农业机械化的大力发展可以提高农民的劳动生产率和经济效益。农业机械化水平的提高,不仅有利于丰产丰收,而且有利于减少对环境的污染和农业持续高效地发展。长期以来,农作物生长密度信息的及时准确获取,一直是制约农业机械自动化水平提高的关键因素,也是农业工程研究领域的难题。如稻麦联合收割机工作时,不考虑行走速度的变化,脱粒滚筒的喂入量与稻麦的生长密度成正比。即作物密度越大,喂入量相应增加。但由于土、肥、水、光照等田间作物生长因素分布的随机性,作物生长密度不可能非常均匀,因此喂入量是随机变化的。随机变化的喂入量会影响到脱粒间隙,滚筒线速度,凹板长度,清粮风扇的排风量等一系列可变参数的改变,很难保证联合收割机械工作在一个较理想的工作性能范围。针对目前联合收割机在收获过程中脱不净,夹带,脱粒损失大等情况,本文从研究水稻成熟期冠层密度分布出发,利用计算机图像处理等技术手段,提出了一种基于RGB彩色模型的水稻冠层密度分布图像的检测方法。实验地点选择在肥西县丰乐镇水稻产区。实验分两期:早稻—2个品种;晚稻—4个品种。数据采集及处理方法为:(1)样本数据获取:通过限定相同的面积A,采集自然状态下的成熟期水稻图像,然后将水稻从距根部相同高度处割下,脱粒称重,获得水稻毛重,草重等重量参数m。通过计算获得水稻密度值D。不考虑其他次要因素,建立密度值D与喂入量F的函数关系F=f(D)。(2)图像处理过程:综合运用图像处理、植物生理学、色度学、几何特征、距离特征等方面的知识,利用计算机图像处理技术对采集到的彩色图像进行分析比较,寻找R,G,B最优组合,得到2 R +G颜色特征向量图像。对2 R +G颜色特征量图像采用迭代法自动选取阈值将谷、叶从背景中分割出来。2R+G颜色组合值能从彩色图像中最大限度地分割出稻叶等与喂入量直接相关因素,土壤,杂草等背景因素在分割后的图像中全部显示为0。(3)进行数据拟合:综合运用计算机数据处理数据拟合技术,相关性分析技术,显著性检验技术,对冠层图像像素值与水稻喂入量进行数据拟合及相关性检验,最终建立喂入量随像素值变化的检测模型。通过相关性分析及显著性检验可以得出结论:水稻联合收割机喂入量与2R+G颜色特征图的像素值的变化具有显著的正相关性。本文建立的成熟期水稻喂入量随2R+G颜色特征量变化的检测模型对改进联合收割机的工况有很大的参考价值。为联合收割机在作业过程中实时调整调整喂入量,提高劳动生产率提供一种可行方案。