楊立　衣淑娟　毛欣

摘要：利用OM-8650電子拉力試驗(yàn)機(jī)測(cè)定了北方寒地水稻（Oryza sativa）與機(jī)械化收獲有關(guān)的生物參數(shù)，通過(guò)試驗(yàn)測(cè)得的參數(shù)（子粒的長(zhǎng)、寬、厚、含水率等）檢測(cè)水稻的機(jī)械特性指標(biāo)（子粒連接力）建立BP神經(jīng)網(wǎng)絡(luò)模型，來(lái)確定網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，并訓(xùn)練建立的BP神經(jīng)網(wǎng)絡(luò)。結(jié)果表明，通過(guò)網(wǎng)絡(luò)訓(xùn)練可以確定出收獲脫粒的最佳時(shí)間和脫粒元件。

關(guān)鍵詞：寒地水稻（Oryza sativa）；連接力；脫粒；含水率；BP神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：S347.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2014）22-5545-03

水稻（Oryza sativa）生產(chǎn)在糧食生產(chǎn)中占有不可替代的地位，黑龍江省墾區(qū)稻作區(qū)地處北緯43度以北、地處凍土帶的寒地稻作區(qū)，是我國(guó)最北部的寒冷稻作區(qū)。所謂寒地，是指冬季凍土層厚度達(dá)到1 m以上的區(qū)域，農(nóng)作物生育期短，收獲的季節(jié)正好是秋季，氣溫變低，水稻成熟后莖稈和子粒含水率大、脫水較慢，適宜收獲期短，有時(shí)還要受到秋澇、倒伏、早霜后突降大雪等多種災(zāi)害的危害[1，2]。這樣就要求盡可能在霜前進(jìn)行收獲，水稻因后熟作用米質(zhì)好，商品價(jià)值高，有利于收獲后的整地。因此，大力提倡發(fā)展水稻生產(chǎn)的機(jī)械化，可以減少自然災(zāi)害對(duì)糧食造成的損失，降低生產(chǎn)成本，提高農(nóng)民的生產(chǎn)收益[3-5]。

本研究針對(duì)北方寒地水稻收獲季節(jié)短等特殊的生態(tài)環(huán)境，通過(guò)試驗(yàn)裝置對(duì)寒地水稻的力學(xué)性能進(jìn)行研究，同時(shí)研究了影響水稻含水率及穗頭子粒之間連接力的影響因素，以便更好地確定出收獲脫粒的最佳時(shí)間和為脫粒元件的選擇和脫粒系統(tǒng)裝置的設(shè)計(jì)奠定基礎(chǔ)。

1 材料與方法

1.1 材料

本試驗(yàn)采用黑龍江農(nóng)墾總局八五七農(nóng)場(chǎng)科技園的墾鑒稻6號(hào)水稻品種，均為移栽，田地條件、施肥量、田間管理等基本相似。試驗(yàn)時(shí)間為2010年5月，由于高溫使所有的水稻的主莖葉都比正常時(shí)的水稻少一片葉。

1.2 方法

1.2.1 子粒與粒柄連接力的測(cè)定 將同一品種的田塊近似看作一個(gè)四邊形區(qū)域，分別取四邊形4個(gè)頂點(diǎn)和對(duì)角線交點(diǎn)作為5個(gè)取樣點(diǎn)，在每個(gè)取樣點(diǎn)分別取一棵，再?gòu)闹腥∫粏沃隃y(cè)試，盡量避免人為等因素對(duì)試驗(yàn)結(jié)果的影響。試驗(yàn)在OM-8650電子拉力試驗(yàn)機(jī)上進(jìn)行，該拉力機(jī)可對(duì)水稻主莖稈、枝梗以及子粒進(jìn)行拉伸等力學(xué)試驗(yàn)和分析，根據(jù)要求配置不同的夾具和指針。拉伸力度：50 kg、最大行程（不含夾具）：250 mm，由計(jì)算機(jī)進(jìn)行采集和處理試驗(yàn)過(guò)程中數(shù)據(jù)的采集、處理。試驗(yàn)對(duì)象的受力方向?yàn)?°（逆軸線方向）與180°（沿軸線方向），如圖1和圖2所示。由于水稻穗頭在脫粒滾筒中進(jìn)行脫粒的時(shí)候，大部分子粒的受力方向都是沿著穗頭軸線方向，即打擊力的方向與水稻穗頭軸線成180°角，為此減少試驗(yàn)的重復(fù)性，試驗(yàn)過(guò)程中試驗(yàn)的受力角度為180°。測(cè)定每個(gè)小枝梗上的各子粒與粒柄的連接力，將其平均值作為整個(gè)植株的子粒與粒柄的連接力。

1.2.2 子粒與粒柄含水率的測(cè)定 通過(guò)電熱恒溫鼓風(fēng)干燥箱烘干子粒，并稱其質(zhì)量，通過(guò)公式計(jì)算出子粒的含水率。利用DPS（Data processing system）數(shù)據(jù)處理系統(tǒng)軟件，建立子粒與粒柄間連接力同含水率之間的回歸方程，分析單因素含水率同連接力之間的關(guān)系。利用BP神經(jīng)網(wǎng)絡(luò)模型，分析水稻的特性指標(biāo)參數(shù)（枝梗的直徑、枝梗的長(zhǎng)度、子粒的長(zhǎng)、寬、厚、含水率等）多個(gè)因素對(duì)子粒與粒柄間的連接力的影響。

2 不同含水率下連接力的測(cè)定

不同含水率下子粒與粒柄之間的連接力結(jié)果見表1。運(yùn)用DPS數(shù)據(jù)處理系統(tǒng)軟件對(duì)墾鑒稻6號(hào)的水稻建立子粒與粒柄間連接力同含水率之間的回歸方程：y=2.656 0-0.111 006x+0.001 152x2+0.000 067x3，R2=0.999 0。

經(jīng)檢驗(yàn)，回歸方程的顯著水平P=0.04<0.05，F(xiàn)=346.997，故拒絕H0假設(shè)。結(jié)果表明，回歸數(shù)學(xué)模型有顯著意義，說(shuō)明模型擬合程度相當(dāng)高，關(guān)系擬合圖如圖3所示。從圖3中可以看到，各數(shù)據(jù)點(diǎn)和圖之間擬合程度相當(dāng)高，方程能夠很好的表達(dá)出二者之間的關(guān)系[6，7]。隨著含水率的增加，連接力先下降，當(dāng)含水率小于13%之前，子粒與粒柄之間的連接力下降相對(duì)快；當(dāng)含水率高于13%之后，下降比較緩慢，當(dāng)含水率高于18%時(shí)，各部分之間的連接力都處于上升趨勢(shì)?？紤]到帶柄率等因素，因此，在收割墾鑒稻6號(hào)時(shí)，選擇在含水率較低的時(shí)候是收獲脫粒的最佳時(shí)期。

3 基于BP神經(jīng)網(wǎng)絡(luò)模型測(cè)定連接力

由于子粒與粒柄間的連接力對(duì)脫粒滾筒功耗和脫粒帶柄率影響較大，連接力越小，功耗越小，脫粒帶柄率越低，損失越小?？紤]以上因素故此選擇枝梗的直徑、枝梗的長(zhǎng)度、子粒的長(zhǎng)、寬、厚、含水率作為輸入，子粒與粒柄間的連接力作為輸出。本研究以影響水稻粒穗連接力的機(jī)械特性指標(biāo)為例，輸入層的節(jié)點(diǎn)數(shù)為6，輸出層的節(jié)點(diǎn)數(shù)為1，分別對(duì)水稻的特性指標(biāo)參數(shù)（枝梗的直徑、枝梗的長(zhǎng)度、子粒的長(zhǎng)、寬、厚、含水率等），子粒與粒柄間的連接力建立神經(jīng)網(wǎng)絡(luò)模型[8]。隱含層節(jié)點(diǎn)數(shù)為12個(gè)，隱含層神經(jīng)元的激活函數(shù)選用tansig（）函數(shù)，輸出層的激活函數(shù)選用purelin函數(shù)，選擇Levenberg-Marquart（L-M）優(yōu)化算法[9-11]。

系統(tǒng)的參數(shù)設(shè)置：通過(guò)函數(shù)train（）對(duì)已生成的網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí)，學(xué)習(xí)步長(zhǎng)設(shè)為500周期，目標(biāo)誤差設(shè)為0.001，學(xué)習(xí)速率設(shè)為0.05并每隔20步顯示一次結(jié)果。對(duì)表2提供的樣本數(shù)據(jù)進(jìn)行訓(xùn)練。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖4所示。

取20組試驗(yàn)樣本數(shù)據(jù)作為訓(xùn)練樣本，利用建立好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，結(jié)果BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的平方和誤差開始時(shí)下降速度特別快，隨后下降變得很平緩。當(dāng)步長(zhǎng)達(dá)到16次的時(shí)候，輸出層的標(biāo)準(zhǔn)誤差就達(dá)到1×10-3，滿足訓(xùn)練參數(shù)中目標(biāo)誤差的要求（圖5）。

網(wǎng)絡(luò)訓(xùn)練后，用5組非樣本數(shù)據(jù)對(duì)所建立的神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測(cè)，將輸入數(shù)據(jù)送給神經(jīng)網(wǎng)絡(luò)得出的結(jié)果與實(shí)際測(cè)得數(shù)據(jù)進(jìn)行比較，來(lái)驗(yàn)證所建模型的合理性。表3為網(wǎng)絡(luò)模型實(shí)際測(cè)量值與預(yù)測(cè)值之間對(duì)比結(jié)果。從表3中可以看出，從這5組非樣本數(shù)據(jù)和預(yù)測(cè)值對(duì)比來(lái)看，實(shí)測(cè)值與預(yù)測(cè)值之間相對(duì)誤差在5%以下，說(shuō)明該神經(jīng)網(wǎng)絡(luò)檢測(cè)效果很好，BP網(wǎng)絡(luò)神經(jīng)有效的訓(xùn)練后應(yīng)用于水稻子粒與粒柄間的連接力預(yù)測(cè)具有較高的預(yù)測(cè)精度和良好的泛化能力。endprint

4 小結(jié)

本研究對(duì)北方寒地水稻收獲季節(jié)短等特影響因素進(jìn)行了研究，以便更好地確定出收獲脫粒的最佳時(shí)間和為脫粒元件的選擇和脫粒系統(tǒng)的設(shè)計(jì)奠定基礎(chǔ)。利用Matlab的神經(jīng)網(wǎng)絡(luò)工具箱建立水稻子粒連接力的BP網(wǎng)絡(luò)模型。結(jié)果表明，①?gòu)膯我蛩爻霭l(fā)，運(yùn)用回歸分析的方法，利用DPS數(shù)據(jù)處理軟件建立了含水率同主莖稈與枝梗間、枝梗與粒柄間以及子粒與粒柄間的連接力之間的關(guān)系模型。結(jié)果表明，模型的擬合程度非常高，能夠有效地表達(dá)含水率與連接力間的關(guān)系。②從多因素出發(fā)，建立水稻粒穗連接力的檢測(cè)模型。用試驗(yàn)所測(cè)得生物特性指標(biāo)為輸入、子粒與粒柄間的連接力為輸出確定網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，并訓(xùn)練建立的BP網(wǎng)絡(luò)結(jié)構(gòu)。用5組實(shí)測(cè)數(shù)據(jù)來(lái)驗(yàn)證該神經(jīng)網(wǎng)絡(luò)的合理性，模型的實(shí)測(cè)值與預(yù)測(cè)值的相對(duì)誤差在5%以下，滿足精度的要求。仿真結(jié)果表明該神經(jīng)網(wǎng)絡(luò)能有效的預(yù)測(cè)水稻穗頭連接力。

參考文獻(xiàn)：

[1] 謝方平，羅錫文，湯楚宙，等.水稻粒穗分離力的研究[J].湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2004，30（5）：469-471.

[2] 李耀明，孫夕龍，徐立章，等.水稻穗頭連接力的試驗(yàn)與分析[J].江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，29（2）：97-100.

[3] 李耀明，王顯仁，徐立章，等.水稻谷粒的擠壓力學(xué)性能研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38（11）：56-59.

[4] 徐立章，李耀明，李洪昌.水稻谷粒脫粒損傷的影響因素分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2008，39（12）：55-59.

[5] 孫夕龍.水稻脫粒帶柄率的影響因素與分析[D].江蘇鎮(zhèn)江：江蘇大學(xué)，2007.

[6] 唐啟義，馮明光.實(shí)用統(tǒng)計(jì)分析及其DPS數(shù)據(jù)處理系統(tǒng)[M].北京：科學(xué)出版社，2002.

[7] 吳仕勇.基于數(shù)值計(jì)算方法的BP神經(jīng)網(wǎng)絡(luò)及遺傳算法的優(yōu)化研究[D].昆明：云南師范大學(xué)，2006.

[8] 從 爽. 面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用[M].合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，2009.

[9] 張意德.基于GA與BP結(jié)合的算法研究及其在聯(lián)合收獲機(jī)械脫粒性能建模中的應(yīng)用[D].合肥：安徽農(nóng)業(yè)大學(xué)，2002.

[10] 汪小芳.基于人工神經(jīng)網(wǎng)絡(luò)利用機(jī)械特性檢測(cè)蘋果品質(zhì)方法的研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2006.

[11] 張立明.人工神經(jīng)網(wǎng)絡(luò)的模型及應(yīng)用[M].上海：復(fù)旦大學(xué)出版社，1993.endprint

4 小結(jié)

本研究對(duì)北方寒地水稻收獲季節(jié)短等特影響因素進(jìn)行了研究，以便更好地確定出收獲脫粒的最佳時(shí)間和為脫粒元件的選擇和脫粒系統(tǒng)的設(shè)計(jì)奠定基礎(chǔ)。利用Matlab的神經(jīng)網(wǎng)絡(luò)工具箱建立水稻子粒連接力的BP網(wǎng)絡(luò)模型。結(jié)果表明，①?gòu)膯我蛩爻霭l(fā)，運(yùn)用回歸分析的方法，利用DPS數(shù)據(jù)處理軟件建立了含水率同主莖稈與枝梗間、枝梗與粒柄間以及子粒與粒柄間的連接力之間的關(guān)系模型。結(jié)果表明，模型的擬合程度非常高，能夠有效地表達(dá)含水率與連接力間的關(guān)系。②從多因素出發(fā)，建立水稻粒穗連接力的檢測(cè)模型。用試驗(yàn)所測(cè)得生物特性指標(biāo)為輸入、子粒與粒柄間的連接力為輸出確定網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，并訓(xùn)練建立的BP網(wǎng)絡(luò)結(jié)構(gòu)。用5組實(shí)測(cè)數(shù)據(jù)來(lái)驗(yàn)證該神經(jīng)網(wǎng)絡(luò)的合理性，模型的實(shí)測(cè)值與預(yù)測(cè)值的相對(duì)誤差在5%以下，滿足精度的要求。仿真結(jié)果表明該神經(jīng)網(wǎng)絡(luò)能有效的預(yù)測(cè)水稻穗頭連接力。

參考文獻(xiàn)：

[1] 謝方平，羅錫文，湯楚宙，等.水稻粒穗分離力的研究[J].湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2004，30（5）：469-471.

[2] 李耀明，孫夕龍，徐立章，等.水稻穗頭連接力的試驗(yàn)與分析[J].江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，29（2）：97-100.

[3] 李耀明，王顯仁，徐立章，等.水稻谷粒的擠壓力學(xué)性能研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38（11）：56-59.

[4] 徐立章，李耀明，李洪昌.水稻谷粒脫粒損傷的影響因素分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2008，39（12）：55-59.

[5] 孫夕龍.水稻脫粒帶柄率的影響因素與分析[D].江蘇鎮(zhèn)江：江蘇大學(xué)，2007.

[6] 唐啟義，馮明光.實(shí)用統(tǒng)計(jì)分析及其DPS數(shù)據(jù)處理系統(tǒng)[M].北京：科學(xué)出版社，2002.

[7] 吳仕勇.基于數(shù)值計(jì)算方法的BP神經(jīng)網(wǎng)絡(luò)及遺傳算法的優(yōu)化研究[D].昆明：云南師范大學(xué)，2006.

[8] 從 爽. 面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用[M].合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，2009.

[9] 張意德.基于GA與BP結(jié)合的算法研究及其在聯(lián)合收獲機(jī)械脫粒性能建模中的應(yīng)用[D].合肥：安徽農(nóng)業(yè)大學(xué)，2002.

[10] 汪小芳.基于人工神經(jīng)網(wǎng)絡(luò)利用機(jī)械特性檢測(cè)蘋果品質(zhì)方法的研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2006.

[11] 張立明.人工神經(jīng)網(wǎng)絡(luò)的模型及應(yīng)用[M].上海：復(fù)旦大學(xué)出版社，1993.endprint

4 小結(jié)

本研究對(duì)北方寒地水稻收獲季節(jié)短等特影響因素進(jìn)行了研究，以便更好地確定出收獲脫粒的最佳時(shí)間和為脫粒元件的選擇和脫粒系統(tǒng)的設(shè)計(jì)奠定基礎(chǔ)。利用Matlab的神經(jīng)網(wǎng)絡(luò)工具箱建立水稻子粒連接力的BP網(wǎng)絡(luò)模型。結(jié)果表明，①?gòu)膯我蛩爻霭l(fā)，運(yùn)用回歸分析的方法，利用DPS數(shù)據(jù)處理軟件建立了含水率同主莖稈與枝梗間、枝梗與粒柄間以及子粒與粒柄間的連接力之間的關(guān)系模型。結(jié)果表明，模型的擬合程度非常高，能夠有效地表達(dá)含水率與連接力間的關(guān)系。②從多因素出發(fā)，建立水稻粒穗連接力的檢測(cè)模型。用試驗(yàn)所測(cè)得生物特性指標(biāo)為輸入、子粒與粒柄間的連接力為輸出確定網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，并訓(xùn)練建立的BP網(wǎng)絡(luò)結(jié)構(gòu)。用5組實(shí)測(cè)數(shù)據(jù)來(lái)驗(yàn)證該神經(jīng)網(wǎng)絡(luò)的合理性，模型的實(shí)測(cè)值與預(yù)測(cè)值的相對(duì)誤差在5%以下，滿足精度的要求。仿真結(jié)果表明該神經(jīng)網(wǎng)絡(luò)能有效的預(yù)測(cè)水稻穗頭連接力。

參考文獻(xiàn)：

[1] 謝方平，羅錫文，湯楚宙，等.水稻粒穗分離力的研究[J].湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2004，30（5）：469-471.

[2] 李耀明，孫夕龍，徐立章，等.水稻穗頭連接力的試驗(yàn)與分析[J].江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，29（2）：97-100.

[3] 李耀明，王顯仁，徐立章，等.水稻谷粒的擠壓力學(xué)性能研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38（11）：56-59.

[4] 徐立章，李耀明，李洪昌.水稻谷粒脫粒損傷的影響因素分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2008，39（12）：55-59.

[5] 孫夕龍.水稻脫粒帶柄率的影響因素與分析[D].江蘇鎮(zhèn)江：江蘇大學(xué)，2007.

[6] 唐啟義，馮明光.實(shí)用統(tǒng)計(jì)分析及其DPS數(shù)據(jù)處理系統(tǒng)[M].北京：科學(xué)出版社，2002.

[7] 吳仕勇.基于數(shù)值計(jì)算方法的BP神經(jīng)網(wǎng)絡(luò)及遺傳算法的優(yōu)化研究[D].昆明：云南師范大學(xué)，2006.

[8] 從 爽. 面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用[M].合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，2009.

[9] 張意德.基于GA與BP結(jié)合的算法研究及其在聯(lián)合收獲機(jī)械脫粒性能建模中的應(yīng)用[D].合肥：安徽農(nóng)業(yè)大學(xué)，2002.

[10] 汪小芳.基于人工神經(jīng)網(wǎng)絡(luò)利用機(jī)械特性檢測(cè)蘋果品質(zhì)方法的研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2006.

[11] 張立明.人工神經(jīng)網(wǎng)絡(luò)的模型及應(yīng)用[M].上海：復(fù)旦大學(xué)出版社，1993.endprint