引言
播种质量直接关系到适耕播种环境的建立、种子萌发以及后续作物的生长发育。因此，播种机的性能是确保高质量播种作业的关键因素。作为播种机的重要组成部分，镇压轮装置直接影响播种深度合格率、播种深度一致性、种土接触条件以及作物早期生长环境（Acquah and Chen, 2021, Hamza and Anderson, 2005）。适度的播后压实可以改善种子与土壤之间的接触，减少种子周围的空隙，增强土壤保水能力和水分传输效率，稳定种子的空间位置和播种深度一致性，从而为种子萌发和幼苗生长提供有利的土壤环境（Liu et al., 2024）。然而，在实际田间作业条件下，表层土壤结构通常表现出显著的空间异质性。不同田间区域的土块大小、疏松程度和压缩性差异较大，这容易导致压实不足或过度压实（Nawaz et al., 2013）。压实不足会削弱种土接触质量和土壤保水能力，而过度压实则可能降低土壤通气性、引起土壤板结，并进一步影响作物出苗均匀性和生长一致性（Majdoubi et al., 2024）。因此，实现压实作业与表层土壤结构状态之间的动态匹配是提高播种质量的重要课题。其核心挑战在于建立可观测的土壤结构特征与压实需求之间的定量映射关系。
现有的播种机压实调控方法大致可分为固定式、被动式和主动式三类。固定式压实通常施加恒定载荷，结构简单，但难以适应复杂田间环境下土壤条件的动态变化。被动式压实利用弹性元件提供一定程度的载荷缓冲，但其调节能力受限于机械结构参数，缺乏环境适应性。主动式压实能够根据传感器反馈动态调节压实动作（Li et al., 2020）。然而，大多数现有研究依赖间接的机械信号（如行走单元位移、载荷变化或地形跟随响应）进行控制决策（Hemmat and Adamchuk, 2008, Kirkegaard Nielsen et al., 2016, Tavakoli et al., 2024）。此类反馈信息本质上代表土壤-机具相互作用后的响应，因此具有间接性和滞后性，难以直接表征压实发生前表层土壤结构的空间异质性（Barreto et al., 2019）。由于缺乏对实际土壤结构状态的直接感知，现有方法无法有效反映土壤土块大小、疏松程度和结构均匀性的区域差异。因此，压实强度调节缺乏针对性，这限制了其在复杂田间条件下的自适应控制能力。因此，开发一种能够直接表征表层土壤结构空间变异性感知方法是实现压实强度分级调节的关键基础。仅依赖机械反馈的控制方法不足以支撑土壤结构状态与压实需求之间定量映射关系的建立（Chen et al., 2026, Sang et al., 2024）。
随着精准农业和智能农业机械的发展，计算机视觉和深度学习方法已被广泛应用于农业信息感知，在农业目标检测、作业环境识别和智能控制任务中表现出良好的实时性和鲁棒性（Kamilaris and Prenafeta-Boldú, 2018, Sa et al., 2016, Saleem et al., 2021）。近年来，对表层土壤条件的视觉感知和定量分析日益受到关注（Bouslihim et al., 2021）。Srivastava等人系统综述了基于计算机视觉和深度学习的土壤分类方法（Srivastava et al., 2021）。Gilliot等人使用摄影测量法估算土壤表面粗糙度（Gilliot et al., 2017），而Azizi等人利用立体视觉分析土壤表面结构和耕作质量（Azizi et al., 2021）。这些研究表明，基于视觉的方法可以为表层土壤结构特征的提取和定量表征提供有效的技术支持。然而，现有研究主要集中在土壤状态获取、特征分析或离线评估方面，针对播种压实实时感知与控制的集成研究仍然有限，由环境感知、控制决策和执行器调节组成的协调调控系统尚未完全开发。
从土壤力学角度看，表层土壤结构状态（特别是土块大小及其空间分布）直接影响土壤孔隙结构、应力传递路径和压缩性（Regelink et al., 2015, Turco et al., 2024）。当土壤土块较大且分布不均时，颗粒间有效接触点数量减少，应力集中效应更加显著，土壤结构重构难度增加（Frene et al., 2024, Germer et al., 2025）。在此条件下，通常需要更大的压实力才能实现有效压实并优化种土接触。相反，当表层土壤细碎且分布均匀时，其孔隙网络相对连续（Wardak et al., 2024），过度压实可能会破坏原始土壤结构并引发过度压实（Yu et al., 2023）。因此，基于土壤土块结构信息构建压实需求模型具有明确的物理可解释性。视觉可观测特征（如土块大小、面积占比和数量分布）可以作为表征表层土壤结构状态的重要变量，为开发融合数据驱动建模与物理机制的分级压实强度调节方法提供理论基础。然而，这些视觉土壤结构特征不能直接转换为压实控制指令，因为它们仅描述了土壤条件而非所需的压实响应。因此，土壤结构特征与压实强度等级之间的定量映射关系对于弥合土壤感知与自适应控制决策之间的差距至关重要。
基于上述问题，本研究提出了一种视觉感知驱动的小麦播种压实强度分级调节方法。该方法直接从镇压轮前方获取的表层土壤图像中提取土壤土块结构信息，建立表层土壤结构特征与压实等级需求之间的映射关系，并以电动直线执行器的伸出长度作为控制变量，实现压实强度的分级调节。本研究的核心假设是，土壤土块大小和空间分布可以通过基于视觉的方法进行定量感知并映射为分级压实强度需求，从而为改善异质土壤条件下的播种深度质量提供依据。与依赖机械响应信号的传统压实调控方法相比，该方法可以在压实发生前获取表层土壤状态信息，从而为主动压实强度调节提供前馈决策基础。本研究的主要贡献如下：1. 开发了一种播种镇压过程中表层土壤土块的视觉表征方法。采用改进的YOLOv11n模型检测田间大型和中型土壤土块，并确定各土壤区域的主导结构类型。2. 提出了一种综合土块面积占比和数量占比的土壤区域综合评价指标。建立了土壤区域类型与压实等级之间的映射关系，并进一步将其转换为电动直线执行器的位移控制指令。3. 构建了一套小麦播种压实强度分级调节系统，由视觉感知、控制决策和执行器调节组成。通过模型消融实验、控制性能测试和田间播种实验验证了所提方法的有效性和可行性。
