青贮饲料裹包密度分布的可视化检测方法

孟繁佳　孟德伦　孙伟

摘要：青贮饲料裹包密度是衡量青贮饲料质量的重要因素。应用统计理论来分析圆锥指数进而评价青贮饲料裹包密度的方法已很普遍，但其无法充分解释密度分布的位点信息。因此，在传统统计方法的基础上，引入基于地统计理论的可视化属性图来解析青贮饲料裹包密度。试验对由2种不同构造的打捆机填充而成的青贮饲料压实密度进行了测定，结果表明传统统计理论与可视化属性图相结合的方法能为分析青贮饲料裹包密度分布性提供一种更为直观、可靠的方法。

关键词：青贮饲料;裹包密度;容重;圆锥指数仪;地统计理论;可视化检测方法

中图分类号： S816.5+3

文献标志码： A

文章编号：1002-1302（2020）02-0221-05

收稿日期：2017-08-21

作者简介：孟繁佳（1983—），男，博士，高级实验师，主要从事精细农业智能传感技术研究。E-mail：mengfanjia@126.com。

通信作者：孙 伟，女，博士，副研究员，主要从事农业信息化研究。E-mail：sunwei1028@126.com。

牧草裹包青贮是在传统青贮的基础上研究开发的一种新型的饲草料加工及贮存技术，青贮饲料裹包密度是影响饲料质量的重要因素[1]。高密度、低孔隙率青贮能在最大程度上减少秸秆间的残留空气，抑制氧化损耗，减少青贮因内部温度过高而发生霉变的风险[1-4]，同时装填良好的青贮能增加单位储量[5-6]、减少储备成本[7]。目前用于检测青贮饲料质量的方法主要有：传统称质量法，即根据称量单位体积内青贮饲料的质量评价裹包质量;化学分析检测法，根据检测结果（碳水化合物含量、丁酸含量、乙酸含量、pH值）及相关分级体系，对发酵过程进行评估[8-10];此外，专业人员可根据对青贮饲料颜色、气味与结构感观印象作出评价[8]。在欧洲发达国家，研究人员已将雷达和γ射线等应用于扫描青贮饲料获取内部结构[11-12]，然而由于雷达成本高和γ射线对人体存在潜在的危害，加之两者标定过程的复杂性，使其难以被普遍采纳应用。圆锥指数仪作为一种新型测量工具，与其他测量方法相比具有标定过程简单、数据可靠等优势[13]，从而得到广泛使用。此外，已有研究是在传统的统计方法与一维曲线图的基础上分析圆锥指数，进而评价青贮饲料的密度，但该方法不能充分解析密度分布的位点信息。因此，本研究利用传统的统计方法结合能够充分体现位点信息的可视化属性图解析青贮饲料密度，这具有一定的现实意义，也为检测青贮质量提供一种更为简便、直观、可靠的手段。

1 试验材料与方法

1.1 试验材料

本试验采用电机驱动式圆锥指数仪测量圆裹包青贮饲料密度分布。ASABE标准规定，圆锥指数仪在测量过程中应保持恒定的速率[14]，以避免由于工作速率变化导致的测量误差[15-16]。自行研制的电机驱动式圆锥指数仪如图1所示[17]，由机械框架，变速与齒轮/齿条传动机构，直流电机，精密力学传感器，霍尔电流传感器，深度测量传感器及其对应的信号放大、存储、显示以及电机控制与保护等电路组成。按照ASABE标准设定其恒定速率为30 mm/s，采样频率为 10 Hz，最大垂直行程为 700 mm。直流电机的工作电压和最大输出功率分别为12 V和99 W。压力测量采用应变式压力传感器，其放大信号的灵敏度为5 mV/N。深度传感器采用线性精度为±0.25%、电阻值为10 kΩ的电位计，装置于直流电机轴上，当圆锥杆上下移动时，通过齿轮/齿条传动机构使电位计以5 mV/mm线性改变。使用PDA作为数据采集器，采样频率为10 Hz。

为进行对比试验，选取由2种不同结构打捆机裹包的青贮饲料，目前国内针对2种打捆机尚未有明确命名，本研究暂称其为固定腔式打捆机（RP 235，WELGER）和活动腔式打捆机（Variant 385，CLAAS）。固定腔式打捆机裹包而成的青贮特点是内软外硬，即形成软心结构，而活动腔式打捆机裹包形成硬心结构[18]。选取6捆由固定腔式打捆机裹包而成的青贮（bale 1～bale 6）和1捆由活动腔式打捆机裹包而成的青贮（bale 7），7捆青贮原料均为黑麦草，其参数及其原料草切碎分布情况见表1和表2。

1.2 试验取样设计

沿裹包青贮饲料轴向每隔20 cm测量1组圆锥指数，径向深度从圆周到圆心每5 mm记录1点数值，共6组，然后翻转180°，对应位置按同样方法测量。将角度1和角度2共12组圆锥指数数据对应合并为6组，由此得到青贮轴向剖面采样数据。采样平台如图1所示，采样方案如图2所示。

1.3 数据前期处理

由于青贮内部存在隔层塑料膜，使得隔层表面凹凸不平，这会造成圆锥测试仪在测量过程中产生极大值和极小值。因此，分析前须要根据域值识别法对数据进行前期处理，避免奇异值的存在掩盖数据内部固有的空间结构。采用“样本平均值m±3倍标准差δ”，在此区间（m±3δ）以外的数据均视为奇异值。由于样本数据量充足，本研究采用剔除异常值的处理办法。 经域值分析处理后， 数据各参数值（表3）较符合正态分布，后续相关计算均采用域法处理后的数据。

2 结果与分析

2.1 统计分析

由表3可以看出，在采用固定腔式打捆机裹包的青贮bale 1～bale 6中，bale 3平均圆锥指数值则最小，bale 5最大。由表2可知，bale3所含原料草的平均长度最大，bale 5最小。将原料草的平均长度与平均圆锥指数值进行线性回归，结果如图3所示。由此可推断出青贮压实密度与原料草切碎长度成反比关系，即原料草长度越短，其压实密度越大。在7捆青贮中，bale 7的平均圆锥指数值最大，平均值为629.90 N，同时试验中测得数据的最大值也产生于bale 7，而bale 7的容重（0.492 g/cm3）（表1）也最大。从上述结果可知，活动腔式打捆机能够裹包出密度更大的裹包青贮饲料。从均方差统计结果来看，bale 3圆锥指数值比其他捆更为平滑，即bale 3密度分布更为均匀，后面的插值分布图能很好地证实这一点。由bale 1～bale 6的比较分析可推论出：（1）打捆压力过大容易造成受力不均，从而致使整体裹包密度分布不均匀;（2）调节原料草长度能够调节裹包密度分布，增加原料草长度可使捆裹密度相对均匀，但同时却减少了青贮饲料的平均裹包密度，因此制作青贮饲料时须选择适当的捆裹力度和原料草长度。

2.2 可視化分析

为了进一步透视青贮裹包饲料内部压实情况，本研究以4份青贮样本为例（3捆固定腔式bale1、bale2、bale3和1捆活动腔式bale7），尝试应用地统计理论在小尺度（约1.2 m×1.2 m）上进行插值分析。使用Vesper软件，以Kriging插值法对点数据进行空间内插，然后利用ArcGIS 9.2进行可视化处理，并对相关的数据进行统计[19-21]。

2.2.1 普通克里格预测 从图4可以看出，总体而言，半方差函数随着距离的增加而增加，当步长从40 cm增加至70 cm时，半方差函数在该距离上的变化相对稳定;而当步长超过70 cm时，半方差呈现不规则波动。因此，本研究在进行空间变异结构建模时采取最大建模距离为70 cm时，利用带基台直线半方差模型对青贮饲料取样圆锥指数进行拟合，特征参数列于表4，表中空间自相关距离（即表4参中的变程）均大于20 cm。这一分析结果表明，本研究所采用的采样间隔（20 cm）可以满足数据分析需要。同时由2种打包机捆裹而成的青贮饲料内部的半方差函数在变程和半方差两方面均存在明显差别，从侧面反映了2种打包机工作机制的不同。但由于此次试验中硬心结构裹包青贮饲料只有1个样本，对于形成这一结论缺乏充分说服力，将在以后试验中加以验证。

应用ArcGIS 9.2对Kriging插值后的结果进行可视化处理，生成轴向剖面属性图（图5）。从图5可以看出，bale 1、bale 2和bale 3均中心密度小，而bale 7则相反，中心密度大，这与实际机械打包方式相符。观察属性图中蓝色域（圆锥指数值大的区域）分布比例情况，同样可以得出bale 7具有较大的裹包密度。从属性图中可以直观地看到以相同方式打包的bale 1、bale 2、bale 3，其密度分布逐渐均匀，这与前面的统计标准差分析结果相符。另外，从右侧域值图例可以验证这一结论，在bale 1中4个域值才能包括75%的数据，bale 2、bale 3依次递减，从这一角度同样可以反映出数据的分散情况，即裹包密度的均匀程度。

2.2.2 预测结果的准确性验证 从每组数据中随机选取50个数据点作为验证集，其余数据作为训练集，用训练集拟合半方差模型，对验证集的50个数

据点进行预测。将这4组共200个校验数据对混合，从中随机选取50个，其预测结果与测量值的回归结果如图6所示，回归决定系数为0.86。这一结果验证了小尺度上应用地统计理论插值预测的可行性，且能够达到满意效果，同时为传统的统计分析提供了辅助信息。

3 结论

圆锥指数仪作为一种有效的测量方法已普遍应用于青贮饲料裹包密度测量，统计分析法不能充分解释密度分布的位点信息。基于圆锥指数仪的统计分析与基于地统计理论的可视化属性图相结合的方法可为评价青贮饲料裹包密度分布性提供有效、可靠且直观的检测手段，同时验证了地统计学空间分析方法在小尺度上应用的可行性。本方法仅在2种圆裹包青贮饲料上进行试验，还可应用于方形青贮饲料和青贮窖等，同时此方法还可以为打捆机生产厂家改进设备提供参考信息。

参考文献：

[1]Pitt R E. Mathematical predication of density and temperature of ensiled forage[J]. Transactions of the ASAE，1983，26（5）：1522-1527.

[2]Gaston A，Abalone R，Bartosik R E，et al. Mathematical modeling of heat and moisture transfer of wheat stored in plastic bags （silo bags）[J]. Biosystem Engineering，2009，104：72-85.

[3]Wilkinson J M，Davies D R. The aerobic stability of silage：key findings and recent developments[J]. Grass and Forage Science，2013，68（1）：1-19.

[4]Green O，Nadimi E S，Blanes-Vidal V，et al. Monitoring and modeling temperature variations inside silage stacks using novel wireless sensor networks[J]. Computers and Electronics in Agriculture，2009，69（2）：149-157.

[5]Muck R E，Savoie P，Holmes B J. Laboratory assessment of bunker silo density，Part Ⅰ：Alfalfa and grass[J]. Applied Engineering in Agriculture，2004，20（2）：157-164.

[6]Savoie P，Muck R E，Holmes B J. Laboratory assessment of bunker silo density，Part Ⅱ：whole-plant corn[J]. Applied Engineering in Agriculture，2004，20（2）：165-171.

[7]DAmours L，Savoie P.Density profile of corn silage in bunker silos[J]. Canadian Biosystems Engineering，2005，47：221-228.

[8]王永宏，陈绍江，赵 健，等. 青贮玉米饲料质量评价标准[J]. 宁夏农林科技，2006（5）：3-4.

[9]Bartzanas T，Bochtis D D，Green O. Prediction of quality parameters for biomass silage：a CFD approach[J]. Computers & Electronics in Agriculture，2013，93（2）：209-216.

[10]Liu Q H，Shao T，Zhang J G，et al. Determination of aerobic deterioration of corn stalk silage caused by aerobic bacteria[J]. Animal Feed Science & Technology，2013，183（3/4）：124-131.

[11]Fuerll C，Schemel H，Koeppen D. Principles for measuring density in silages[J]. Landtechnik，2008，63（2）：94-95.

[12]Mumme M，Katzameryer J. Mobile test station for the radiometric measurement of density distribution in bales[J]. Landtechnik，2008，63（6）：341-343.

[13]Perumpral J O. Cone penetrometer application：a review[J]. Transactions of the ASAE，1987，30（4）：939-944.

[14]Soil cone penetrometer：ASABE，S313.3[S]. 1999.

[15]Jeffrey E H，Jonesb T L. A dynamic cone penetrometer for measuring soil penetration resistance[J]. Soil Science Society of America Journal，2002，66（4）：1320-1324.

[16]Sun Y，Lin J，Ma D，et al. Measurement of penetration force using a Hall-current-sensor[J]. Soil & Tillage Research，2007，92（1/2）：264-268.

[17]孟繁佳，孙宇瑞，王聪颖，等. 基于嵌入式力学传感器的圆锥指数仪设计与试验[J]. 农业机械学报，2013，44（1）：80-84.

[18]Sun Y，Cheng Q，Meng F，et al. Image-based comparison between a γ-ray scanner and a dual-sensor penetrometer technique for visual assessment of bale density distribution[J]. Computers & Electronics in Agriculture，2012，82：1-7.

[19]Sun Y，Buescher W，Lin J. An improved penetrometer technique for determining bale density[J]. Biosystems Engineering，2010，105（2）：273-277.

[20]Li M，Jungbluth K H，Sun Y，et al. Developing a penetrometer-based mapping system for visualizing silage bulk density from the bunker silo face[J]. Sensors，2016，16（7）：1-10.

[21]Li M，Sun Y，Cheng Q，et al. Mapping oxygen-induced temperature patterns of round bale silage based on 3D stepwise-profiling measurement[J]. Measurement，2016，82：115-122.陳 凯，田光兆，顾宝兴，等. 果园自动避障割草机前架设计与仿真[J]. 江苏农业科学，2020，48（2）：226-232.