农业机械学报

作者：伟利国，马若飞，周利明，隗立昂，刘阳春，赵博

单位：中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,

关键词：棉花测产;质量流量;麻雀算法;机器学习

基金：中国机械工业集团有限公司重大科技专项（ZDZX2020-2）

随着棉花种植和收获的机械化程度提高，获取准确的产量图，分析田间产量数据，变得尤为重要，而采棉机作业时在输棉管道处监测产量是一种有效、可行的方法。现有光电对射式棉花测产传感器在作业中会有粘液遮挡检测通道、环境光影响等问题，面对复杂的田间作业环境，传感器标定普遍采用线性或多项式模型，精度和抗干扰性表现不够理想。针对上述现状，本文首先在传感器的结构和电路设计上做了抗干扰改进。然后在传感器标定过程中，尝试使用随机森林回归模型（Random forest regression，RFR），对实验样本进行训练、测试。在分析模型的表现后，提出了麻雀算法(Sparrow search algorithm, SSA)改进的随机森林回归模型，以均方误差作为适应度，对模型进行优化。经过验证，在相同验证集下，优化后的模型有更好的检测精确度。通过研究寻优上下界范围，平衡运行时间和检测精度，得到最优检测模型。该模型在验证集上表现良好，决定系数R2为0.99，平均绝对百分比误差（MAPE）为6.34%。台架实验结果表明，不同风速下最大误差为9.21%，平均误差为8.33%，改进后的传感器及检测模型性能良好，能够较准确检测采棉机作业时棉花产量。

来源：2023年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第9期