大豆联合收割机作业性能与谷物损失分布特征研究：现代Class 9收割机的吞吐量效应分析

本研究针对联合收割机作业中谷物损失评估不准确的问题，通过三台现代Class 9收割机的大豆收获实验，系统分析了吞吐量变化对谷物损失分布、燃油经济性和粮食品质的影响。创新性采用电磁落盘技术实现离散点损失测量，首次揭示了不同机型损失分布的空间异质性，为单点损失测量误差（低估70%至高估400%）提供量化依据，研究成果发表于《Journal of Agriculture and Food Research》，对优化农机设置和精准农业实践具有重要指导价值。

　　

在农业生产中，联合收割机的作业效率与谷物损失始终是矛盾统一体。随着现代农机向大型化发展，Class 9级别收割机的吞吐量(Throughput)可达40 Mg·h^-1以上，但高速作业导致的谷物损失分布不均问题长期困扰着农户和研究人员。传统单点测量法假设损失均匀分布，实际误差可能高达400%，严重误导收割机参数设置。更棘手的是，不同机型因结构差异可能形成独特的损失"指纹"——有的在轮胎轨迹区集中抛洒，有的则在中心线形成峰值，这种空间异质性使得简单的田间检测难以反映真实损失情况。

美国伊利诺伊大学厄巴纳-香槟分校农业与生物工程系（Department of Agricultural and Biological Engineering, University of Illinois Urbana-Champaign）的Sagar Regmi团队在《Journal of Agriculture and Food Research》发表的研究，首次系统量化了三台现代Class 9收割机的损失分布特征。研究人员创新性地组合使用11个Bushel Plus SmartPan电磁落盘和4个PVC框架，在13.7米割幅上建立15个测量点，覆盖55.6%的工作宽度。通过远程控制落盘时机，精准捕获纯联合收割机损失（排除割台损失和收获前损失），同时记录燃油消耗率和粮食品质参数，构建完整的性能评价体系。

关键方法

1. 电磁落盘阵列：11个0.14 m²电磁盘分布式安装，实现收割状态下的无损采样

2. 吞吐量控制：通过RTK-GPS保持4.0-10.5 km/h恒速，结合称重式粮仓校准干物质产量

3. 品质分析：外部实验室检测破碎率、种皮损伤等6项指标，其中种皮活力测试采用100粒大豆漂白肿胀法

4. 燃油监测：基于CAN总线的Farmobile数据记录仪采集稳态油耗，精度±1%

主要发现

3.1 谷物损失与吞吐量

• 损失曲线呈非线性：Combine C在38.10 Mg·h^-1阈值后损失指数增长，而Combine A/B保持平稳

• 分布模式差异显著：Combine A/B在轮胎轨迹区损失占比达167.1 kg·ha^-1，而Combine C在中心线形成双峰分布

• 单点测量风险：仅测量中心线会导致Combine B损失低估70%，而随机点误差范围达-70%至+400%

3.2 粮食品质

• 破碎率悖论：高损失的Combine C反而保持最低破碎率（10-12%），可能与双转子设计缓冲作用有关

• 种皮损伤：Combine A在低吞吐量时损伤率达18%，揭示"低速高损伤"现象

3.3 燃油经济性

• 规模效应明显：吞吐量每增加10 Mg·h^-1，Combine B燃油效率提升23%，优于其他机型

这项研究首次绘制出现代联合收割机的"损失地图"，证实单点测量法的系统性误差风险。更深远的意义在于，为智能收割机的传感器布设提供理论依据——未来损失监测系统需根据机型特征优化探头位置。研究揭示的"低速高损伤"现象则颠覆了传统认知，提示农户在低产田作业时更需关注粮食品质。这些发现为精准农业时代的智能调参算法开发奠定了数据基础，也为农机厂商优化分离系统设计指明了方向。