随着云计算、物联网等技术的飞速发展,我国的农业生产也逐步进入智慧农业的阶段。传统联合收获机在田间作业时完全依赖驾驶员的操作经验,在繁忙的收获季节,复杂的田间状况以及高强度、长时间的作业易使驾驶员产生疲劳,出现速度控制不当的情况,进而导致喂入量不正常引起滚筒堵塞,大大降低了收获效率,甚至错过最佳的收获时间。已有的作业速度控制装置主要采用滚筒转速等已发生的事件建立控制模型,存在较高的延迟滞后问题,因此为了改善实时性、降低故障率、提高收获效率本文设计一种基于喂入量预测的联合收获机作业速度控制系统,结合联合收获机的工作特点,运用机器视觉以及嵌入式技术开发喂入量预测装置及作业速度控制系统,本文主要完成的工作如下:（1）速度控制与喂入量预测总体方案设计及硬件选型。首先对联合收获机的作业流程进行简要分析并阐述整个收获过程中喂入量的重要性,它会影响关键部件的转速以及收获作物的性能指标;然后确定以嵌入式平台为基础、基于喂入量预测的作业速度控制方案。根据速度控制总体方案与要求对硬件进行选型,主要包括主控制器、霍尔传感器、北斗测速模块、人机交互模块的选型以及电路设计;对喂入量预测装置进行硬件选型包括图像采集模块、图像处理模块以及通信模块,通过该装置预测出下一时刻喂入量,将该值通过CAN模块传输至主控制器,主控制器根据该值以及关键部件转速、收获性能参数计算出最佳目标速度,最后通过D/A模块输出电压值控制电磁阀进而控制联合收获机的作业速度,相关参数通过串口屏进行显示。（2）基于机器视觉的喂入量预测模型的建立。首先在室内通过对水稻的模具进行理论分析与研究,提出采用机器视觉技术提取前方作物的穗层像素值并结合优化BP神经网络预测模型对喂入密度进行预测,从而得到下一时刻的喂入量。图像处理的过程主要包括感兴趣区提取、颜色空间转换、滤波及阈值分割等,每幅图片的平均处理时间约为0.8s;然后将穗层的像素值、留茬高度、含水率和草谷比作为神经网络的输入量,水稻的总质量作为输出量建立优化BP神经网络预测模型并通过Matlab进行仿真训练,结果表明整个数据集的R为0.98823,拟合效果较好。（3）联合收获机作业速度控制策略研究。首先通过北斗模块解析出联合收获机实时的作业速度,并采用扩展卡尔曼算法进行处理提高测量精度;其次根据预测的喂入量与关键部件转速及收获性能参数（含杂、破碎、损失率）计算出最优目标速度,此外设计模糊PID速度控制器,将速度的偏差和偏差变化率作为输入值,电压值作为输出,传感器获取的速度作为反馈信息,实现联合收获机的作业速度自动控制,并通过Simulink进行仿真,结果表明该控制算法具有较强的鲁棒性及控制的实时性。（4）作业速度控制与喂入量预测系统软件设计。首先进行主程序设计并介绍主控制器的开发环境与界面,其次设计了主控制单元的底层驱动程序包括北斗测速、霍尔转速测量、CAN模块通讯、作业速度控制及人机交互等软件程序,然后配置喂入量预测模块的环境及相关库文件的安装,并编写图像采集、图像处理及喂入量预测程序,并通过CAN通信传输至主控制器,最终主控制器实现了数据采集与处理、速度自动控制、界面显示及数据存储等功能。（5）基于喂入量预测的作业速度控制系统室内与场地试验性能验证。首先在室内对整个系统进行基础功能测试,保证每个模块的正常运行;其次进行场地标定试验,了解各个传感器的精度;然后进行田间试验,包括喂入量预测模块精度的验证以及联合收获机在手动和基于喂入量预测的作业速度控制模式下的收获情况,记录保存相关试验数据并对比分析两种控制方式,结果表明本文设计的喂入量预测装置精度可达到94%,基于喂入量预测的联合收获机作业速度控制系统的收获效率比手动控制提升了约9.9%,基本达到预期效果,为联合收获机的智能化提供了技术支撑。