基于ANP-QPSO算法的农业收割机人机界面布局优化与认知工效学研究

《Smart Agricultural Technology》：Interface Layout Design of Agricultural Harvester Based on Analytic Network Process and Quantum Particle Swarm Optimization

针对农业收割机操作界面布局复杂、主观性强及优化不足的问题，本研究创新性地融合网络层次分析法（ANP）与量子粒子群优化算法（QPSO），构建了数据驱动的界面设计框架。通过量化用户认知需求与美学标准，实现了界面元素的多目标协同优化。实验表明优化布局与用户视觉注意力高度吻合，为农业机械人机交互设计提供了科学依据与技术路径。

　　

在现代农业机械化进程中，联合收割机作为核心装备，承担着高强度、高精度的田间作业任务。驾驶员在复杂多变的作业环境中，需要同时处理地形变化、收割流程和众多操作元素，其认知负荷和操作负担极为沉重。若操作界面布局不合理，极易导致误操作、效率下降甚至安全事故。当前农业机械界面设计面临两大挑战：一是用户需求难以量化，二是设计过程过度依赖主观经验，缺乏数据驱动的科学优化方法。

针对这一难题，贵州大学机械工程学院戴依来与张建敏教授团队在《Smart Agricultural Technology》发表研究，提出了一种基于网络层次分析法（Analytic Network Process, ANP）与量子粒子群优化（Quantum Particle Swarm Optimization, QPSO）的智能设计方法。该研究通过ANP量化界面元素的功能层级与权重关系，结合QPSO算法建立多目标优化模型，实现了收割机操作界面的高效搜索与协同调整，为农业机械人机交互设计提供了创新性解决方案。

本研究主要采用四项关键技术方法：首先通过ANP构建包含5个一级指标（运动状态、状态变化、收割状态、存储状态、环境状态）和18个二级指标的评估体系，组织20名专家（含驾驶员、教师、学生）进行权重评判；其次建立界面元素的数字化坐标模型（1980px×1080px分辨率），将位置与尺寸参数转化为优化变量；进而设计融合认知与美学因素的多目标评分体系（平衡性B、经济性E、对齐度A、组合度C、密度D）及约束条件（重叠惩罚、边界惩罚等）；最后采用QPSO算法进行1500粒子规模的迭代优化（3000次迭代），通过量子行为更新机制实现全局最优解搜索。

3.1 收割机界面元素枚举与划分

研究首先系统梳理了收割机操作界面的功能要素，将其划分为运动状态（启停/前进/后退）、状态变化（储油量/连接状态/通知）、收割状态（速度/割台高度/喂入量）、存储状态（切碎长度/脱粒速度/粮仓容量）和环境状态（环视影像/路径导航/天气）五大类，为后续权重分析奠定基础。

3.2 界面元素ANP建模

通过构建ANP网络模型，量化了各元素间的交互关系。专家评分数据经yaanp软件处理，采用1-5标度法进行重要性比较，并通过一致性检验（CR<0.1）确保判断矩阵合理性。研究创新采用最小变化算法和最优方向算法校正数据偏差，保障了权重计算的科学性。

3.3 界面元素重要性权重计算

超矩阵运算结果显示：环境状态（E）权重最高（0.233），其次为收割状态（W）（0.215）、存储状态（S）（0.208）、运动状态（M）（0.187）和状态变化（C）（0.157）。二级指标中路径导航（E2, 0.085）、天气条件（E3, 0.083）和任务进度（S4, 0.075）位列前三，准确反映了用户对导航信息和作业进度的高关注度。

4.1 界面元素数学化处理

研究将界面转换为直角坐标系（原点为左下角），每个元素定义为包含中心坐标(x_ij, y_ij)和尺寸(l_ij, w_ij)的矩形单元，实现了布局参数的数字化表征。

4.2 界面优化目标函数建立与求解

通过构建包含5项评分指标（B/E/A/C/D）和3项惩罚指标的多目标函数，采用QPSO算法进行优化求解。算法设置1500粒子群，收缩扩张系数β从1.0线性降至0.5。经过3000次迭代后获得最优布局方案（适应度值0.786616），各元素坐标与尺寸完成自动化排布。

4.3 设计师参与后的布局与界面设计

在算法生成布局基础上，设计师进行视觉精细化调整，保持算法优化框架的同时消除像素级误差。最终设计采用灰度界面排除色彩干扰，遵循"易读性"（状态信息直观呈现）和"易操作性"（单点滑动控制）原则，实现了功能与美学的统一。

5.1 统计验证

通过30名被试的眼动实验（EYETRIBE眼动仪）发现，ANP权重与眼动数据高度相关：注视次数与权重呈完美正相关（ρ=1.000, p=0.015），总注视时间呈强正相关（ρ=0.900）。环境状态区（右上）和收割状态区（右下）获得最多视觉关注，与权重排序完全一致。

5.2 视觉验证

热力图分析显示，高权重区域（E/W）呈现红色/橙色高关注度特征，低权重区域（M/C）以蓝色/绿色为主，视觉注意力分布与ANP权重优先级高度吻合。

5.3 用户反馈验证

主观重要性排序问卷显示：环境状态（平均排名1.667）、收割状态（2.367）、存储状态（3.367）位列前三，与ANP权重顺序完全一致，且所有区域排名标准差均低于1.5，表明用户认知具有高度一致性。

研究结论表明，ANP-QPSO融合框架有效解决了农业机械界面设计中的主观性强、优化效率低等问题。通过量化用户认知需求与美学标准，实现了数据驱动的界面优化设计。优化后的布局不仅显著降低认知负荷（眼动验证误差小于6%），而且提高了操作效率与安全性。该方法填补了农业机械界面数据化设计方法的空白，为农业信息化与智能化发展提供了新技术路径。未来研究将进一步拓展算法在多场景应用的适应性，并探索融合多模态数据（如肌电/脑电）的智能设计模型。