基于多传感器数据融合的高速精密种植机的播种深度监测系统
Song Wang1, Shujuan Yi1, Bin Zhao1,2
1College of Engineering, Heilongjiang Bayi Agricultural University, Daqing 163319, China.
Sensors (Basel, Switzerland)
|October 16, 2024
概括
这项研究引入了一种改进的子搜索算法扩展卡尔曼波器 (ISSA-EKF),用于在高速播种机中精确监测播种深度. ISSA-EKF显著减少了由振动和传感器不准确引起的错误,提高了农业机械的性能.
科学领域:
- 农业工程 农业工程
- 精准农业 精准农业 精准农业
- 传感器融合技术 传感器融合技术
背景情况:
- 高速精密种植机 (12-16公里/小时) 面临地形波动,机械振动和传感器错误等挑战.
- 这些问题降低了播种深度监测系统的准确性,影响了作物统一性和产量.
- 现有的监控系统难以弥补动态运行条件和传感器固有的局限性.
研究的目的:
- 调查多传感器数据融合技术,以提高高速精密种植机的播种深度监测.
- 开发和验证一个优化的扩展卡尔曼波器 (EKF) 使用改进的子搜索算法 (ISSA).
- 解决机械振动干扰和传感器测量错误,以提高监测精度和可靠性.
主要方法:
- 建立了一个集激光,超声波和角度传感器的多传感器监控单元.
- 应用卡尔曼过到个人传感器数据以减少噪音.
- 开发了一个多传感器数据融合算法,使用改进的搜索算法 (ISSA) 来优化扩展卡尔曼波器 (EKF) 参数.
主要成果:
- ISSA-EKF算法实现了高精度监测,平均绝对误差 (MAE) 为0.083厘米,根平均平方误差 (RMSE) 为0.103厘米.
- 与原始传感器值,过值和标准Sparrow搜索算法-EKF (SSA-EKF) 相比,模拟测试显示了显著的准确性改进.
- 现场测试证实了提高精度和可靠性,平均MAE和RMSE分别减少了0.071厘米和0.075厘米,平均R提高了0.036.
结论:
- 拟议的基于ISSA-EKF的多传感器数据融合方法有效地减轻高速精密种植器中的振动和传感器错误.
- 这种方法显著提高了播种深度监测系统的准确性和可靠性.
- 该研究为推进现代农业机械播种深度监测技术提供了理论基础.
