《Biosystems Engineering》：Modelling method and test verification of wheat plants with leaves for discrete element simulation of the harvesting process
编辑推荐：
小麦植株建模与收割过程仿真研究。通过几何参数测量和四方案建模（三叶脉/五叶脉 tangent/interval 排列），结合神经网络和遗传算法优化建立离散元接触力学模型，经体积密度和冲击测试验证，确定五叶脉间隔排列最优。模型可降低收割仿真误差，为多尺度建模和叶子影响研究奠定基础。
Jinwen Zhao|Jianqun Yu|Kai Sun|Yongchang Sun|Yang Wang|Yajun Yu
吉林大学生物与农业工程学院，长春，130022，中国
摘要
为了建立一种包含叶片的小麦植物建模方法，以分析小麦收割过程以及叶片对收割过程的影响，本研究首先对小麦叶片的几何形状和尺寸参数进行了测试分析。在此基础上，提出了四种几何建模方案：三种三叶脉和五种五叶脉配置，包括切向和间隔排列方式。测量并校准了接触参数，并结合神经网络训练和遗传算法优化，基于Bonding模型建立了包含叶片的小麦植物离散元模型。通过叶片体积密度测试和与模拟结果的比较，验证了叶片接触模型和参数的准确性；同时通过叶片冲击测试和与模拟结果的比较，也验证了叶片连接模型和参数的准确性。通过比较测试和模拟中的最大冲击力以及叶片的断裂情况，最终确定五叶脉间隔排列方式为最佳建模方案。通过切向脱粒测试和与模拟结果的比较，验证了所建立的小麦植物包含叶片的整体模型的可行性和有效性。该叶片模型能够进一步减少脱粒过程模拟和实际测试中的整体误差，为小麦植物的多尺度建模以及叶片对收割过程模拟分析的影响研究奠定了基础。
引言
小麦是世界上最重要的粮食作物之一。2022年，小麦产量占全球主要作物产量的约8%，总产量约为8亿吨（FAO，2024年）。在研究小麦收割的各个阶段时，始终存在难以分析小麦植株与农业机械部件之间相互作用的问题。目前，传统分析主要依赖于经验测试，这些测试具有高度季节性和高成本，限制了机械化收割新方法的发展。离散元方法（DEM）已在农业工程等领域得到广泛应用（Zhong等人，2016年；Horabik & Molenda，2016年），可以直观地模拟小麦收割过程（运输、脱粒和清理），并分析植株的机械行为和运动状态。
根据文献，为了在DEM模拟中分析小麦植株与农业机械部件之间的接触相互作用，研究人员建立了基于Hertz-Mindlin接触模型和Bonding模型的植株模型，通常包括茎秆和麦穗，并随后校准其接触机械参数（Sun等人，2023年；Wang等人，2020年）。此外，为了提高模拟的物理真实性，还开发了专门针对茎秆生物力学特性的灵活模型，如弯曲和压缩性能（Schramm & Tekeste，2022年）。尽管上述研究建立了小麦植物的DEM模型，但这些模型均未包含叶片。因此，目前尚不清楚叶片是否对小麦收割过程中的脱粒和清理有影响，以及影响程度如何。
在实际的小麦收割过程中，叶片会影响植株间的空隙率，从而对植株群体的接触和运动产生一定影响（Miu，2015年）。同时，在脱粒设备中，大量叶片作为轻质杂质会直接影响物料层的厚度和运动。这可能会改变谷物和杂质通过凹板的概率和路径，最终影响杂质率和夹带损失率。此外，叶片还会增加清洁系统入口处的物料负荷和悬浮速度分布范围，从而影响清洁设备中的流场。因此，需要建立包含叶片的植株整体模型，以模拟和分析输送过程中植株的运动轨迹和堵塞情况、脱粒过程中去除产品的累积分布、谷物在凹板上的通过能力以及清洁负荷的影响。
研究人员已经建立了包含叶片的小麦三维数字虚拟作物模型（Qian等人，2023年；Zheng等人，2022年），但这些模型主要用于表征叶片的生长状态和几何形态。为了模拟收割过程中叶片所受的力和损伤，Fu等人（2017年）基于点质量弹簧模型建立了包含叶片的小麦植物模型。然而，点质量弹簧模型中的点连接是非物理间隙，这可能导致其他实体在模拟过程中穿透这些间隙。因此，该模型与实际叶片存在显著差异。其他研究人员将点质量弹簧模型中的点间隙简化为实心三角形面。Han等人（2023年）建立了灵活的带状粒子模型，将形状不规则的颗粒离散化为三角形面以模拟生物质材料。Li等人（2024年）建立了苜蓿植物叶片的DEM模型，为苜蓿收割设备的设计和改进提供了基础。然而，上述研究中建立的粒子模型包含点（球体）和三角形面。三角形面模型需要开发特殊的算法，这些算法较为复杂。从确保可断裂尺寸的角度来看，三角形面相对较小，导致三角形面数量较多，从而增加了模拟计算量。
研究人员还使用切向排列球体建模和 bonding 模型对其他作物的叶片进行了建模研究。例如，Tian等人（2023年）建立了烟草叶片拉伸试样的模拟模型，校准并验证了该模型，发现该模型可以预测烟草叶片的拉伸强度和杨氏模量。Ren等人（2022年）基于甘蔗叶片的基本物理参数测量结果建立了甘蔗叶片的模拟模型，并成功进行了杂质去除测试和模拟。然而，由于叶片较薄且长度较长，切向排列球体建模方法导致球体直径较小，建模过程中球体数量较多，从而增加了模拟计算负荷。从减少模拟计算负荷和确保小麦叶片可断裂尺寸的角度出发，假设使用具有一定间隔排列的球体对小麦叶片和植株进行建模可以满足小麦收割过程的模拟要求。
为了准确模拟叶片的宏观机械行为，还需要在模拟前准确校准机械模型中的微观参数。目前，校准DEM参数的主流方法是设计实验（Du等人，2023年；Zhang, Zhao等人，2023年）。近年来，随着机器学习技术的发展，研究人员利用神经网络和优化算法进行参数校准。通过结合神经网络的强大非线性拟合能力和启发式算法（如粒子群优化（PSO）和遗传算法（GA）的全局搜索效率，研究人员成功实现了比传统方法更快、更可靠的参数校准（Wang等人，2023年；Xu等人，2024年）。然而，在神经网络训练中，初始参数的选择对训练效果有显著影响。因此，需要进一步研究以确定待校准参数的初始范围，尤其是关于小麦叶片接触力学参数的测量和校准的报道较少。
本研究旨在建立并探索一种适用于收割过程模拟的小麦植物包含叶片的建模方法，模拟植株与叶片以及植株与叶片与农业机械部件之间的接触和破碎过程。假设使用具有一定间隔排列的球体可以实现这一目标。这些研究成果有望为叶片状和条状材料的建模和模拟提供有价值的见解，并为小麦植物的多尺度建模以及小麦收割过程中植株叶片与农业机械部件之间接触的模拟提供参考。
章节摘录
叶片几何形状测试与分析
本研究选择了中国四个主要小麦品种的成熟植株叶片作为研究对象，包括FM8（黄淮海小麦区）、XN629（西北小麦区）、ZM12（中下游长江小麦区）和XD30（新疆小麦区）。样本采集时间为2024年5月25日至7月8日，此时植株已成熟，叶片的平均含水量在17.4%至26.5%之间。这一含水量范围涵盖了从晚蜡质期开始的临界收割窗口。
叶片几何形状测试结果
叶片长度和宽度的测量结果如图12所示。四个品种的叶片长度和宽度大致呈正态分布，平均长度和宽度分别为190.64 - 225.93毫米和9.35 - 9.82毫米。
叶片尖端到叶片宽度位置的距离、叶柄角度、叶片宽度、叶基宽度和每个节间叶片长度的测量结果平均值见表3。
结论
本研究选取了中国四个代表性小麦产区的品种作为研究对象，测试并分析了小麦叶片的几何形状和尺寸参数。在此基础上，提出了一种适用于收割过程模拟的小麦叶片通用建模方法，并建立了包含叶片的小麦植物整体模型。测量并校准了各种接触机械参数。最后，通过叶片体积密度测试和冲击测试
作者贡献声明
Jinwen Zhao：撰写——原始草案、软件开发、方法论设计、概念构建。Jianqun Yu：方法论设计、资金获取、概念构建。Kai Sun：撰写——审稿与编辑、监督、项目管理。Yongchang Sun：软件开发、数据分析。Yang Wang：软件开发、数据分析。Yajun Yu：验证、监督。
数据/代码可用性声明
本研究中的所有数据均可通过联系相应作者获取。
生成式AI声明
本研究的准备过程中未使用任何生成式AI或AI辅助技术。
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本研究得到了国家自然科学基金（项目编号：52130001、52275250）、吉林省教育厅的科学技术项目（项目编号：JJKH20221025KJ）以及长春市重点研发计划（项目编号：21ZGN22）的资助。作者感谢他们的慷慨财政支持。
作者还要感谢Liusuo Liang在研究过程中提供的有益讨论和建设性建议。
