Выпускники передовой инженерной школы Донского государственного технического университета «Институт перспективного машиностроения “Ростсельмаш”» разработали и успешно защитили дипломный проект «Система оценки качества обмолота, определения поврежденности и сорности зерна в зерноуборочных комбайнах». По сути, это система контроля качества урожая — студенты «научили» комбайн распознавать брак в зерне прямо во время уборки.
Эта проблема знакома каждому комбайнеру: если на поле неоднородный растительный покров, то в бункер попадает зерно разного качества — где-то пересушенное и дробленое, где-то с мусором и сорняками. По словам одного из разработчиков Татьяны Макаровой, иногда содержание сорных примесей превышает норму в 3,5 раза, а это влияет на стоимость массы при продаже. Система, разработанная студентами ПИШ, анализирует каждую партию зерна и подсказывает механизатору, когда пора перенастроить машину.
Работа над проектом началась в декабре 2023 года. Система состоит из четырех модулей: пробоотборник: модуль электроники, реализующий автоматизированный сбор, обработку и хранение данных; нейросетевой алгоритм для анализа зерновой массы; модуль передачи данных, ответственный за визуализацию информации для конечного пользователя.
«Пробоотборник, оснащенный видеокамерой, электроникой и одноплатным компьютером, через который проходит зерно, устанавливается на зерновой элеватор комбайна — конечный узел, после которого зерно попадает в бункер. Камера фиксирует изображение зерна, далее алгоритмы машинного обучения детектируют разные фракции и рассчитывают процент сорных примесей и дробленых зерен. Получая эту информацию, механизатор принимает решение о перенастройке комбайна. Он может, например, изменить скорость работы вентилятора, степень открытия решет, отрегулировать зазор подбарабанья», — рассказал разработчик Николай Прудников.
«Цель нашего проекта — улучшение технических параметров системы оценки качества обмолота зерновых посредством повышения (до более 83%) точности распознавания сорной и дробной фракций. При этом суммарная мощность, потребляемая этой системой, не должна превышать 50 Вт, а минимизация загрязнения окна видеокамеры, размещенной в пробоотборнике, достигается путем улучшения конструкции последнего», — добавила Татьяна Макарова.
Каждый из разработчиков отвечал за свою часть проекта: «Анализ и применение машинного обучения для идентификации сорной и дробной фракции зерна» (Татьяна Макарова), «Сравнительный анализ вычислительных устройств разных производителей для обработки видеопотока пробоотборника» (Иван Орехов), «Исследование способов оценки загрязненности стекла видеокамеры с применением технического зрения» (Николай Прудников), «Исследование программных методов распознавания сорности и дробности зерна» (Даниил Чеботарев). Научный руководитель — инженер молодежной лаборатории «Интеллектуальные электрические сельскохозяйственные машины и комплексы» ДГТУ Гарри Исраелян.
По итогам проекта: точность распознавания сорной и дробной фракций составила 85%, граничное значение загрязненности окна видеокамеры — 15% (вероятность загрязнения снижена в 4,3 раза за счет обновленной — наклонной конструкции пробоотборника), суммарная потребляемая мощность уменьшена до 45 Вт.
Проект студентов ПИШ ДГТУ получил высокую оценку от индустриального партнера. По словам Владислава Пигенко, директора Института перспективного машиностроения «Ростсельмаша», этот дипломный проект должен быть обязательно внедрен в реальное производство, и ребята очень близко подошли к этому этапу. Молодые инженеры смогут продолжить разработку своего проекта, уже влившись в коллектив компании. Следующим шагом станут полевые испытания, отработка на надежность и подготовка производства для серийной установки на комбайны.
«У команды в настоящее время есть план по увеличению числа распознаваемых сельхозкультур, а также по повышению скорости обработки данных с последующим тестированием системы в полевых условиях», — подчеркнул Владислав Пигенко.
С 2025 года проект «Передовые инженерные школы» реализуется в рамках национального проекта «Молодежь и дети».