基于RGB相机与超声波传感器在受控收获机试验台条件下输送带速度与倾角对马铃薯体积估算的影响

《Agriculture》：Effects of Conveyor Speed and Angle on Potato Volume Estimation Using RGB Cameras and Ultrasonic Sensor Under Controlled Harvester Test Bench Conditions

　　

马铃薯（Solanum tuberosum L.）体积的准确、无损估算可支撑基于输送带的产量监测，但单一传感模态提供的几何信息不完整。本研究开发并评估了一种低成本传感方法，在受控马铃薯收获机输送带条件下结合顶视RGB成像与超声波高度测量。研究人员在五种输送带速度（0.10–0.50 m s^?1）与四种倾角（15–30°）的20种组合下对100个马铃薯进行了重复评估。两台RGB相机提供跨越输送带宽度的投影面积测量，而八传感器超声波阵列提供互补的马铃薯高度测量。比较了四种线性体积估算公式：仅高度、仅投影面积、面积与高度作为独立预测变量（A+H）以及面积–高度融合特征（A×H）。组合模型显著优于单传感器方法。（A+H）模型取得平均（R²）0.88、RMSE 3.27 cm³、MAE 2.54 cm³，而（A×H）融合模型取得平均（R²）0.88、RMSE 3.33 cm³、MAE 2.60 cm³。混合效应分析表明模型类型显著影响估算误差（p < 0.001），证实了结合RGB衍生面积与超声波高度的益处。输送带速度对精度具有主导影响（p < 0.001），而倾角产生统计学显著但相对较小的影响，速度×角度交互作用不显著。最高精度在0.10 m s^?1时获得，性能随速度增加而下降，这与RGB和超声波采样机会减少相一致。这些结果证明了RGB–超声波融合在受控动态输送带条件下用于马铃薯体积估算的可行性；田间尺度的稳健性仍需在商业收获环境中验证。

**研究背景与意义**

马铃薯（Solanum tuberosum L.）与水稻、小麦和玉米并列为世界四大粮食作物，在约150个国家种植，是粮食安全和农业收入的重要作物。马铃薯尺寸的准确测定对其商业价值至关重要，而在各种尺寸属性中，体积是尤为有用的参数，因为它与质量高度相关并直接关系到产量监测和采后处理。精准农业在提高生产力、降低投入成本和支持可持续农业方面日益受到关注。然而，对于马铃薯等块根块茎作物，产量估算传统上依赖人工采样和收获后称重，这些方法劳动密集、耗时且空间信息有限。基于传感器的马铃薯产量监测通常遵循两种途径：基于质量的方法和基于机器视觉的体积估算方法。基于质量的方法不提供马铃薯形状或尺寸分布的直接信息，将质量转换为尺寸需要假定密度，而密度因品种和生长条件而异。基于体积的方法则直接估算每个马铃薯的物理尺寸，与质量密切相关，同时保留形状和尺寸信息。

一系列非接触传感技术已应用于块根块茎作物的体积估算，包括RGB和RGB-D成像、深度相机、LiDAR以及结构光或激光系统。使用RGB-D相机对正常形状马铃薯的体积预测误差约为9%，而重建三维形状的深度图像方法对长度、宽度和厚度的平均百分比误差约为2.5–4.4%。基于LiDAR的机器视觉系统已实现对甘薯等块根作物在线体积测量的极高精度，R²值超过0.99。这些结果表明光学传感在无损体积估算方面具有强大潜力。然而，精度取决于传感方法以及马铃薯三维形状的捕获程度。更精确的方法如LiDAR和深度相机通常需要更高成本和更复杂的处理。

在這些方法中，RGB成像最为普及，广泛用于提取二维形状和面积特征，如投影面积、长度、宽度和轮廓。它成本低、速度快，易于集成到收获机输送带系统中。然而，单张顶视RGB图像仅提供马铃薯的二维投影，不包含直接的高度或深度信息。因此，仅凭成像无法获得体积，必须从投影面积或假定的截面几何形状间接推断，这会对不规则形状或偏斜马铃薯引入误差。超声波传感提供了一种互补的低成本手段来恢复缺失的高度维度。超声波传感器通过飞行时间测量距离，受灰尘、湿气和变化光照的影响较小，这使其对农业环境具有吸引力。通过测量从固定传感器到输送带上马铃薯顶面的距离，超声波传感器阵列可以以比深度或LiDAR传感更低的成本和计算负荷恢复RGB成像缺乏的高度和表面轮廓信息。

RGB成像和超声波传感因此具有互补的局限性：RGB成像提供二维投影面积但不提供高度，而超声波阵列提供高度但不提供横向面积。将RGB成像的投影面积与超声波传感器阵列的高度相结合，可提供重建马铃薯体积所需的横向和垂直维度，使每种传感器能够补偿另一种传感器的弱点。尽管存在这种互补性，大多数现有研究分别评估RGB成像和超声波传感，且大多数光学体积估算工作是在静态条件下进行的。在实际收获作业中，马铃薯在输送带上连续输送，输送带速度和倾角的变化会影响马铃薯流动、测量稳定性和机械损伤。因此，输送带速度和倾角是实际马铃薯收获系统中的重要操作因素。尽管RGB成像和超声波传感已分别用于农业对象表征和尺寸测量，但它们在动态输送带条件下用于马铃薯体积估算的互补使用仍未充分探索。因此，本研究开发并评估了一种在受控输送带试验台上集成顶视RGB成像与超声波传感器阵列的无损马铃薯体积估算方法。

**关键技术方法**

研究人员构建了基于商用自走式马铃薯收获机原型输送配置的受控实验室试验台，包含可独立控制速度和倾角（15–30°）的链式输送带（总长300 cm，宽58 cm），由0.75 kW三相电机经变频器驱动。传感器支架安装于输送带上方约26 cm处，两台RGB相机（Raspberry Pi Camera Module V2）并排覆盖58 cm宽度，八传感器超声波阵列（HC-SR04）线性排列提供连续横向覆盖。视频以640×480像素、30 fps录制，以10 fps提取帧用于分析。采用棋盘格（7×7内角点，方格17 mm）进行相机内参标定和平面单应性变换，将像素坐标转换为输送带平面物理坐标。超声波传感器以约8 Hz采样，每个传感器独立进行五点线性标定。实验使用100个马铃薯（Sumi和Pluffy两个韩国品种各50个），以水置换法测定参考体积（500 mL量筒，分度5 mL）。试验于2026年4月6日在韩国忠南大学农业机械工程系室内机械车间进行，测试20种速度–角度组合，每个条件使用相同的100个标记马铃薯。

**研究结果**

**3.1 马铃薯样本特征**：100个马铃薯参考体积范围为50.9–95.4 cm³，均值74.6 cm³，标准差9.9 cm³（CV=13.3%），分布近似对称单峰，Shapiro–Wilk检验未拒绝正态性（W=0.982，p=0.197）。Pluffy平均体积（79.8 cm³）大于Sumi（69.4 cm³），但融合模型对两品种预测精度相当（RMSE分别为3.39和3.54 cm³），统一模型与品种特异性模型的RMSE差异小于0.2 cm³，低于参考体积±2 cm³的不确定度，支持使用品种无关的统一估算器。

**3.2 超声波标定结果**：八个传感器在10–26 cm范围内均表现优异线性关系（R²=0.996–0.999），斜率0.982–1.019，截距?0.218至0.194 cm，均值斜率1.004±0.012。在0.30 m s^?1动态输送条件下，超声波高度与游标卡尺测量高度一致性良好（RMSE=0.34 cm，MAE=0.28 cm，偏差=?0.03 cm）。

**3.3 代表性测量与体积预测**：以马铃薯P007（0.10 m s^?1，25°）为例，投影面积A=17.22 cm²，超声波高度H=5.00 cm，面积–高度特征A×H=86.11 cm³，融合模型估算体积85.43 cm³，参考体积86.00 cm³，绝对误差0.57 cm³。该马铃薯在五种速度下的绝对预测误差从0.57 cm³（0.10 m s^?1）增至2.47 cm³（0.40 m s^?1），与整体速度效应一致。

**3.4 体积估算模型性能**：高度模型精度最低（平均R²=0.40±0.01，RMSE=7.38±0.51 cm³，MAE=5.90±0.38 cm³）；面积模型有所改善（R²=0.58±0.07，RMSE=6.33±0.52 cm³）。混合效应模型确认模型类型对误差有高度显著影响（χ²=2119，df=3，p<0.001），Bonferroni校正成对比较显示融合模型和A+H模型均显著优于面积模型和高度模型（均p<0.001），但两者之间无显著差异（p=1.00）。按Potato ID分组的五折GroupKFold交叉验证（2000条记录）得R²=0.87、RMSE=3.55 cm³、MAE=2.84 cm³，与条件特异性分析相当，排除了马铃薯身份泄漏的影响。融合模型在全部20种条件下R²≥0.77，偏差可忽略（?0.033至0.019 cm³）。Bland–Altman分析显示平均差异?0.003 cm³，95%一致性界限?6.96至+6.95 cm³，存在小幅但显著的 proportional bias（斜率=?0.074，p<0.001，r=?0.20），仅解释约4%的差异变异。

**3.5 输送带速度与倾角的影响**：速度从0.10增至0.50 m s^?1时，R²从0.96降至0.78，RMSE从1.96增至4.62 cm³，MAE从1.20增至3.86 cm³。在0.10 m s^?1时RMSE（1.96 cm³）与参考体积标准不确定度（约2 cm³）相当，表明低速误差几乎完全由参考测量噪声解释；而在0.50 m s^?1时传感器和模型贡献约4.2 cm³主导总误差。速度增加导致采样密度下降：超声波在0.10 m s^?1时相邻测量间距约1.25 cm，在0.50 m s^?1时增至6.25 cm；RGB在10 fps提取率下相邻帧间距从约1 cm增至约5 cm，每个马铃薯完全可见候选帧数从约18降至约4。倾角从15°增至30°时，R²从0.86略升至0.89，RMSE从3.50降至3.15 cm³，MAE从2.74降至2.43 cm³，效应量远小于速度。单因素方差分析显示投影面积（F=0.108，p=0.956）和超声波高度（均值约4.59 cm）在各角度间无显著差异。线性混合效应模型显示速度效应高度显著（χ²=832.11，df=4，p<0.001），倾角效应统计学显著但实际幅度很小（χ²=16.36，df=3，p<0.001），速度×角度交互作用不显著（χ²=7.73，df=12，p=0.806）。马铃薯身份随机截距方差0.147，残差方差0.159，组内相关系数0.48。所有十个速度水平成对比较均显著（校正p<0.001），五个速度形成五个统计上不同的同质组（a–e）。

**讨论与结论**

本研究评估了集成RGB相机和超声波传感器阵列的收获机输送带试验台用于马铃薯体积无损估算，并考察了输送带速度和倾角对估算精度的影响。融合模型平均R²=0.88（RMSE=3.33 cm³，MAE=2.60 cm³），显著优于面积模型（R²=0.58）和高度模型（R²=0.40）。消融分析表明改进主要归因于两种互补测量的结合而非特定的面积–高度乘积公式。这与先前使用RGB-D和深度相机的研究一致，本结果扩展了这一原则，证明使用更简单、更低成本的顶视RGB相机和超声波阵列组合即可获得可比改进，无需深度相机或完整三维重建。输送带速度是影响估算精度的主导因素，MAE从0.10 m s^?1时约1.2 cm³增至0.50 m s^?1时约3.9 cm³，R²从约0.96降至0.78。这种退化可能归因于速度增加相关的多种因素组合：两种传感模态的空间采样密度降低、机械振动和图像运动模糊增加。由于速度作为单因素变化，本研究无法分离这三个因素的各自贡献，需要后续控制实验。与速度相反，倾角在15–30°范围内影响很小，虽然混合效应分析检测到统计学显著的 angle 效应，但幅度远小于速度，且交互作用不显著。本研究存在若干局限性：实验有意在受控室内试验台条件下进行，未复现商业收获的完全复杂性；RGB和超声波传感单元未在单样本水平同步；当前流程依赖离线视频处理和代表性帧选择；HSV–GrabCut分割流程在田间环境中可能因附着土壤、作物残留、光照变化和重叠马铃薯而可靠性下降。未来工作应将经典流程替换或增强为基于学习的分割方法，并纳入高度校正投影或三维几何校正以消除残余的透视放大效应。

**结论翻译**：本研究开发并评估了一种低成本RGB–超声波传感方法，用于受控动态输送带条件下马铃薯体积的无损估算。实验平台复现了商用自走式马铃薯收获机原型的 principal 输送配置和操作范围，并使用相同的100个单独标识马铃薯在五种输送带速度和四种倾角下进行系统评估。四种体积估算公式的比较表明，将RGB衍生投影面积与超声波衍生高度相结合比任一单一传感模态提供显著更多的预测信息。面积加高度模型取得平均（R²）0.88、RMSE 3.27 cm³、MAE 2.54 cm³，而面积–高度乘积模型取得平均（R²）0.88、RMSE 3.33 cm³、MAE 2.60 cm³。模型误差的混合效应比较确认两种组合公式均显著优于仅面积和仅高度方法，而其相似性能表明主要精度改进源于互补的横向和垂直几何信息而非特定（A×H）公式本身。重复测量混合效应分析进一步表明输送带速度是影响估算精度的主导操作因素。模型性能随速度从0.10增至0.50 m s^?1而逐渐下降，而倾角效应虽然统计学可检测但相对较小，速度×角度交互作用不显著。速度相关的退化与较高输送带速度下超声波测量和RGB帧空间密度降低以及本研究未独立量化的可能运动和机械扰动相一致。研究结果确立了RGB–超声波传感器融合在受控输送带条件下用于马铃薯体积估算的可行性，并提供了传感方法对输送带操作参数敏感性的信息。然而，本实验并非设计为田间或商业验证。马铃薯在受控室内条件下单独输送，没有实际收获中预期的变化光照、土壤和作物残留、振动、遮挡、不规则方向和散装装载。因此，在该方法可被视为适用于实际收获机产量监测之前，需要进行包含自动传感器同步、稳健马铃薯检测和跟踪以及代表性商业输送带装载的田间实验。