《Agriculture》：Design and Experimental Study of a Multifunctional Intelligent Vegetable Seeder
编辑推荐：
蔬菜播种机能有效降低劳动强度，提高播种均匀性和作业效率。然而，现有机型存在功能单一、智能化程度不足、能量利用效率低等问题。为此，研究人员研制了一种集开沟、播种、覆土和镇压于一体的智能蔬菜播种机，确定了排种器、开沟器及覆土镇压装置的关键参数和工作原理。其智能控制
蔬菜播种机能有效降低劳动强度，提高播种均匀性和作业效率。然而，现有机型存在功能单一、智能化程度不足、能量利用效率低等问题。为此，研究人员研制了一种集开沟、播种、覆土和镇压于一体的智能蔬菜播种机，确定了排种器、开沟器及覆土镇压装置的关键参数和工作原理。其智能控制系统通过卡尔曼滤波（Kalman filter）算法优化了播种监测与执行控制。采用光伏（photovoltaic, PV）加蓄电池的双电源供电模式，保证了作业续航能力。研究人员采用Box–Behnken设计，以窝眼轮转速、清种毛刷安装角和窝眼数为因素，以播种合格率为指标，通过响应面法（response surface methodology）对排种器参数进行了优化。结果表明，各因素影响程度由大到小依次为窝眼数、窝眼轮转速和清种毛刷安装角；理论最优参数为窝眼轮转速45.70 r·min?1、毛刷安装角34.71°、窝眼数13.84个，对应模型预测的峰值播种合格率为99.04%。所研制的播种机可实现小粒径丸粒化蔬菜种子的精量播种，但其结构配置对于非丸粒化蔬菜种子仍需进一步优化。
论文解读
一、研究背景与意义
随着全球农业科技快速发展与农业现代化持续推进，农业生产正加速从以人工和畜力为主的传统模式向全程机械化和智能化转变。研究数据显示，中国设施农业的栽培面积占全球总量的80%以上，蔬菜种植面积占比亦超过80%，年蔬菜产量已突破7亿吨，远高于世界其他国家。然而，蔬菜生产领域长期面临劳动力成本刚性上升、结构性劳动力短缺和精量化作业水平低等突出瓶颈，制约了产业提质增效和绿色可持续发展。作为蔬菜生产全程机械化的核心装备，蔬菜播种机能够高效替代人工完成开沟、排种、覆土等作业，显著提高作业效率和播种精度，降低单位面积生产成本和农资投入损耗，在优化资源配置、减轻环境负荷和缓解劳动力短缺压力等方面具有重要应用价值。
现有蔬菜播种机研究虽已取得一定进展，但仍存在明显不足：在功能集成方面，已有机型虽能实现播种、开沟、覆膜、覆土和施肥等多功能集成，但智能化水平有限；在智能播种方面，采用电控和气力传动的自动播种技术在复杂环境和地形下播种精度明显下降；在排种器研究方面，部分集成式装置仅具备单一排种功能，缺乏对播种深度、播种合格率等关键作业质量指标的机载监测；在智能播种监测方面，基于物联网的精密排种监测系统在机械振动和粉尘严重的田间恶劣条件下，其实时响应性和抗干扰性能仍受限。总体而言，蔬菜播种机正朝着在保证播种精度和效率的前提下实现功能集成化、智能化和新能源利用的方向发展。
基于上述技术基础，研究人员研制了一种智能蔬菜播种机，其采用多功能一体化设计，将开沟、播种、覆土、镇压和播种监测集成于单一机具中，显著提高了蔬菜播种机的播种合格率，为智能农机装备和智慧农业的发展提供了参考。
二、研究内容与主要结论
研究人员针对现有蔬菜播种机功能单一、智能化不足、续航有限等缺陷，开发了一种集开沟、播种、覆土和镇压于一体的智能蔬菜播种机，系统完成了结构设计、智能播种系统构建和作业性能试验验证。在结构设计方面，确定了窝眼轮式排种器、芯铧式开沟器和双圆盘覆土镇压装置的核心参数，并采用“光伏板+蓄电池”的双电源供电模式保障作业续航。在智能播种方面，基于STM32微控制器和卡尔曼滤波算法，实现了播种深度的双超声波融合监测和重播漏播的实时光电检测。通过Box–Behnken响应面法建立的播种合格率二次回归模型高度显著，三因素影响程度由大到小依次为窝眼数、窝眼轮转速和清种毛刷安装角，获得理论最优参数组合：窝眼轮转速45.70 r·min?1、清种毛刷安装角34.71°、窝眼数13.84个。该研究为智能农机装备和智慧农业的发展提供了参考。
三、关键技术方法
研究人员采用的主要关键技术方法包括：一是窝眼轮式排种器设计，针对粒径2.0–2.5 mm的小粒径丸粒化蔬菜种子，设计了带半球形底部和45°倒角的圆柱形窝眼，确定了窝眼轮直径80 mm、窝眼尺寸等关键参数；二是芯铧式开沟器设计，采用圆弧形脊线结构，通过静力平衡分析确定了入土角为45°；三是双圆盘覆土装置和镇压轮设计，确定了覆土圆盘直径200 mm、厚度3.5 mm、两盘夹角75°，镇压轮外径150 mm、宽度80 mm，镇压力度0–200 N无级可调；四是基于STM32微控制器和卡尔曼滤波的双通道超声波数据融合算法，用于播种深度实时监测，标定试验显示均方根误差（RMSE）为0.525 mm，归一化相对均方根误差为2.1%；五是集成光学凸透镜的光电传感器播种监测模块，通过红外光遮挡触发电平信号反转来检测重播和漏播事件；六是采用Box–Behnken设计（BBD）的响应面试验方法，以窝眼轮转速、清种毛刷安装角和窝眼数为因素，播种合格率为指标进行参数优化。试验在青岛理工大学临沂校区现代农业机械装备重点实验室的土槽中进行，供试土壤为临沂当地农田典型褐土，土壤质量含水率15–18%、土壤紧实度0.8–1.2 MPa，供试种子为散叶生菜丸粒化种子，粒径2.0–2.5 mm，平均粒径2.2 mm，千粒重3.22 g。
四、研究结果
试验结果。 采用三因素三水平Box–Behnken响应面试验设计，共17组试验，每组重复3次取平均播种合格率。在不同因素水平组合的作业条件下，窝眼轮式排种器的排种性能表现出显著差异，播种合格率最低为92.41%，最高为98.51%。
回归模型与显著性方差分析。 基于Box–Behnken响应面模型对各试验因素和性能指标进行回归拟合，回归模型决定系数R2为0.9857，预测R2（0.7723）与校正R2（0.9672）之差小于0.2，模型p值小于0.0001，表明所建立的回归模型高度显著。失拟项F值为153.03，对应p值为0.0014，虽达统计学显著，但主要归因于土槽试验条件良好控制下纯误差极小（纯误差平方和仅0.0097，中心试验点播种合格率变异系数低至0.05%），在如此低的随机试验误差水平下，失拟F检验对二次响应面的微小偏差变得过度敏感，并不表明模型实际拟合性能不佳。残差诊断验证了模型满足方差齐性假设，预测值与实测值高度一致，且无时间依赖性系统误差。通过中心点5次独立重复试验验证了试验可重复性，平均播种合格率为98.45%，标准差为0.049%，变异系数仅0.05%，远低于农业工程试验中常规可接受的5%阈值，表明样机运行稳定、试验结果具有高稳定性和优良可重复性。方差分析表明，窝眼轮转速、清种毛刷安装角和窝眼数均为显著影响因素（p < 0.05），其中窝眼数、交互项X1X2和二次项X32为极显著影响因素（p < 0.0001），交互项X1X3仅为显著影响因素（p < 0.05），因此各因素影响程度由大到小依次为窝眼数、窝眼轮转速、清种毛刷安装角。
响应面分析。 在窝眼数固定为15时，窝眼轮转速与清种毛刷安装角对播种合格率的交互影响呈开口向下的凸抛物面形态，存在单一明显峰区。窝眼轮转速主要通过调节充种区种子群体的运动强度影响充种过程：转速过低时种子群体翻滚碰撞运动弱，种子进入窝眼的动能不足，充种不充分；转速超过临界值后种子群体运动过于剧烈，在离心力和惯性力共同作用下种子易脱离窝眼产生空穴，合格率下降。在清种毛刷安装角固定为30°时，窝眼轮转速与窝眼数的交互影响表现为：窝眼数过少时单位时间内可供充种的窝眼位点不足，充种率低；适度增加窝眼数可提高充种率和排种性能；但窝眼数过多导致相邻窝眼间距过小，种子在充种区内有限空间竞争，易造成同一窝眼同时进入多粒种子而引发重播，合格率下降。在窝眼轮转速固定为40 r·min?1时，窝眼数与清种毛刷安装角的交互影响呈倒抛物面形态：安装角过小导致刷毛切入深度不足、清种能力弱，无法彻底清除窝眼表面附着的多余种子，重播率高；适度增大安装角可提供合适的清种力，有效刮除窝眼外多余种子且不干扰窝眼内已充种子；安装角过大则清种力过大，易将窝眼内已充种子刮出，合格率降低。
参数优化。 以窝眼轮转速、清种毛刷安装角和窝眼数为变量进行单目标优化，通过Design-Expert软件计算获得排种器理论最优参数组合：窝眼轮转速45.70 r·min?1、清种毛刷安装角34.71°、窝眼数13.84个，对应模型预测最大播种合格率为99.04%。考虑实际工程可实施性，将理论最优参数圆整为推荐工程值：窝眼轮转速46 r·min?1、清种毛刷安装角35°、窝眼数14个。
五、讨论与结论
讨论部分指出，本研究解决了小型智能蔬菜播种机排种性能的参数匹配核心问题，通过Box–Behnken响应面试验进行了系统验证和优化，阐明了窝眼轮式排种器的参数影响机理。所构建的三因素二次回归模型达到高度显著水平，明确了窝眼数、窝眼轮转速和清种毛刷安装角对播种合格率影响的递减顺序，通过多参数协同优化进一步提高了小粒径蔬菜种子的排种稳定性，并揭示了窝眼数对排种性能的极显著影响，填补了现有研究多聚焦于转速优化而缺乏窝眼布置与充种机理耦合分析的研究空白。响应面分析呈现的非线性变化规律从种子群体运动特性和充种力学角度解释了各参数存在最优区间的内在机制，为适配丸粒化小粒径蔬菜种子的窝眼轮式排种器结构参数设计提供了定量依据。然而，该研究的排种参数优化基于样机试验完成，仅针对小粒径丸粒化蔬菜种子进行分析，种子粒径和形态变化对排种性能的影响尚不明确，研究结论的适用边界存在一定局限。在能源供给方面，固定式光伏板的光电转换效率受太阳高度角和方位角影响较大，后续将开发采用双轴高度角-方位角跟踪机构的智能太阳跟踪系统；同时将在现有STM32控制系统基础上引入机器视觉和激光雷达（LiDAR）等环境感知模块，开展作物行识别、田间边界检测和路径规划研究，实现自主导航和自动避障，推动整机向更高智能化迭代升级。
研究结论为：本研究针对现有蔬菜播种机功能单一、智能化不足和续航有限等缺陷，开发了一种集开沟、播种、覆土和镇压于一体的智能蔬菜播种机，系统完成了结构设计、智能播种系统构建和作业性能试验验证。在结构设计方面，确定了窝眼轮式排种器、芯铧式开沟器和双圆盘覆土镇压装置的核心参数，采用“光伏板+蓄电池”的双电源供电模式保障作业续航。在智能播种方面，基于STM32微控制器和卡尔曼滤波算法实现了播种深度的双超声波融合监测和重播漏播的实时光电检测。通过Box–Behnken响应面法建立的播种合格率二次回归模型高度显著，三因素影响程度由大到小依次为窝眼数、窝眼轮转速和清种毛刷安装角，获得理论最优参数组合：窝眼轮转速45.70 r·min?1、清种毛刷安装角34.71°、窝眼数13.84个。该研究为智能农机装备和智慧农业的发展提供了参考。
