Автоматизированный модуль сепарации клубней картофеля от почвенных примесей: разработка и исследование

Качество выполнения уборочной операции определяется сохранением товарной продукции с минимальным количеством почвенно-растительных примесей. С целью повышения качества процесса уборки картофеля разработан и изготовлен автоматизированный модуль сепарации картофеля от почвенных примесей. Автоматизированный модуль сепарации позволяет получать изображения движущихся биологических объектов, распознавать и обрабатывать их, формировать изображения в образы с последующей классификацией их по уровням (картофель и комок почвы), разделять клубни картофеля и комки почвы потоком сжатого воздуха. Разработанная оптическая система идентификации биологических объектов сочетает модуль подачи и оптическую систему идентификации с системой подсвечивания. Модуль подачи продукции представляет собой конвейер с регулируемой скоростью подачи от 0,5 до 3,0 м/с. Оптическая система идентификации включает в себя техническое зрение и блок управления с системой подсвечивания биологических объектов. Система технического зрения предусматривает наличие камеры с разрешением не менее 5400 пикселей и режимами работы в диапазоне спектров RGB+RGB или NIR+RGB. Лабораторно-полевые испытания автоматизированного модуля сепарации картофеля от почвенных примесей выполнили на уборке картофеля сорта Прайм с урожайностью 236,0 ц/га при глубине хода подкапывающих рабочих органов картофелеуборочного комбайна до 20 см. Поступательная скорость движения комбайна варьировалась в диапазоне 1,0…1,8 м/с, поступательная скорость движения полотна пруткового элеватора достигала 1,55…1,67 м/с. Установили, с ростом поступательной скорости движения элеватора от 1,0 до 1,8 м/с увеличиваются повреждаемость клубней картофеля от 1,2 до 1,9% и полнота сепарации клубненосного вороха от 94,5 до 98,8%. Показатели качества уборочной операции при глубине хода рабочих органов 14,9 см не превысили требований технического задания: полнота сепарации картофеля составила 97,1%, потери клубней картофеля – 2,9%, количество клубней в составе вороха – 80,3%. Результаты исследований послужат в качестве основы для дальнейшего совершенствования автоматизированных систем уборки картофеля и разработки рекомендаций по оптимизации процессов сепарации и повышению качества продукции.

1. Петухов С.Н. Состояние технического и технологического обеспечения селекции и оригинального семеноводства картофеля // Агротехника и энергообеспечение. 2018. № 4. С. 76-84. EDN: YVECCT

2. Лобачевский Я.П., Ценч Ю.С. Принципы формирования систем машин и технологий для комплексной механизации и автоматизации технологических процессов в растениеводстве // Сельскохозяйственные машины и технологии. 2022. Т. 16, № 4. С. 4-12. https://doi.org/10.22314/2073-7599-2022-16-4-4-12

3. Лобачевский Я.П., Дорохов А.С. Цифровые технологии и роботизированные технические средства для сельского хозяйства // Сельскохозяйственные машины и технологии. 2021. Т. 15, № 4. С. 6-10. https://doi.org/10.22314/2073-7599-2021-15-4-6-10

4. Лобачевский Я.П., Бейлис В.М., Ценч Ю.С. Аспекты цифровизации системы технологий и машин // Электротехнологии и электрооборудование в АПК. 2019. № 3. С. 40-45. EDN: RLCDHO

5. Казаков С.С., Живаев О.В., Никулин А.В. Конструкционные пути снижения повреждаемости клубней посадочного картофеля при работе цепочно-ложечного высаживающего аппарата // Тракторы и сельхозмашины. 2019. № 3. С. 29-34. EDN:ARTNCV

6. Abd El-Rahman M.M.A. Development and performance evaluation of a simple grading machine suitable for onion sets. Journal of Soil Sciences and Agricultural Engineering. 2011;2(2):213-226.

7. Dandekar I., JoshiA., Patil V. А review paper based on design and development of an onion harvesting machine. Journal of Information and Computational Science. 2020;9(12):333-337.

8. Jothi Shanmugam C., Senthilkumar G. Indigenous development of low cost harvesting machine. ARPN Journal of Engineering and Applied Sciences. 2017;12:4489-4490.

9. Bachche S. Deliberation on design strategies of automatic harvesting systems: Asurvey. Robotics. 2015;4(2):194-222.

10. Cao T., Wang Y., Chen J. Analysis and simulation of potato combine harvesting machine. Сommunications, Signal Processing, and Systems. Lecture Notes in Electrical Engineering. 2022;879:556-563. https://doi.org/10.1007/978-981-19-0386-1_70

11. Ахалая Б.Х., Ценч Ю.С. Комбинированный агрегат для обработки почвы импульсным воздействием ударной волны // Сельскохозяйственные машины и технологии. 2023. Т. 17, № 4. С. 62-67. https://doi.org/10.22314/2073-7599-2023-17-4-62-67

12. Zhang Z.J., Jia H.L., Sun J.Y. Review of application of biomimetics for designing soil-engaging tillage implements in Northeast China. International Journal of Agricultural and Biological Engineering. 2016;9(4):12-21. URL: https://ijabe.org/index.php/ijabe/article/view/1437 (дата обращения: 20.04.2026)

13. Альт В.В., Исакова С.П. Планирование работ при возделывании зерновых культур: программные компоненты // Сельскохозяйственные машины и технологии. 2023. Т. 17, № 4. С. 12-18. https://doi.org/10.22314/2073-7599-2023-17-4-12-18

14. Дорохов А.С., Сибирёв А.В., Мосяков М.А. и др. Концептуальные основы создания автоматизированного комбайна для уборки картофеля с цифровой системой идентификации почвенных комков и их отделения от товарной продукции // Вестник российской сельскохозяйственной науки. 2023. № 5. С. 98-104. https://doi.org/10.31857/2500-2082/2023/5/98-104

15. Дорохов А.С., Сибирёв А.В., Аксенов А.Г., Мосяков М.А. Метод комплексной оценки качества выполнения технологических операций энергоресурсосберегающей технологии уборки корнеплодов и картофеля // Агроинженерия. 2022. Т. 24, № 1. С. 12-16. https://doi.org/10.26897/2687-1149-2022-1-12-16

16. Дорохов А.С., Сибирёв А.В., Аксенов А.Г., Мосяков М.А. Экспериментальные исследования по разработке автоматизированной системы регулирования плотности почвы посевной машины // Агроинженерия. 2021. № 2. С. 9-15. https://doi.org/10.26897/2687-1149-2021-2-9-15

17. Jia B., Sun W., Zhao Z. et al. Design and field test of a remotely controlled self-propelled potato harvester with manual sorting platform. American Journal of Potato Research. 2023;100:193-209. https://doi.org/10.1007/s12230-023-09909-3

18. Ценч Ю.С., Годлевская Е.В. Математическое моделирование как инструмент проектирования сельскохозяйственных машин и агрегатов (применительно к истории развития научной школы Южного Урала) // Сельскохозяйственные машины и технологии. 2023. Т. 17, № 2. С. 4-12. https://doi.org/10.22314/2073-7599-2023-17-2-4-12

19. Ракутько С.А., Ракутько Е.Н., Медведев Г.В. Разработка экспериментального фитотрона и его применение в исследованиях по энергоэкологии светокультуры // Сельскохозяйственные машины и технологии. 2023. Т. 17, № 2. С. 40-48. https://doi.org/10.22314/2073-7599-2023-17-2-40-48