowy napełniający zbiornik ziarnowy kombajnu: a) wykonanie
standardowe, b) przenośnik wyposażony w zaprojektowaną głowicę rozdzielczą.
W celu umożliwienia niezależnego opróżniania każdej z komór zbiornika
zmodyfikowano układ napędowy podłogowych przenośników ślimakowych
zastosowanych w zbiorniku na ziarno. W rozwiązaniu standardowym przenośniki te
napędzane za pomocą przekładni łańcuchowej, która jednocześnie napędza
przenośnik ślimakowy rury wyładowczej. Niezależne sterowanie pracą przenośników
podłogowych umożliwiło zastosowanie sprzęgieł elektromagnetycznych, które zostały
wbudowane w piasty kół łańcuchowych przenośników. Zastosowano sprzęgła
elektromagnetyczne ESM1-250-35-12 o parametrach technicznych: moment statyczny
320 Nm, moment dynamiczny 250 Nm, napięcie zasilania 12 V, moc cewki
elektromagnesu 66 W, średnica zewnętrzna 200 mm, szerokość 59 mm. Sterowanie
sprzęgłami odbywa się za pomocą włączników klawiszowych zainstalowanych na desce
rozdzielczej kombajnu. Przekaźniki odpowiedzialne za zasilanie cewek sprzęgieł
zasilane z obwodu uruchamiającego rozładunek ziarna. Ma to na celu automatyczne
włącznie sprzęgieł podczas rozładunku i ich wyłączanie po zakończeniu rozładunku
ziarna. Zabezpiecza to sprzęgła przed przegrzaniem, gdyż nie są one przystosowane do
pracy ciągłej.
2.2. Układ kontroli jakości ziarna i sterowania rozdziałem
Na etapie projektowania układu sterującego rozdziałem strumienia ziarna przyjęto,
że układ pomiarowy powinien umożliwiać rejestrację poniższych parametrów:
zawartości białka w zbieranym ziarnie zbóż,
zawartości deoksynivalenolu (DON) w zbieranym ziarnie zbóż,
45
wilgotności ziarna,
wielkości plonu,
wilgotności gleby,
pozycji geograficznej i wysokości nad poziom morza z submetrową
dokładnością.
Jednocześnie przyjęto, że powyższe dane będą rejestrowane z częstotliwością
próbkowania równą 1 Hz.
W celu spełnienia powyższych wymagań kombajn wyposażono w następującą
aparaturę (rys. 4.):
dwukanałowy spektrometr VIS-NIR tec5 AgroSpec (zakres spektralny 400
2170 nm, rozdzielczość interpolowana 2 nm),
kanał pomiarowy do spiętrzenia i przemieszczania prób ziarna przed sondą
spektrometru,
odbiciową sondę RP7 przeznaczoną do rejestracji widm spektralnych
absorbancji promieniowania dla próbek ziarna,
własnej konstrukcji, odbiciową sondę glebową do zbierania widm spektralnych
absorbancji gleby bezpośrednio z powierzchni pola na którym pracuje kombajn,
odbiornik GNSS NovAtel PROPAK V3 RT2, GPS+GLONASS,
modem GPRS/NTRIP z automatyką łączenia z systemem ASG-Eupos (sygnał
korekcyjny RTK RT-2 udostępniany poprzez Internet),
karty pomiarowe National Instruments: USB-6525 8 kanałów cyfrowych
wejść/wyjść, USB-9211A 4 kanały termopar, 24 bity,
własnej konstrukcji system automatycznego pobierania i pakowania prób
ziarna,
komputer Twinhead DURABOOK U12C do sterowania pracą układu
pomiarowego i rejestracji danych.
a) b)
Rys. 4. Elementy systemu pomiarowego zainstalowane w kombajnie: a) kanał
pomiarowy wyposażony w sondę RP7 oraz układ pobierania próbek ziarna,
b) stanowisko operatora: komputer i spektrometr AgroSpec
(w obudowie ze stali nierdzewnej)
Ponadto komputer wyposażono w oprogramowanie niezbędne do współpracy
wszystkich elementów systemu:
46
tec5 MultiSpec Pro, służące do obsługi spektrometru, pozwalające na rejestrację
widm spektralnych, predykcję właściwości badanych materiałów, wysyłanie
wyników do serwera OPC,
Camo OLUP ON-LINE Predictor, moduł współpracujący z oprogramowaniem
spektrometru, dokonujący predykcji właściwości badanych materiałów na
podstawie zaimplementowanych modeli kalibracyjnych,
Softing OPC Server, służące do wymiany danych pomiędzy oprogramowaniem
spektrometru a programem sterującym rozdziałem strumienia danych,
autorskie oprogramowanie Kombajn IIR - wyposażone w moduł umożliwiający
sterowanie rozdziałem strumienia ziarna na podstawie jednego z wybranych
parametrów opisujących jakość ziarna, rejestrujące wszystkie dane pozyskane
z układu pomiarowego, oraz sterujące pobieraniem próbek ziarna do dalszych
analiz (oprogramowanie to powstało przy współpracy IIB UP w Poznaniu, oraz
firmy InfoTech z Zielonej Góry).
Schemat połączeń, oraz wymiany danych pomiędzy poszczególnymi elementami
układu został przedstawiony na rys. 5. Układ pomiarowy analizuje zmiany pochłaniania
promieniowania przez próbki ziarna przepływające kanałem pomiarowym. Pozyskane
w ten sposób widma spektralne absorbancji promieniowania w zakresie światła
widzialnego i podczerwonego są rejestrowane przez oprogramowanie spektrometru. Na
ich podstawie OLUP ON-LINE Predictor dokonuje predykcji zawartości białka, DON,
wilgotności ziarna oraz wilgotności gleby, korzystając z zaimplementowanych modeli
chemometrycznych.
Rys. 5. Schemat połączeń, oraz wymiany danych pomiędzy poszczególnymi elementami
układu kontroli jakości ziarna i sterowania rozdziałem.
47
Wyniki predykcji udostępniane za pomocą serwera OPC oprogramowaniu
Kombajn IIR. Następnie oprogramowanie to na podstawie zdefiniowanej przez operatora
granicy rozdziału strumienia ziarna, decyduje do której z komór zbiornika skierować
poszczególne partie ziarna. Sterowanie zasuwami realizującymi rozdział odbywa się
elektrohydraulicznie za pomocą cyfrowych wyjść interfejsu NI USB 6525. Niewielka
obciążalność wyjść tego interfejsu (100 mA) wymusiła zastosowanie przekaźników,
które dla prostoty nie zostały wykazane na poniższym schemacie. Wejścia tego
interfejsu wykorzystane do uzyskania zwrotnych informacji o zajęciu przez zasuwy
wymaganych pozycji.
Ponadto oprogramowanie Kombajn IIR integruje wszystkie dane napływające z
układu pomiarowego i rejestruje je co sekundę w pliku CSV. Poza wspomnianymi
wcześniej danymi rejestrowane ponadto temperatury ziarna w kanale pomiarowym i
sondy glebowej, oraz dane diagnostyczne w postaci stanów wejść/wyjść interfejsu
NI USB 6525. Pozwalają one określić momenty aktywowania układu hydraulicznego,
oraz czasy reakcji zasuw na przesterowania. Poprzez wspomniany interfejs wysyłany
jest również sygnał uruchamiający procedurę pobrania i spakowania próbki ziarna.
Sterowanie tym procesem realizowane jest poprzez sterownik PLC Array AF-10MR-D
zainstalowany bezpośrednio w urządzeniu pakującym próbki. Sygnałem zwrotnym
udostępnianym przez ten sterownik jest informacja o wykorzystaniu wszystkich
pojemników na próbki i konieczności wymiany zasobnika z pojemnikami.
Lokalna wielkość plonu rejestrowana jest za pomocą komputera pokładowego
(Cebis) będącego na wyposażeniu kombajnu. W celu zachowania jednoznaczności
pozycjonowania danych pomiędzy zastosowanym systemem pomiarowym i komputerem
pokładowym kombajnu zastąpiono odbiornik GPS będący na wyposażeniu kombajnu
sygnałem udostępnianym przez odbiornik GNSS wchodzący w skład opisywanego
systemu.
3. Walidacja poprawności pracy kompletnego systemu
Walidację poprawności działania systemu przeprowadzono podczas badań
polowych zrealizowanych w 2012 r. W tym celu zainstalowano w module OLUP ON-
LINE Predictor model kalibracyjny PLS przeznaczony do oznaczania zawartości białka
w suchej masie ziarna pszenicy ozimej (R2 = 0,78, RMSECV = 0,58% - błąd
średniokwadratowy predykcji za pomocą modelu uzyskany dla walidacji krzyżowej).
Model ten przygotowano za pomocą oprogramowania Camo Uscrambler X 10.1
w oparciu o 970 prób ziarna, dla których widma spektralne absorbancji pozyskano
w warunkach laboratoryjnych. Jednocześnie skonfigurowano w oprogramowaniu
Kombajn IIR rozdział strumienia ziarna na podstawie zawartość białka ustalając granicę
rozdziału równą 14%, oraz próg nieczułości układu o wartości 0,5% zawartości białka.
Następnie podczas pracy kombajnu na areale 70 ha korzystano z funkcji
oprogramowania Kombajn IIR umożliwiającej automatyczny rozdział strumienia ziarna
na frakcje o różnej jakości. Jednocześnie w trakcie pracy kombajnu sukcesywnie
zmniejszano próg nieczułości dążąc do wartości 0,1%, z krokiem równym 0,1%
zawartości białka. Po napełnieniu zbiornika kombajnu ziarnem pobierano próby ziarna
z obu jego komór. Przyjęto, że podstawą oceny poprawności pracy systemu będzie
zaobserwowane zróżnicowanie zawartości białka w ziarnie zgromadzonym w obu
komorach. Warunki poboru prób oraz ich późniejszej analizy przedstawiono poniżej:
próbki pobierano za pomocą sondy PF-40 40mm, L=2,00m) gwarantującej
uśrednienie próbki w całym przekroju pionowym zbiornika,
48
próbki ziarna do analiz pobierano tylko wówczas, gdy w obu komorach
zbiornika znajdowało się ziarno w ilości pozwalającej na pobranie pojedynczej
próbki o masie nie mniejszej niż 600 g w nie więcej niż 3 nakłuciach, co
odpowiadało minimalnej grubości warstwy ziarna na poziomie 0,75 m.
ogółem pobrano 39 prób ziarna (każda z nich składała się dwóch pojedynczych
prób pobranych z obu komór zbiornika),
analizy zawartości białka w zgromadzonych próbkach wykonano z użyciem
analizatora ziarna Foss Infratec 1241 w akredytowanym laboratorium Instytutu
Ochrony Roślin o. Sośnicowice.
Na podstawie uzyskanych w ten sposób wyników dokonano obliczeń różnicy
w zawartości białka w ziarnie pomiędzy poszczególnymi próbami pochodzącymi z obu
komór zbiornika. Analiza uzyskanych wyników pozwala stwierdzić, że układ poprawnie
realizował rozdział ziarna, tzn. w 38 przypadkach uzyskano większą zawartość białka
w ziarnie pszenicy zgromadzonym w komorze przeznaczonej na ziarno o wyższej
jakości. Jednocześnie stwierdzono jeden przypadek wystąpienia wyższej zawartości
białka w ziarnie zgromadzonym w komorze na ziarno o niższej jakości. Ten
odosobniony przypadek był najprawdopodobniej spowodowany błędem polegającym na
zamianie pojemników z pobranymi próbkami.
Najczęściej (11 przypadków, 28%) różnica pomiędzy zawartością białka
zarejestrowaną dla obu komór wynosiła ok. 0,5%. Natomiast różnicę pomiędzy
zawartościami białka równą lub większą od 1% zarejestrowano w 7 przypadkach (18%
przypadków).
Analizując te wyniki należy pamiętać, że decyzje o momencie skierowania ziarna do
odpowiedniej komory zbiornika były podejmowane wyłącznie na podstawie wyników
predykcji zawartości białka za pomocą modelu kalibracyjnego. Natomiast walidacja tego
modelu w warunkach polowych wykazała, że charakteryzował się ona blisko trzykrotnie
niższą dokładnością (R2 = 0,19, RMSECV = 1,76%) niż uzyskiwana w warunkach
laboratoryjnych.
Podczas pracy kombajnu nie stwierdzono występowania większych problemów
z działaniem systemu rozdziału strumienia ziarna. Jedyny zaobserwowany problem to
uzyskiwanie przez ziarno wyrzucane z przenośnika napełniającego zbiornik zbyt dużej
prędkości, co powodowało przesypywanie się ziarna ponad zewnętrznymi ścianami
zbiornika. Problem usunięto, zmniejszając o połowę średnicę łopat wyrzucających
ziarno przez okna zasuw, oraz wyposażając głowicę rozdzielczą w gumowe fartuchy
spowalniające strumień ziarna.
4. Podsumowanie
Badania terenowe kombajnu wyposażonego w prototypowy systemu przeznaczony
do selektywnego zbioru zbóż potwierdziły techniczne możliwości rozdziały strumienia
ziarna trafiającego do zbiornika kombajnu na frakcje o zróżnicowanej jakości, w tym
przypadku rozumianej jako zawartość białka.
Dalsza poprawa skuteczności rozdziału frakcji ziarna wymaga zmniejszenia błędu
oznaczania zawartości białka za pomocą spektrometru VIS-NIR wyposażonego
w odpowiedni model kalibracyjny. W tym celu konieczne jest stwierdzenie, czy blisko
trzykrotne pogorszenie dokładności predykcji za pomocą modelu w warunkach
polowych wynika z mniejszej dokładności widm spektralnych rejestrowanych w tych
warunkach, czy też jest spowodowane zmiennością właściwości fizykochemicznych
ziarna następującą bezpośrednio po zbiorze.
49
Podczas pracy kombajnu stwierdzono, że zmiany histerezy układu sterującego
rozdziałem strumienia ziarna (od 0,5 do 0,1% zawartości białka w suchej masie ziarna)
nie wpływają w istotny sposób na efektywność selekcji.
Literatura:
[1] Dreszer K. A., Gieroba J., Roszkowski, A.: Kombajnowy zbiór zbóż. Warszawa,
IBMER, 1998,
[2] Fiez T. E., Miller B. C. , Pan W. L.: Winter wheat yield and grain protein across
varied landscape positions. Agronomy Journal, 1994, z. 86, s. 1026-1032,
[3] Jadczyszyn T.: Zmienność gleb, plonów i potrzeb nawozowych w granicach pola
produkcyjnego. Inżynieria Rolnicza, 2001, z. 13 (33), s. 168-173,
[4] Kollárová K., Krajčo J., Plačko M., Rutkowski K.: Ocena zmienności
przestrzennej wilgotności gleby na podstawie map konduktywności elektrycznej.
Inżynieria Rolnicza, 2007, z. 6(94), s. 73-80,
[5] Nolan S. C., Goddard T. W., Penney D. C., Green F.M.: Yield response to
nitrogen within landscape classes. Proceedings of the 4th International
Conference on Precision Agriculture, St. Paul, MN, July 19-22, 1998, s. 479-485,
[6] Stewart C. M., Bratney A.B., Skerritt J.H. :Site-specific Durum wheat quality and
its relationship to soil properties in a single field in Northern New South Wales.
Precision Agriculture, 2002, z. 3, s. 155-168,
[7] Moore I. D., Gessler P. E., Nielsen G. A., Peterson G.A.: Soil attribute prediction
using terrain analysis. Soil Science of America Journal, 1993, z. 57, s. 443-452,
[8] Maertens K., Reyns P., De Baerdemaeker, J.: On-line measurement of grain
quality with NIR technology. Transactions of the ASAE, 2004, z. 47(4), s. 1135-
1140,
[9] Long D. S., Engel R. E., Carpenter F. M.: On-Combine Sensing and Mapping of
Wheat Protein Concentration, Crop Management , 2005, {Dostępny 30.06.2013
r.: http://www.plantmanagementnetwork.org/pub/cm/research/2005/protein/},
[10] Taylor J., Whelan B., Thylén L., Gilbertsson M., Hassall J.: Monitoring wheat
protein content on-harvester - Australian experiences. J. V. Stafford (Eds.)
Precision agriculture '05, 5th European Conference on Precision Agriculture,
Conference paper, Uppsala, Sweden, 2005, s. 369-375,
[11] Thylen L., Gilbbertsson M., Rosenthal T., Wrenn S.: Sorting of Grain on the
Farm - Experiences with an Online Protein Sensor. D.E. Maier (Eds.)
International Quality Grains Conference, Indianapolis: Purdue University, USA,
2004, s. 1-8,
[12] Risius H., Hahn J., Huth M., Korte H., Luetke Harmann, T.: Near Infrared
Spectroscopy for Sorting Grain according to Specified Quality Parameters on a
Combine Harvester. 67th International Conference on Agricultural Engineering
LAND.TECHNIK AgEng (pp.187-192), Stuttgart-Hohenheim: VDI, Germany,
2008,
[13] Risius H., Hahn J., Korte H.: Monitoring of grain quality and segregation of grain
according to protein concentration threshold on an operating combine harvester.
Book of Abstracts XVII.th World Congress of the International Commission of
Agricultural and Biosystems Engineering (CIGR | SCGAB), Québec City: QC,
Canada, 2010, s. 28,
[14] Czechlowski M., Wojciechowski T.: The utilization of information about local
variable environmental conditions to predict the quality of wheat grain during the
50
harvest, Journal of Research and Applications in Agricultural Engineering, 2013,
z. 58(1), s. 31-34.
Streszczenie
Przedstawiono prototyp systemu mechatronicznego, który umożliwia zastosowanie
technologii selektywnego zbioru w kombajnie zbożowym. Prototypowy system poddany
walidacji w warunkach polowych podczas żniw w 2012 roku. W tym czasie kombajn
wyposażony w system zebrał pszenicę ozimą z powierzchni około 70 hektarów.
Zaobserwowane różnice w zawartości białka (0 2,0 %) między partiami rozdzielonego
ziarna potwierdziły techniczną możliwość zastosowania technologii selektywnego
zbioru do kontroli jakości ziarna. Dalszy rozwój tej technologii wymaga znacznej
poprawy dokładności predykcji za pomocą modelu kalibracyjnego stosowanego do
oceny jakości ziarna, ponieważ walidacja w warunkach polowych wykazała stosunkowo
wysoki błąd średniokwadratowy (RMSE) uzyskiwany podczas oznaczania zawartości
białka w ziarnie (1,76% ).
Słowa kluczowe: system mechatroniczne, zbiór selektywny, jakość ziarna,
spektrometria VIS-NIR
MECHATRONIC SYSTEM FOR SELECTIVE HARVESTING OF CEREALS
Abstract
The paper presents a prototype mechatronic system that enables implementation of
selective harvesting technology in a grain combine harvester.
The prototype system was validated in the field during harvest in 2012. At that time,
a combine harvester equipped with the system gathered winter wheat from an area of
about 70 hectares. The resulting differences in the content of protein (0 2,0 %) between
the batches of wheat grain filling both chambers of the grain tank confirmed the
technical feasibility of the use of selective harvesting technology to control the quality of
grain.
Further development of this technology requires significant improvement in the
accuracy of prediction with the calibration model used to assess the quality of grain,
because the field validation showed relatively gross errors (RMSE) in the determination
of protein content (1,76%).
Keywords: mechatronic system, selective harvest, grain quality, VIS-NIR spectrometry
... Practical application examples such as work of Kurtulmuş and Ünal [28], suggest the advisability of applying ANN in the preparation of classification models which could be used in selective harvesting technology [29]. ...
Conference Paper
Full-text available
The development of non-destructive methods like VIS-NIR reflection spectroscopy and artificial neural networks to analyse the rape seeds content of fat and protein was the subject of this work. The research material contained the seeds of 46 winter rapeseed lines obtained from interspecies crossing male sterile lines of MS-8 and 6 control forms. The seeds were pre-cleaned and crude fat and crude protein content were determined using a laboratory spectrometer NIRS 6500 (FOSS) with factory calibration. Acquisition of VIS-NIR spectra were carried out on five gram seeds samples. Spectra in the range of 400–2200 nm with 10 nm and 16 nm resolution respectively, and interpolated to 2 nm resolution were obtained using Agrospec spectrometer (Tec5, Germany) equipped with the RP-7 fiber optic measuring head. Obtained spectra, after pretreatment, were analysed by artificial neural networks in the Statistica software. 901 independent features network input were presented in total. At the output of the network one independent features were presented indicating the level of seeds crude fat and crude protein as LOW (up to 42% of crude fat and 19% crude protein level), and HIGH (above 42% of crude fat and above 19% crude protein level). Two neural networks were prepared with RBF topology and structure of 901∶ 901-4-1∶ 1 (for crude fat) and 901∶ 901-22-1∶ 1 (for crude protein). Data set separation was done based on the structure of 139 training set cases and 60 cases in the validation and testing set. In total 259 cases were analyzed. Analysis of classification accuracy for fat reached 76.19% level of correct classification for HIGH and 68.90% for LOW. Analysis of classification accuracy for crude protein was at 74.72% of correct classification level for HIGH and 69.04% correct for LOW. The proposed method of rapeseed seeds classification is appropriate for this type of issues. The further development of this method must consider the automatic anal- sis during samples scanning process.
Article
Full-text available
This paper was first published in Precision Agriculture '05, Proceedings of the 5 th European Conference on Precision Agriculture, ed. J.V. Stafford, Wageningen Academic Publishers. It is reproduced here with the permission of the editor. Please acknowledge the original source when referencing.] Abstract An on-harvester protein sensor has been tested for two seasons on a commercial combine harvester in Australia. Operators report that sensor and software were relatively easy to use especially since the model used is still a prototype set-up. Some problems with operation were noted and have been addressed for future commercial development. Output from the Zeltex NIT protein sensor was coherent and often strongly correlated to yield response, giving a good indication that the observed protein patterns are real. Absolute protein values however appeared suppressed and a new calibration curve for Australia has been developed for the Zeltex AccuHarvest ® sensor.
Article
Full-text available
The study presents the correlation between the quality of winter wheat grain, understood as the content of protein, and the parameters of harvested grain (moisture and yield) and locally variable environmental conditions (relative altitude, the content of total Kjeldahl nitrogen, exchangeable phosphorus and potassium, magnesium, the pH coefficient, the content of organic matter in soil). The results obtained on the basis of the data collected from 5 production fields of the total area of 112 ha give grounds for the conclusion that by application of multiple regression it is possible to construct a relatively pre-cise model for prediction of the content of protein in wheat grain even on the basis of the measurement of easily obtainable information about the relative altitude and yield. However, the effectiveness of the model will be limited to a small field ar-ea. The construction of universal model using information about locally variable environmental conditions is difficult due to the strong variability of the correlation between the analysed traits describing environmental conditions and the content of protein in wheat grain. The study was a part of the development project No. R12 0073 06 entitled "Development and validation of the technology for separation grain stream during cereals selective harvesting ", financed by the Polish Ministry of Science and Higher Education. Key words: grain quality, multiple regression, environmental conditions, selective grain harvest, VIS-NIR spectroscopy WYKORZYSTANIE INFORMACJI O LOKALNIE ZMIENNYCH WARUNKACH ŚRODOWISKOWYCH W CELU PRZEWIDYWANIA JAKOŚCI ZIARNA PSZENICY PODCZAS ZBIORU Streszczenie W pracy przedstawiono zależności pomiędzy jakością ziarna pszenicy ozimej, rozumianą jako zawartość białka, a parame-trami zbieranego ziarna (wilgotność i wielkości plonu) oraz lokalnie zmiennymi warunkami środowiskowymi (względna wy-sokość n.p.m., zawartość azotu ogólnego, wymiennego fosforu i potasu, oraz magnezu, współczynnik pH, zawartość materii organicznej w glebie). Wyniki uzyskane w oparciu o dane zgromadzone na 5 produkcyjnych polach o łącznej powierzchni 112,78 ha pozwalają stwierdzić, że stosując regresję wieloraką można zbudować stosunkowo dokładny model do predykcji zawartości białka w ziarnie pszenicy nawet w oparciu o pomiar łatwych do pozyskania informacji o względnej wysokości n.p.m. i wielkości polonu, jednak jego skuteczność będzie ograniczona do niewielkiego obszaru powierzchni. Budowa uni-wersalnego modelu wykorzystującego informacje o lokalnie zmiennych warunkach środowiskowych jest utrudniona ze względu na silną zmienność zależności pomiędzy analizowanymi cechami opisującymi warunki środowiskowe, a zawarto-ścią białka w ziarnie pszenicy. Pracę zrealizowano w ramach projektu rozwojowego nr R12 0073 06 pt: "Opracowanie i walidacja technologii rozdziału strumienia ziarna podczas selektywnego zbioru zbóż" finansowanego przez MNiSW Słowa kluczowe: jakość ziarna, regresja wieloraka, warunki środowiskowe, selektywny zbiór zbóż, spektroskopia VIS-NIR
Article
Full-text available
This study is based on the hypothesis that catenary soil development occurs in many landscapes in response to the way water moves through and over the landscape. Significant correlations between quantified terrain attributes and measured soil attributes were found on a 5.4-ha toposequence in Colorado. Slope and wetness index were the terrain attributes most highly correlated with surface soil attributes measured at 231 locations. The computed and measured ranges of terrain and soil attributes, respectively, can be used to enhance an existing soil map, even when the exact form of the relationship is unknown. As a first approximation, interpolated predictions of A horizon thickness and pH compared reasonably well with the observed. Such techniques may also be applied in unmapped areas to guide soil sampling and model development. -from Authors
Chapter
Yield response to N fertilizer was examined for different landscape positions within a field, to determine the potential benefit of varying fertility within a landscape. Eight different strips of constant N rates were applied across a rolling field near Hussar, Alberta, in 1996. A yield monitor and a Differential Global Positioning System (DGPS) were used to measure and locate canola yields. The DGPS also was used to measure elevation. Elevation was used to classify the field into five landscape classes: upper level, shoulderslope, backslope, footslope, and lower level. Within landscape classes, similar patterns of yield increase per unit increase in N were found. Although the yield was highest on the footslopes and lowest on the shoulderslopes, the optimum N rate for the footslopes was lower (74 kgha⁻¹) than for the shoulderslopes (107 kgha⁻¹). The backslopes required the most N at 125 kgha⁻¹. Similar results were found for wheat in 1995. This suggests different fertilizer rates for these landscape classes. Our results showed that a simple landscape classification delimited areas of the field that responded differently to N fertilizer and that varying N fertilizer according to these landscape classes can increase profits from 5to5 to 7ha⁻¹, compared with uniform application of N. Please view the pdf by using the Full Text (PDF) link under 'View' to the left. Copyright © 1999. . Copyright © 1999 by the American Society of Agronomy, Inc. Crop Science Society of America, Inc. Soil Science Society of America, Inc. 5585 Guilford Rd., Madison, WI 53711 USA
Article
The use of Precision Agriculture techniques to investigate agronomically significant soil factors and their relationship to wheat quality on a site-specific basis, was conducted during the winter 1996 wheat season in response to the growing concerns associated with wheat quality in Australia. A field of durum wheat was selected in Northern New South Wales, in which wheat and soil samples were taken from sites located within the field with the help of a Global Positioning System (GPS). Geostatistical methods were used to interpolate the data and produce maps of the field representing the spatial variability of all the soil and wheat properties. With the aid of these maps and empirical modeling techniques, relationships between the wheat and soil factors were determined. Areas within the field with lower soil profile available water capacities, caused by a combination of coarser soil texture and lower organic carbon content, probably contributed to water stress during grain-fill, which interacted with soil nitrogen to give higher protein levels. These areas of the field had lower yields and smaller 1000-kernel weights. Protein quality was found not to be compromised by increasing protein concentrations which resulted from water stress. The benefits of using precision agriculture techniques as a method for segregating wheat by protein at harvest to increase profits are described.
Article
Winter wheat (Triticum aestivum L.) yield varies greatly among landscape positions in the Palouse region of eastern Washington, yet N fertilizer is typically applied uniformly. Varying N fertilizer rates within fields to match site-specific N requirements can increase fertilizer use efficiency; however, spatially variable N management programs are limited by their ability to predict site-specific yield potentials and the resultant N requirements. The objective of this study was to ascertain the role of yield components and soil properties in determining soft white winter wheat grain yield and protein when N application rates are varied among landscape positions. Nitrogen fertilizer (0 to 140 kg N ha −1 ) was fall-applied on footslope, south-backslope, shoulder, and northbackslope landscape positions at each of two farms in 1989 and in 1990. Grain yield among landscapes varied by up to 55% in 1990 and by up to 33% in 1991. Landscape position grain yields increased by 199 kg ha −1 /(cm precipitation+soil water reduction) (r 2 = 0.51) and by 706 kg ha −1 per 100 spikes m −2 (r 2 = 0.76). Grain protein concentration among landscapes increased by 2.7 g kg −1 per each increase of 10 kg residual soil NO 3 -N ha −1 (r 2 = 0.82). The large differences in grain yield among landscape positions may justify spatially variable N application. Improved N management should favorably reduce soft white winter wheat protein concentrations by minimizing high residual N levels as well as improve net returns and reduce environmental degradation. The basis for this improved N management may be site-specific yield estimates calculated from soil water availability and spike density
Article
Site-specific measurements of grain protein concentration, in addition to grain yield, are potentially useful for assessing spatial variability in cereal crop production as needed in precision agriculture. This study investigated an on-combine spectroscopic sensor for mapping grain protein levels within farm fields. The optical, near-infrared sensor was calibrated in the laboratory to test samples of hard red spring wheat (r2 = 0.99, SEC = 0.081%). Grain protein data for spring wheat were then acquired for a 45-acre dryland wheat field, and compared with test samples that had been manually sampled from the combine's exit auger. The ability of the sensor to predict protein values declined in the field (r2 = 0.55, SEP = 0.66%). However, a map of grain protein concentration derived from on-combine sensing was highly correlated with a test map of grain protein (r = 0.93). The results are sufficiently promising to suggest that on-combine spectroscopic sensing of grain protein concentration for mapping purposes is technically feasible.
On-line measurement of grain quality with NIR technology On-Combine Sensing and Mapping of Wheat Protein Concentration, Crop Management
  • K Maertens
  • P Reyns
  • J De Baerdemaeker
  • D S Long
  • R E Engel
  • F M Carpenter
Maertens K., Reyns P., De Baerdemaeker, J.: On-line measurement of grain quality with NIR technology. Transactions of the ASAE, 2004, z. 47(4), s. 1135- 1140, [9] Long D. S., Engel R. E., Carpenter F. M.: On-Combine Sensing and Mapping of Wheat Protein Concentration, Crop Management, 2005, {Dostępny 30.06.2013 r.: http://www.plantmanagementnetwork.org/pub/cm/research/2005/protein/},
Monitoring of grain quality and segregation of grain according to protein concentration threshold on an operating combine harvester. Book of Abstracts XVII
  • H Risius
  • J Hahn
  • H Korte
Risius H., Hahn J., Korte H.: Monitoring of grain quality and segregation of grain according to protein concentration threshold on an operating combine harvester. Book of Abstracts XVII.th World Congress of the International Commission of Agricultural and Biosystems Engineering (CIGR | SCGAB), Québec City: QC, Canada, 2010, s. 28,
Sorting of Grain on the Farm -Experiences with an Online Protein Sensor
  • L Thylen
  • M Gilbbertsson
  • T Rosenthal
  • S Wrenn
Thylen L., Gilbbertsson M., Rosenthal T., Wrenn S.: Sorting of Grain on the Farm -Experiences with an Online Protein Sensor. D.E. Maier (Eds.) International Quality Grains Conference, Indianapolis: Purdue University, USA, 2004, s. 1-8,