油菜联合收割机的前进速度是决定其收割效率的关键因素,收割机前进速度则主要由收割机前进方向上的油菜作物疏密度和后方收获损失率这两个参数决定。然而在实际生产中,主要由驾驶员依据自身收获经验预估以上两个参数,并控制前进速度,容易导致误判,严重时会引起传输系统阻塞,造成故障,影响收获质量和效率。为此,本文首先在分析油菜联合收割机工作流程的基础上,根据收割机工作情况以及田间作物生长特点,设计了一套油菜收获疏密度及损失实时检测系统,为油菜的智能化收获提供支撑。本文的主要研究内容包括:(1)作物疏密度检测部分:结合成熟期田间油菜生长特征,基于决策树、支持向量机以及卷积神经网络三种主流算法,经过实验验证,采取卷积神经网路作为疏密度检测主要算法,并针对该算法计算量大、实时性差的缺陷,给出改进的模型压缩算法,实现了油菜收获疏密度实时检测;(2)收获损失检测部分:基于目标检测、图像分割以及霍夫变换算法这三种解决方案,经过实验验证,按照实时性和准确性要求,改进了霍夫变换算法并应用于本课题中,较好地实现了油菜收获损失率检测;(3)最后,通过对该系统进行实验室模拟与田间实验,验证了本文所设计的疏密度与损失检测系统的有效性和科学性,控制效果明显优于驾驶员的经验操作。本文的研究内容是2016年科技部重点专项“智能化油料收获装备和技术研发”的一部分,研究成果将为其中主要装备之一“智能化油菜收获装备”的研制和应用打下扎实基础