深度学习的联合收割机作业状态监测与故障预警研究

军 李(内蒙古呼伦贝尔农垦集特泥河农牧场有限公司，中国)

摘要

联合收割机是农业机械化的核心装备，其运行状态直接影响作业效率与粮食收获质量。传统人工监测实时性差、误判率高，难以满足智能化运维需求。本文构建基于深度学习的联合收割机作业状态智能监测与故障预警系统，融合多源传感与图像识别，实现对发动机、割台、脱粒、行走及输送系统的全方位监控。采用CNN与LSTM融合的多模态特征提取模型，实现状态识别与故障趋势预测。实测表明，系统识别准确率超过90%，故障可提前10分钟预警。研究表明，该系统显著提升了运维智能化水平与设备安全性，为农业装备数字化升级提供了有效技术路径。

关键词

深度学习；联合收割机；作业状态监测；故障预警；多源数据融合

参考

王立新,鱼强,马利东.基于深度联合收割机故障预警技术探析[J].新疆职业大学学报,2024,32(03):76-80.

杨宁.联合收割机故障诊断知识图谱的构建与应用[D].云南农业大学,2024.

张巍朋.联合收割机故障诊断与维修服务决策关键技术研究[D].中国农业机械化科学研究院,2023.

习晨博,杨光友,刘浪,等.基于SDAE-BP的联合收割机作业故障监测[J].农业工程学报,2020,36(17):46-53.

刘景.基于深度学习的联合收割机故障预警技术研究[D].湖北工业大学,2020.

DOI: http://dx.doi.org/10.12345/gcjsygl.v9i20.33343