Seed counters and spreaders in determining sowing qualities

Capa

Citar

Texto integral

Resumo

The article presents a comprehensive analysis of the effectiveness of modern seed meters used to determine the most important sowing qualities: germination and germination energy. The study covers three main types of devices: electromagnetic, gravitational and aspiration models, each of which has unique technical characteristics and principles of operation. Special attention is paid to analyzing the technical features of each type of meter. Electromagnetic devices demonstrate the highest accuracy (≥99.5%) when working with standard-shaped seeds. Aspiration models provide impressive productivity of up to 300 seeds per minute, reducing the analysis time by 70-80%. Gravity systems with calibrated cells ensure reliable operation due to the precise calculation of parameters. During the study of aspiration folding counters, key factors affecting the efficiency of the devices were identified: morphological features of seeds, humidity level and accuracy of vacuum pressure settings. The developed devices are highly versatile due to their interchangeable nozzles, which allow them to work with seeds from 0.5 mm to 15 mm in size. The practical significance of the study is confirmed by significant improvements in production indicators: reduction of the analysis error from 15% to 0.5%, acceleration of breeding processes by 30-40% and reduction of crop losses by up to 20%. The introduction of folding counters contributes to the transformation of laboratory processes, ensuring reproducibility of results and reducing labor costs in determining the sowing qualities of vegetable seeds. The developments presented in the article are an important element of the innovative development of the agro-industrial complex, contributing to increasing crop sustainability and ensuring food security.

Sobre autores

A. Yanchenko

ARRIVG – a branch of FSBSI FSVC

A. Fedosov

ARRIVG – a branch of FSBSI FSVC

E. Yanchenko

ARRIVG – a branch of FSBSI FSVC

M. Azopkov

ARRIVG – a branch of FSBSI FSVC

Bibliografia

  1. Бурнатова Л. Б. Расчет нормы высева и продуктивность яровой пшеницы // Аграрный вестник Урала. 2006. №5(35). С. 40–43. EDN IJEQDJ.
  2. Мусаев Ф.Б., Прияткин Н.С., Кузнец С.М. [и др.]. Цифровая морфометрия семян овощных культур (научно-методическое руководство). М.: Федеральный научный центр овощеводства, 2024. 72 с. EDN OVXNXX.
  3. Genze N., Bharti, R., Grieb M. et al. Accurate machine learning-based germination detection, prediction and quality assessment of three grain crops. Plant Methods 16, 157 (2020). https://doi.org/10.1186/s13007-020-00699-x
  4. Khalefa R.A. Precision Seed Testing Equipment. Journal of Agricultural Engineering. 2021. Vol. 48(3). Pp. 112–118.
  5. Johnson M. Economic Impact of Seed Automation. Agricultural Economics Review. 2022. Vol. 19(1). Pp. 34–41.
  6. Авторское свидетельство №809261 A1 СССР, МПК G06M 11/00. Счетчик-раскладчик семян: №2774186: заявл. 30.05.1979 : опубл. 28.02.1981 / В.И. Тарушкин, В.Н. Хрусталев ; заявитель Московский институт инженеров сельскохозяйственного производства им. B.П. Горячкина. EDN FOAXNH.
  7. Авторское свидетельство №957240 A1 СССР, МПК G06M 11/00. Счетчик-раскладчик семян : №3286937: заявл. 11.02.1981: опубл. 07.09.1982 / В.И. Тарушкин, В.Н. Хрусталев, А.А. Якунин ; заявитель Московский институт инженеров сельскохозяйственного производства им. B.П. Горячкина EDN WXMWIN.
  8. Авторское свидетельство №238259 A1 СССР, МПК G06M 11/00. Счетчик-раскладчик: №1210878/30-15: заявл. 15.01.1968 : опубл. 20.02.1969 / А.М. Фоканов ; заявитель Государственная семенная инспекция. EDN QTUHUU.
  9. Харченков С.В. Система с реверсированием воздушного потока. Патент SU 1743409, 1992. (Авторское свидетельство №1743409 A1 СССР, МПК A01C 1/00. Счетчик-раскладчик семян : №4883430 : заявл. 18.10.1990 : опубл. 30.06.1992 / С. В. Харченков ; заявитель Центр научно-технической деятельности, исследований и социальных инициатив научно-производственного объединения «Комплекс» АН СССР. EDN NKNODM).
  10. Гольтяпин В.Я. Интеллектуальные системы на посевных машинах // Плоды и овощи России. Краснодар. 2019. С. 72–73.
  11. Al-Bayari, O. and Sadoun, B. New centralized automatic vehicle location communications software system under GIS environment // International Journal of Communication System. 2005. №18(9). Pp. 31–34.
  12. Юданова А.В. Основные направления развития автоматизации сельскохозяйственных машин, агрегатов и поточных линий на ближайшую перспективу. Инженерно-техническое обеспечение АПК. Реферативный журнал. 2004. №1. С. 131.
  13. Ashtiani, S.-H.M.; Javanmardi, S.; Jahanbanifard, M.; Martynenko, A.; Verbeek, F.J. Detection of Mulberry Ripeness Stages Using Deep Learning Models. IEEE Access 2021. 9. 100380–100394.
  14. Design and experiment of high-flux small-size seed flow detection device. Y. Ding; K. Wang; C. Du; X. Liu; L. Chen, W. Liu. Trans. Chin. Soc. Agric. Eng. 2020, 36. Pp. 20–28.
  15. Ear density estimation from high resolution RGB imagery using deep learning technique. S. Madec, X. Jin, H. Lu, B. De Solan, S. Liu, F. Duyme, E. Heritier, F. Baret. Agric For Meteorol. 2019. 264. Pp. 225–234.
  16. Maize tassels detection: A benchmark of the state of the art. H. Zou, H. Lu, Y. Li, L. Liu, Z. Cao. Plant Methods. 2020;16. P. 108.
  17. Online Detection Method for Wheat Seeding Distribution Based on Improved Concave Point Segmentation. X. Xi; J. Zhao, Y. Shi, J. Qu; H. Gan, R. Zhang. Trans. Chin. Soc. Agric. Mach. 2024, 55, 75–82.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».