水稻钵苗育秧精量播种装置、控制方法及其应用

水稻钵苗育秧精量播种装置、控制方法及其应用有效专利发明

技术领域

[0001] 本发明涉及农业技术领域，特别是一种涉及水稻钵苗育秧精量播种装置、控制方法及其应用。

具体实施方式

[0028] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。

[0029] 需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。

[0030] 实施例一本发明旨在提出了一种水稻钵苗育秧精量播种装置，具体地，参考图1‑8，包括安装板1、播种装置2，吸种装置3、清孔装置4，可在播种过程中通过清孔装置4排出稻芒，避免吸种装置3的堵塞，提高播种效率。

[0031] 在本实施例中，播种装置2包括型孔滚筒驱动电机21、型孔滚筒传动齿轮22、型孔滚筒固定轴23、型孔滚筒24、型孔内筒25、密封块26。

[0032] 其中，型孔滚筒驱动电机21安装于安装板1；型孔滚筒固定轴23通过轴承固连于安装板1上；型孔滚筒传动齿轮22的主动轮固连于型孔滚筒驱动电机21的电机轴上，从动轮与型孔滚筒24侧面固定连接，型孔内筒25固连于型孔滚筒固定轴23，型孔滚筒24套于型孔内筒25外表面；其中，型孔滚筒24外壁上设置有多个轴向与周向均为均匀排布的型孔，型孔内筒
25外表面光滑，与型孔滚筒24内壁紧贴，形成孔洞，用于存放种子；型孔滚筒驱动电机21的电机轴转动，通过型孔滚筒传动齿轮22传动，实现型孔滚筒24的转动，在转动过程中，在型孔滚筒24与负压滚筒34交接处，型孔会将负压滚筒34上吸附的种子刮入型孔内，种子随着型孔滚筒24转动，在型孔滚筒24下方掉落，以此实现播种；
其中，密封块26固连于安装板1上，位于型孔滚筒24的前方，紧贴于型孔滚筒24，存有种子的型孔旋转至密封块26处时，密封块26可挡住型孔，可以防止种子掉落。

[0033] 在本实施例中，吸种装置3包括负压滚筒驱动电机31、负压滚筒传动齿轮32、负压滚筒固定轴33、负压滚筒34、吹种装置35、种箱36、振动器37、导向板38、拨片电机39、拨片支架310、拨片电机传动板311、拨片连接传动板312、拨片传动板313、拨片314、拨片固定架315。

[0034] 其中，负压滚筒驱动电机31安装于安装板1上；负压滚筒固定轴33通过轴承固连于安装板1上，负压滚筒固定轴33内部中空，表面有多个孔洞，其作用为流通气体；负压滚筒传动齿轮32的主动轮固连于负压滚筒驱动电机31的电机轴上，从动轮与负压滚筒34固定连接，负压滚筒34表面设置有多个与型孔滚筒24上的型孔位置一一对应的气嘴组，每个位置的气嘴组含有三个气嘴，呈A字形排列，也可以是其他排列方式。负压滚筒固定轴33通过气管与外部的风机连接，气体通过气管流出负压滚筒34内部，负压滚筒34内部气压低于滚筒外部气压，以使负压滚筒通过气嘴吸附种子，一个气嘴吸附一个种子。

[0035] 当负压滚筒驱动电机31电机轴转动，通过负压滚筒传动齿轮32传动，以此实现负压滚筒固定轴33的转动；吹种装置35固连于安装板1上，吹种装置35上设置有与负压滚筒34上的单排气嘴组位置一一对应的吹气嘴，吹种装置35进气口与气泵通过气管连接，以此通入气体，吹种装置35内气压高于吹种装置35外部气压，负压滚筒吸种过程中可能会吸附多余的种子，吹种装置35以此可将多余种子吹落，同时可将表面的稻芒吹落。

[0036] 其中，种箱36安装于安装板1上，与负压滚筒34相连接；振动器37固连于种箱36下方；拨片固定架315固连于种箱36上方；拨片电机39安装于拨片固定架315上方；拨片支架310安装于拨片固定架315上方；拨片314与拨片支架310的转轴固定连接；拨片连接传动板
312通过拨片电机传动板311与拨片电机39的转轴固定连接；拨片连接传动板312一侧转动连接于拨片电机传动板311，一侧转动连接于拨片传动板313，拨片传动板313另一侧固连于拨片支架310的转轴上。

[0037] 将种子倒入种箱36中后，拨片电机39的转轴转动，通过拨片电机传动板311，拨片连接传动板312与拨片传动板313的传动，拨片314实现来回摆动，拨片314可将种箱36内种子中间较多的部分向两侧播撒，同时振动器37同时工作，可使种子更加均匀地在种箱36内分布；导向板38固定于安装板1，在吸种过程中，通过导向板38可以使吸孔上的种子落入一一对应的型孔内。

[0038] 在本实施例中，清孔装置4包括隔板41、正压清孔装置42、密封条43、正压密封气嘴44、正压清孔气嘴45、负压清孔装置46、负压清孔气嘴47。

[0039] 其中，隔板41固连于负压滚筒固定轴33下方；正压清孔装置42固连于隔板41下方；密封条43放置于正压清孔装置42下方凹槽内；正压密封气嘴44固连于隔板41的气孔上，与气泵连接的气管通过负压滚筒固定轴33内部穿出，与正压密封气嘴44进气口连接；正压清孔气嘴45穿过隔板41固连于正压清孔装置42的气孔上，与气泵连接的气管通过负压滚筒固定轴33内部穿出，与正压清孔气嘴45进气口连接；负压清孔装置46固定放置于安装板1上，位于负压滚筒34侧后方；负压清孔气嘴47固连于负压清孔装置46的气孔上，进气口通过气管与风机相连。

[0040] 在负压滚筒工作过程中，气泵工作将气体通过气管流入正压密封气嘴44，正压密封气嘴44内部气压大于正压清孔装置42下方凹槽内气压，产生正压吹力，吹动密封条43向下移动紧贴负压滚筒34内壁，使负压滚筒34内部与正压清孔装置42内部隔绝开，以此负压滚筒34内部只存在负压，利于吸种效果。

[0041] 在吸附种子的过程中，负压滚筒34可以将种子的稻芒吸入负压滚筒34内部，吹种装置35在吸种过程中会将表面的稻芒吹落；如果稻芒被吸入负压滚筒34内部，才会产生后续的效果；卡在气嘴的稻芒是在种子被刮入型孔滚筒24后，气嘴转到负压滚筒34的侧后方时，才会被负压清孔装置46施加吸力。

[0042] 而通过与负压滚筒固定轴33连接的气管将稻芒排出负压滚筒34；气泵工作将气体通过气管流入正压清孔气嘴45内部，正压清孔气嘴45内气压大于正压清孔装置42内部空洞气压，以此产生正压吹力；一些稻芒会卡在气嘴中无法吸入负压滚筒34内部，通过正压清孔装置42在内部施加正压吹力，可将稻芒排出，负压滚筒34下方设有挡板，以防稻芒在负压滚筒34下方被吹出后落入秧盘内。

[0043] 其中，风机工作将气体通过气管流出负压清孔气嘴47，负压清孔气嘴47内气压小于负压清孔装置46内气压，以此产生负压吸力；若正压清孔装置42的正压吹力不够将稻芒吹出，负压滚筒34带着稻芒转到侧后方时，负压清孔装置46与正压清孔装置42可以共同作用，正压清孔装置42从内部施加正压吹力，负压清孔装置46从外部施加负压吸力，将卡在吸嘴的稻芒排出负压滚筒34。

[0044] 在播种装置停止工作时，为防止稻芒在负压滚筒34内部积压，影响吸附效果，可关闭与正压密封气嘴44连接的气泵，使密封条43无法紧贴负压滚筒34内壁，正压清孔气嘴45的正压吹力将堆积在负压滚筒34的稻芒吹起，进而通过与负压滚筒固定轴33连接的气管将稻芒吸出。

[0045] 在本实施例中，控制器分别与播种装置2、吸种装置3以及清孔装置4电连接，用于控制各个装置的协同工作，实现精量播种。控制器可以是工控电脑。

[0046] 在本实施例中，工作原理如下：第一步、整个装置架设在传送装置（现有流水线的传送带）上方，将种子倒入种箱
36中，振动器37与拨片314同时工作，使种子均匀散布在种箱36中；
第二步、通过控制器手动复位型孔滚筒固定轴23与负压滚筒固定轴33后，启动传
送带与种箱36，将秧盘放到传动带上，向播种装置2移动。

[0047] 第三步、传感器感应到秧盘进入播种装置2下方时，传输信号给控制器，控制器控制型孔滚筒驱动电机21与负压滚筒驱动电机31的电机轴同步转动，通过型孔滚筒传动齿轮22与负压滚筒传动齿轮32传动，以此使型孔滚筒24与吹种装置35同步转动；
风机同时工作，负压滚筒固定轴33的进气口通过气管与风机连接，将气体从负压
滚筒固定轴33内部吸出，使负压滚筒固定轴33内气压低于负压滚筒固定轴33外部气压，以此负压滚筒34能够通过气嘴吸附种子并将稻芒吸入负压滚筒固定轴33内部，稻芒会通过气管排出负压滚筒固定轴33，每个气嘴组可吸附两到三个种子，负压滚筒34会将多余的种子吹落。

[0048] 第四步、在负压滚筒34转动过程中，振动器37会将负压滚筒固定轴33所吸附的种子朝向变为竖直朝向，型孔滚筒24上的型孔会一一对应地将气嘴组所吸附的种子刮入型孔内，并在滚筒下方将种子一一对应地播入秧盘的穴内；在吸附种子的过程中，为防止正压清孔装置42影响吸种效果，可通过正压密封气
嘴44对密封条43施加吹力，使密封条43紧贴负压滚筒34内壁，使正压清孔装置42内部与负压滚筒34内部隔绝，避免正压清孔装置42产生的吹力影响吸附效果；
其中在吸附过程中，一些稻芒不会被吸入负压滚筒34内部，而是被卡在负压滚筒
34的气嘴上，这些稻芒随着负压滚筒34转到负压滚筒34后方时，正压清孔装置42与负压清孔装置46共同作用，正压清孔装置42从内部施加吹力，负压清孔装置46从外部施加吸力，将卡在吸嘴的稻芒清理掉；负压滚筒34下方设有挡板，以防稻芒在负压滚筒34下方被吹出后落入秧盘内。

[0049] 第五步、在播种装置2停止作业时，为防止稻芒在负压滚筒34内部积压，影响吸附效果，可关闭与正压密封气嘴44连接的气泵，使密封条43无法紧贴负压滚筒34内壁，正压清孔气嘴45的吹力将堆积在负压滚筒34的稻芒吹起，进而通过与负压滚筒固定轴33连接的气管吸出。

[0050] 优选地，在负压滚筒34上还安装了高清摄像头来实时采集种子和滚筒的图像。图像采集的频率为每秒30帧，以确保能够及时捕捉到稻芒的情况。通过将采集到的图像预处理和特征提取后，并利用机器学习模型进行训练，得到稻芒检测模型，通过该稻芒检测模型判断图像中是否存在稻芒并输出稻芒的位置和数量信息，以通过控制器调整正压清孔装置或负压清孔装置的工作参数，以清除稻芒。具体步骤为：1.图像采集：
摄像头安装在负压滚筒附近，能够清晰地拍摄到种子被吸附和滚动的过程。采集
到的图像以RGB格式存储，并传输到图像处理单元。

[0051] 2.图像预处理：对每帧图像进行灰度化处理，减少计算量。使用中值滤波去除图像中的噪声，使图像更加平滑。通过直方图均衡化增强图像的对比度，突出稻芒的特征。

[0052] 3.特征提取：运用边缘检测算法，如Canny边缘检测，提取图像中稻芒的边缘信息。计算稻芒的形状特征，如长度、宽度、面积等。利用颜色特征，判断稻芒与种子在颜色上的差异。

[0053] 4.机器学习模型训练：收集大量包含稻芒的种子图像，并进行标注，标记出稻芒的位置和特征。使用这些标注数据训练卷积神经网络（CNN）模型，使其能够学习到稻芒的特征模式。在训练过程中，不断调整模型的参数，以提高检测的准确性。

[0054] 5.实时检测：在播种过程中，实时采集的图像被输入到训练好的CNN模型中。模型快速判断图像中是否存在稻芒，并输出稻芒的位置和数量信息。例如，当模型检测到某个气嘴附近存在稻芒时，会将该信息反馈给控制系统，控制系统可以及时调整正压清孔装置或负压清孔装置的工作参数，以清除稻芒。

[0055] 代码示例如下：importcv2
#图像预处理
defpreprocess_image(image):
#灰度化
gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
#降噪
blurred=cv2.GaussianBlur(gray,(5,5),0)
#二值化
thresh=cv2.threshold(blurred,127,255,cv2.THRESH_BINARY_INV)[1]
returnthresh
#特征提取
defextract_features(image):
#边缘检测
edges=cv2.Canny(image,100,200)
#轮廓提取
contours,_=cv2.findContours(edges,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_
SIMPLE)
#计算轮廓特征，如面积、周长等
features=[cv2.contourArea(cnt)forcntincontours]
returnfeatures
#示例用法
image=cv2.imread('image.jpg')
preprocessed_image=preprocess_image(image)
features=extract_features(preprocessed_image)
print(features)
优选地，本装置还包括用于测量负压滚筒的吸附压力的压力传感器、用于检测正
压清孔装置42和负压清孔装置46的气流强度的气流传感器以及用于获取稻芒检测模型输出结果的稻芒检测传感器。当然不仅限于这些传感器。

[0056] 其中，本装置所采用的风机、传送带、气管、摄像头以及各种传感器均为现有设备，并非本发明的所要保护的技术点所在，因此不限制其结构和型号。

[0057] 实施例二基于相同的构思，本发明还提出了一种水稻钵苗育秧精量播种装置的控制方法，
在杂交稻钵苗精量播种装置中，自适应控制算法的主要目标是根据实时的播种情况和环境变化，自动调整播种装置的各个参数，以确保高效、准确的播种过程。如图9所示，具体步骤包括：
S00、构建自适应算法模型，该模型的输入包括压力传感器、气流传感器以及稻芒检测传感器采集的参数和稻芒检测模型的输出结果。具体地，本播种装置安装了多种传感器，用于监测种子的流动情况、稻芒的数量、负压滚筒的吸附效果、正压清孔装置和负压清孔装置的工作状态等。

[0058] 在本实施例中，构建自适应算法模型具体包括：1.确定输入参数：收集与本播种装置运行相关的各种参数，如种子流量、稻芒数
量、负压滚筒34吸附压力、正压清孔装置42和负压清孔装置46的气流强度、环境温度和湿度等。这些参数将作为模型的输入。

[0059] 2.选择合适的算法：可以采用基于机器学习的算法，如神经网络、强化学习或模糊逻辑等。例如，使用神经网络时，可以构建一个多层感知器（MLP）或卷积神经网络（CNN）来处理输入数据。

[0060] 3.定义模型结构：根据选择的算法，确定模型的层数、神经元数量、连接方式等结构参数。例如，在神经网络中，可以设置多个隐藏层，每个隐藏层包含一定数量的神经元，通过调整这些参数来优化模型的性能。

[0061] 4.考虑动态特性：由于播种过程是一个动态的过程，模型应该能够捕捉到参数之间的动态关系。可以引入时间序列分析或递归神经网络（RNN）等技术来处理时间相关的数据。

[0062] S10、通过收集不同播种条件下的数据，包括不同种子品种、稻芒数量、播种环境以及对应的最优工作参数组合，通过该数据对自适应算法模型进行训练，使模型能够学习到不同情况下的最优工作参数组合；在本实施例中，模型训练具体包括：
1.收集训练数据：在本播种装置的实际运行中，收集大量的历史数据，包括不同播种条件下的各种参数值以及对应的最优工作参数组合。这些数据将用于训练模型。

[0063] 2.数据预处理：对收集到的数据进行清洗、预处理和标注。去除异常数据，进行数据归一化或标准化处理，以确保数据的质量和一致性。

[0064] 3.训练模型：使用预处理后的训练数据对模型进行训练。通过调整模型的参数，使模型能够学习到输入参数与最优工作参数组合之间的映射关系。可以采用反向传播算法等优化算法来更新模型的参数。

[0065] 4.验证和调整：使用验证集对训练好的模型进行验证，评估模型的性能。根据验证结果，对模型进行调整和优化，例如调整模型的结构、超参数或增加训练数据的数量。

[0066] 5.持续学习：在实际应用中，不断收集新的数据，并将其加入训练数据集中，以持续更新和改进模型。模型应该能够适应播种装置的变化和新的播种环境。

[0067] S20、在播种过程中，实时采集数据并输入到训练好的自适应算法模型中，通过该自适应算法模型输出推荐的工作参数组合；S30、对自适应算法模型输出的多个工作参数组合进行评估，根据预设的目标函数或性能指标来衡量每个组合的优劣；例如，目标函数可以考虑播种效率、种子利用率、稻芒清除效果等因素。

[0068] S40、根据评估结果，选择最优的工作参数组合作为决策输出，这个组合将被发送到播种装置的控制器，用于调整各个装置的工作参数；S50、随着播种过程的进行，实时监测播种效果和参数变化，如果发现实际效果与预期不符，自适应算法模型再次进行预测和决策，动态调整工作参数组合，以确保始终保持最优的播种状态。

[0069] 例如，在某一具体场景中，自适应算法模型接收到当前的种子流量为较低值，稻芒数量较多，负压滚筒34吸附压力为正常值，环境温度较高的输入数据。自适应算法模型通过训练学习到的知识，预测出此时应降低型孔滚筒24的转动速度，增加负压滚筒34的吸附压力，同时大幅增强正压清孔装置42的吹力和负压清孔装置46的吸力。经过评估，这个工作参数组合在当前情况下能够最大程度地提高播种效率、减少稻芒堵塞，因此被决策为最优组合，并应用于本播种装置的控制中。

[0070] 例如，当种子流量传感器检测到种子的供应速度发生变化时，自适应控制算法会立即响应。如果种子供应速度减慢，算法可能会增加负压滚筒34的吸附压力，以确保足够的种子被吸附；同时，它可能会调整型孔滚筒24的转动速度，以匹配种子的供应节奏，避免出现空穴或多播的情况。另外，当稻芒检测传感器发现稻芒数量增多时，算法会自动增强正压清孔装置42的吹力和负压清孔装置46的吸力，确保稻芒及时被清除，防止吸嘴堵塞。同时，它还会根据稻芒的分布情况，智能调整导向板38的位置和角度，使种子能够更准确地落入型孔内，提高播种的精度。

[0071] 此外，环境因素如温度和湿度的变化也会被传感器监测到。如果环境温度升高，导致种子的流动性发生改变，算法会相应地调整振动器的振动频率和幅度，以保证种子在种箱内的均匀分布。

[0072] 例如，在某一时刻，传感器检测到种子供应速度突然降低，同时稻芒数量增多，环境温度升高。自适应控制算法会进行如下调整：增加负压滚筒34的吸附压力，确保吸附足够的种子。

[0073] 降低型孔滚筒24的转动速度，避免空穴播种。

[0074] 增强正压清孔装置42的吹力和负压清孔装置46的吸力，清除稻芒。

[0075] 调整导向板38的角度，确保种子准确落入型孔。

[0076] 提高振动器37的振动频率和幅度，保证种子均匀分布。

[0077] 通过这样的自适应控制，播种装置2能够实时适应各种变化，始终保持最佳的播种状态，提高播种效率和质量。

[0078] 通过以上步骤，可以构建一个有效的自适应控制算法模型，使其能够根据实时数据决策出最优的工作参数组合，提高杂交稻钵苗精量播种装置的性能和适应性。

[0079] 代码示例如下：importnumpyasnp
#自适应控制算法
classAdaptiveControl:
def__init__(self):
#初始化模型参数
self.model_params=np.random.rand(10)
defupdate_params(self,data):
#根据数据更新模型参数
#这里使用简单的随机更新作为示例
self.model_params+=np.random.rand(10)
defmake_decision(self,data):
#根据模型参数和数据做出决策
#这里使用简单的线性模型作为示例
decision=np.dot(data,self.model_params)
returndecision
#示例用法
control=AdaptiveControl()
data=np.array([1,2,3,4,5])
control.update_params(data)
decision=control.make_decision(data)
print(decision)
优选地，S00步骤中引入时间序列分析或递归神经网络（RNN）等技术来处理时间相关数据的具体操作步骤为：
一、时间序列分析：
1）数据准备：收集播种过程中随时间变化的相关参数数据，例如种子流量、稻芒数量、负压滚筒吸附压力等，形成时间序列数据。

[0080] 2）特征工程：对时间序列数据进行特征提取，例如计算移动平均值、方差、趋势等，以捕捉数据的动态特征。

[0081] 3）模型选择：选择适合时间序列分析的模型，如自回归移动平均模型（ARMA）、差分整合移动平均自回归模型（ARIMA）等。

[0082] 4）模型训练：使用历史时间序列数据对选择的模型进行训练，调整模型的参数以优化模型的性能。

[0083] 5）预测与决策：利用训练好的模型对未来的参数变化进行预测，根据预测结果决策出相应的工作参数调整策略。

[0084] 例如，使用ARIMA模型时，可以通过对历史数据的分析，确定模型的阶数（p,d,q），然后使用训练数据进行模型拟合。在预测时，根据当前时刻之前的数据，预测未来时刻的参数值，从而为工作参数的调整提供依据。

[0085] 二、递归神经网络（RNN）：1）数据准备：同样收集时间序列数据，并将其整理成适合RNN输入的格式，通常是将数据按时间顺序分割成固定长度的序列。

[0086] 2）模型构建：构建RNN模型，例如使用长短期记忆网络（LSTM）或门控循环单元（GRU）等变种。这些模型能够处理长期依赖关系，适合处理时间序列数据。

[0087] 3）模型训练：使用历史时间序列数据对RNN进行训练，通过反向传播算法更新模型的权重参数。

[0088] 4）动态捕捉：RNN能够自动学习参数之间的动态关系，通过记忆先前的信息来影响当前的预测和决策。

[0089] 5）预测与决策：在播种过程中，将实时数据输入到训练好的RNN中，模型输出对未来参数变化的预测，根据预测结果决策工作参数的调整。

[0090] 例如，使用LSTM模型时，它可以记住过去的信息，当新的数据输入时，能够根据先前的状态和当前的输入来更新状态，并做出预测。通过不断训练和调整模型，使其能够准确捕捉参数之间的动态关系，从而实现更精准的自适应控制。

[0091] 总之，引入时间序列分析或RNN等技术可以帮助模型更好地处理播种过程中的时间相关数据，提高对动态变化的响应能力，从而实现更优化的自适应控制策略。

[0092] 优选地，还可以引入对本播种装置的故障诊断方法，具体步骤如下：1）数据采集：
在播种装置的关键部位安装传感器，如压力传感器、温度传感器、振动传感器等，实时采集设备的运行数据，包括负压滚筒34的压力变化、各部件的温度、设备的振动频率等。同时，记录设备的运行时间、播种次数等相关信息。

[0093] 2）数据预处理：对采集到的数据进行清洗和预处理，去除异常数据和噪声，确保数据的准确性和
可靠性。对数据进行特征提取，例如计算压力的均值、方差、峰值等，以及振动的频率、幅值等特征。

[0094] 3）模型训练：使用历史数据进行模型训练，可采用机器学习算法，如支持向量机、决策树、神经网络等。将预处理后的数据分为训练集和测试集，使用训练集训练模型，调整模型的参数，以提高模型的准确性。

[0095] 使用测试集对训练好的模型进行评估，确保模型的性能满足要求。

[0096] 4）实时监测与预测：在设备运行过程中，实时采集数据并输入到训练好的模型中。模型根据输入的数
据进行预测，判断设备是否存在故障的风险。如果预测到可能存在故障，系统会发出预警信号，提醒操作人员进行检查和维护。

[0097] 5）模型更新与优化：随着设备的使用和数据的积累，不断更新训练数据，重新训练模型，以提高模型的准确性和适应性。对模型进行优化，调整模型的参数和算法，以更好地适应设备的运行特性和故障模式。

[0098] 例如，当模型监测到负压滚筒34的压力异常波动，或者设备的振动频率超出正常范围时，可能预示着设备存在故障风险，系统会及时发出预警，以便操作人员采取相应的措施，避免故障的发生，减少设备停机时间，提高播种效率。

[0099] 实施例三本实施例还提供了一种电子装置，参考图10，包括存储器404和处理器402，该存储器404中存储有计算机程序，该处理器402被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

[0100] 具体地，上述处理器402可以包括中央处理器（CPU），或者特定集成电路（ApplicationSpecificIntegratedCircuit，简称为ASIC），或者可以被配置成实施本发明实施例的一个或多个集成电路。

[0101] 其中，存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制，存储器404可包括硬盘驱动器（HardDiskDrive，简称为HDD）、软盘驱动器、固态驱动器（SolidStateDrive，简称为SSD）、闪存、光盘、磁光盘、磁带或通用串行总线（UniversalSerialBus，简称为USB）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器404可包括可移除或不可移除（或固定）的介质。在合适的情况下，存储器404可在数据处理装置的内部或外部。在特定实施例中，存储器404是非易失性（Non‑Volatile）存储器。在特定实施例中，存储器404包括只读存储器（Read‑OnlyMemory，简称为ROM）和随机存取存储器（RandomAccessMemory，简称为RAM）。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM（ProgrammableRead‑OnlyMemory，简称为PROM）、可擦除PROM
（ErasableProgrammableRead‑OnlyMemory，简称为EPROM）、电可擦除PROM（ElectricallyErasableProgrammableRead‑OnlyMemory，简称为EEPROM）、电可改写ROM
（ElectricallyAlterableRead‑OnlyMemory，简称为EAROM）或闪存（FLASH）或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器（StaticRandom‑AccessMemory，简称为SRAM）或动态随机存取存储器（DynamicRandomAccessMemory，简称为DRAM），其中，DRAM可以是快速页模式动态随机存取存储器404（FastPageModeDynamicRandomAccessMemory，简称为FPMDRAM）、扩展数据输出动态随机存取存储器（ExtendedDateOutDynamicRandomAccessMemory，简称为EDODRAM）、同步动态随机存取内存
（SynchronousDynamicRandom‑AccessMemory，简称SDRAM）等。

[0102] 存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器402所执行的可能的计算机程序指令。

[0103] 处理器402通过读取并执行存储器404中存储的计算机程序指令，以实现上述实施例中的任意一种水稻钵苗育秧精量播种装置的控制方法。

[0104] 可选地，上述电子装置还可以包括传输设备406以及输入输出设备408，其中，该传输设备406和上述处理器402连接，该输入输出设备408和上述处理器402连接。

[0105] 传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传输设备包括一个网络适配器（NetworkInterfaceController，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备406可以为射频（RadioFrequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。

[0106] 输入输出设备408用于输入或输出信息。

[0107] 实施例四本实施例还提供了一种可读存储介质，可读存储介质中存储有计算机程序，计算
机程序包括用于控制过程以执行过程的程序代码，过程包括根据实施例一的水稻钵苗育秧精量播种装置的控制方法。

[0108] 需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

[0109] 通常，各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现，而其他方面可以由控制器、微处理器或其他计算设备执行的固件或软件来实现，但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示，但是应当理解，作为非限制性示例，本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。

[0110] 本发明的实施例可以由计算机软件来实现，该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行，或者由硬件来实现，或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中，并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外，在这一点上，应当注意，如图9中的逻辑流程的任何框可以表示程序步骤，或者互连的逻辑电路、框和功能，或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质，以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。

[0111] 本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

[0112] 以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以作出若干变形和改进，这些都属于本发明的保护范围。因此，本发明的保护范围应以所附权利要求为准。

查看完整全部详细技术资料

当前第1页第1页第2页第3页