青貯飼料裹包密度分布的可視化檢測方法

孟繁佳　孟德倫　孫偉

摘要：青貯飼料裹包密度是衡量青貯飼料質量的重要因素。應用統計理論來分析圓錐指數進而評價青貯飼料裹包密度的方法已很普遍，但其無法充分解釋密度分布的位點信息。因此，在傳統統計方法的基礎上，引入基于地統計理論的可視化屬性圖來解析青貯飼料裹包密度。試驗對由2種不同構造的打捆機填充而成的青貯飼料壓實密度進行了測定，結果表明傳統統計理論與可視化屬性圖相結合的方法能為分析青貯飼料裹包密度分布性提供一種更為直觀、可靠的方法。

關鍵詞：青貯飼料;裹包密度;容重;圓錐指數儀;地統計理論;可視化檢測方法

中圖分類號： S816.5+3

文獻標志碼： A

文章編號：1002-1302（2020）02-0221-05

收稿日期：2017-08-21

作者簡介：孟繁佳（1983—），男，博士，高級實驗師，主要從事精細農業智能傳感技術研究。E-mail：mengfanjia@126.com。

通信作者：孫 偉，女，博士，副研究員，主要從事農業信息化研究。E-mail：sunwei1028@126.com。

牧草裹包青貯是在傳統青貯的基礎上研究開發的一種新型的飼草料加工及貯存技術，青貯飼料裹包密度是影響飼料質量的重要因素[1]。高密度、低孔隙率青貯能在最大程度上減少秸稈間的殘留空氣，抑制氧化損耗，減少青貯因內部溫度過高而發生霉變的風險[1-4]，同時裝填良好的青貯能增加單位儲量[5-6]、減少儲備成本[7]。目前用于檢測青貯飼料質量的方法主要有：傳統稱質量法，即根據稱量單位體積內青貯飼料的質量評價裹包質量;化學分析檢測法，根據檢測結果（碳水化合物含量、丁酸含量、乙酸含量、pH值）及相關分級體系，對發酵過程進行評估[8-10];此外，專業人員可根據對青貯飼料顏色、氣味與結構感觀印象作出評價[8]。在歐洲發達國家，研究人員已將雷達和γ射線等應用于掃描青貯飼料獲取內部結構[11-12]，然而由于雷達成本高和γ射線對人體存在潛在的危害，加之兩者標定過程的復雜性，使其難以被普遍采納應用。圓錐指數儀作為一種新型測量工具，與其他測量方法相比具有標定過程簡單、數據可靠等優勢[13]，從而得到廣泛使用。此外，已有研究是在傳統的統計方法與一維曲線圖的基礎上分析圓錐指數，進而評價青貯飼料的密度，但該方法不能充分解析密度分布的位點信息。因此，本研究利用傳統的統計方法結合能夠充分體現位點信息的可視化屬性圖解析青貯飼料密度，這具有一定的現實意義，也為檢測青貯質量提供一種更為簡便、直觀、可靠的手段。

1 試驗材料與方法

1.1 試驗材料

本試驗采用電機驅動式圓錐指數儀測量圓裹包青貯飼料密度分布。ASABE標準規定，圓錐指數儀在測量過程中應保持恒定的速率[14]，以避免由于工作速率變化導致的測量誤差[15-16]。自行研制的電機驅動式圓錐指數儀如圖1所示[17]，由機械框架，變速與齒輪/齒條傳動機構，直流電機，精密力學傳感器，霍爾電流傳感器，深度測量傳感器及其對應的信號放大、存儲、顯示以及電機控制與保護等電路組成。按照ASABE標準設定其恒定速率為30 mm/s，采樣頻率為 10 Hz，最大垂直行程為 700 mm。直流電機的工作電壓和最大輸出功率分別為12 V和99 W。壓力測量采用應變式壓力傳感器，其放大信號的靈敏度為5 mV/N。深度傳感器采用線性精度為±0.25%、電阻值為10 kΩ的電位計，裝置于直流電機軸上，當圓錐桿上下移動時，通過齒輪/齒條傳動機構使電位計以5 mV/mm線性改變。使用PDA作為數據采集器，采樣頻率為10 Hz。

為進行對比試驗，選取由2種不同結構打捆機裹包的青貯飼料，目前國內針對2種打捆機尚未有明確命名，本研究暫稱其為固定腔式打捆機（RP 235，WELGER）和活動腔式打捆機（Variant 385，CLAAS）。固定腔式打捆機裹包而成的青貯特點是內軟外硬，即形成軟心結構，而活動腔式打捆機裹包形成硬心結構[18]。選取6捆由固定腔式打捆機裹包而成的青貯（bale 1～bale 6）和1捆由活動腔式打捆機裹包而成的青貯（bale 7），7捆青貯原料均為黑麥草，其參數及其原料草切碎分布情況見表1和表2。

1.2 試驗取樣設計

沿裹包青貯飼料軸向每隔20 cm測量1組圓錐指數，徑向深度從圓周到圓心每5 mm記錄1點數值，共6組，然后翻轉180°，對應位置按同樣方法測量。將角度1和角度2共12組圓錐指數數據對應合并為6組，由此得到青貯軸向剖面采樣數據。采樣平臺如圖1所示，采樣方案如圖2所示。

1.3 數據前期處理

由于青貯內部存在隔層塑料膜，使得隔層表面凹凸不平，這會造成圓錐測試儀在測量過程中產生極大值和極小值。因此，分析前須要根據域值識別法對數據進行前期處理，避免奇異值的存在掩蓋數據內部固有的空間結構。采用“樣本平均值m±3倍標準差δ”，在此區間（m±3δ）以外的數據均視為奇異值。由于樣本數據量充足，本研究采用剔除異常值的處理辦法。 經域值分析處理后， 數據各參數值（表3）較符合正態分布，后續相關計算均采用域法處理后的數據。

2 結果與分析

2.1 統計分析

由表3可以看出，在采用固定腔式打捆機裹包的青貯bale 1～bale 6中，bale 3平均圓錐指數值則最小，bale 5最大。由表2可知，bale3所含原料草的平均長度最大，bale 5最小。將原料草的平均長度與平均圓錐指數值進行線性回歸，結果如圖3所示。由此可推斷出青貯壓實密度與原料草切碎長度成反比關系，即原料草長度越短，其壓實密度越大。在7捆青貯中，bale 7的平均圓錐指數值最大，平均值為629.90 N，同時試驗中測得數據的最大值也產生于bale 7，而bale 7的容重（0.492 g/cm3）（表1）也最大。從上述結果可知，活動腔式打捆機能夠裹包出密度更大的裹包青貯飼料。從均方差統計結果來看，bale 3圓錐指數值比其他捆更為平滑，即bale 3密度分布更為均勻，后面的插值分布圖能很好地證實這一點。由bale 1～bale 6的比較分析可推論出：（1）打捆壓力過大容易造成受力不均，從而致使整體裹包密度分布不均勻;（2）調節原料草長度能夠調節裹包密度分布，增加原料草長度可使捆裹密度相對均勻，但同時卻減少了青貯飼料的平均裹包密度，因此制作青貯飼料時須選擇適當的捆裹力度和原料草長度。

2.2 可視化分析

為了進一步透視青貯裹包飼料內部壓實情況，本研究以4份青貯樣本為例（3捆固定腔式bale1、bale2、bale3和1捆活動腔式bale7），嘗試應用地統計理論在小尺度（約1.2 m×1.2 m）上進行插值分析。使用Vesper軟件，以Kriging插值法對點數據進行空間內插，然后利用ArcGIS 9.2進行可視化處理，并對相關的數據進行統計[19-21]。

2.2.1 普通克里格預測 從圖4可以看出，總體而言，半方差函數隨著距離的增加而增加，當步長從40 cm增加至70 cm時，半方差函數在該距離上的變化相對穩定;而當步長超過70 cm時，半方差呈現不規則波動。因此，本研究在進行空間變異結構建模時采取最大建模距離為70 cm時，利用帶基臺直線半方差模型對青貯飼料取樣圓錐指數進行擬合，特征參數列于表4，表中空間自相關距離（即表4參中的變程）均大于20 cm。這一分析結果表明，本研究所采用的采樣間隔（20 cm）可以滿足數據分析需要。同時由2種打包機捆裹而成的青貯飼料內部的半方差函數在變程和半方差兩方面均存在明顯差別，從側面反映了2種打包機工作機制的不同。但由于此次試驗中硬心結構裹包青貯飼料只有1個樣本，對于形成這一結論缺乏充分說服力，將在以后試驗中加以驗證。

應用ArcGIS 9.2對Kriging插值后的結果進行可視化處理，生成軸向剖面屬性圖（圖5）。從圖5可以看出，bale 1、bale 2和bale 3均中心密度小，而bale 7則相反，中心密度大，這與實際機械打包方式相符。觀察屬性圖中藍色域（圓錐指數值大的區域）分布比例情況，同樣可以得出bale 7具有較大的裹包密度。從屬性圖中可以直觀地看到以相同方式打包的bale 1、bale 2、bale 3，其密度分布逐漸均勻，這與前面的統計標準差分析結果相符。另外，從右側域值圖例可以驗證這一結論，在bale 1中4個域值才能包括75%的數據，bale 2、bale 3依次遞減，從這一角度同樣可以反映出數據的分散情況，即裹包密度的均勻程度。

2.2.2 預測結果的準確性驗證 從每組數據中隨機選取50個數據點作為驗證集，其余數據作為訓練集，用訓練集擬合半方差模型，對驗證集的50個數

據點進行預測。將這4組共200個校驗數據對混合，從中隨機選取50個，其預測結果與測量值的回歸結果如圖6所示，回歸決定系數為0.86。這一結果驗證了小尺度上應用地統計理論插值預測的可行性，且能夠達到滿意效果，同時為傳統的統計分析提供了輔助信息。

3 結論

圓錐指數儀作為一種有效的測量方法已普遍應用于青貯飼料裹包密度測量，統計分析法不能充分解釋密度分布的位點信息。基于圓錐指數儀的統計分析與基于地統計理論的可視化屬性圖相結合的方法可為評價青貯飼料裹包密度分布性提供有效、可靠且直觀的檢測手段，同時驗證了地統計學空間分析方法在小尺度上應用的可行性。本方法僅在2種圓裹包青貯飼料上進行試驗，還可應用于方形青貯飼料和青貯窖等，同時此方法還可以為打捆機生產廠家改進設備提供參考信息。

參考文獻：

[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，陳紹江，趙 健，等. 青貯玉米飼料質量評價標準[J]. 寧夏農林科技，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，孫宇瑞，王聰穎，等. 基于嵌入式力學傳感器的圓錐指數儀設計與試驗[J]. 農業機械學報，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 凱，田光兆，顧寶興，等. 果園自動避障割草機前架設計與仿真[J]. 江蘇農業科學，2020，48（2）：226-232.