Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "zbiór zbóż" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Ocena eksploatacyjna wybranych kombajnów do zbioru zbóż metodą wskaźnika zespolonego
Exploitation evaluation of the selected combine harvesters for harvesting grain with the complex index method
Autorzy:
Molendowski, R.
Romański, L.
Górnik, Ł.
Powiązania:
https://bibliotekanauki.pl/articles/288103.pdf
Data publikacji:
2012
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
metoda oceny
kombajn optymalny
zbiór zbóż
evaluation method
optimal combine
grain harvesting
Opis:
Zebranie ziarna zbóż o wysokiej jakości wymaga systematycznej wymiany wyeksploatowanych kombajnów zbożowych. Problem wyboru najlepszej (optymalnej) maszyny dla gospodarstwa rolnego dotyczy wszystkich nabywców nowych, bądź używanych maszyn rolniczych. W pracy przedstawiono opracowaną metodę Wskaźnika Zespolonego umożliwiającą dokonanie wyboru najkorzystniejszego typu kombajnu do zbioru zbóż przy uwzględnieniu wielu cech o różno wymiarowych jednostkach miary. Oceny dokonano na podstawie wartości wskaźników wydajności, współczynników eksploatacyjne, parametrów jakości pracy oraz kosztów zbioru, które określono dla ocenianych kombajnów podczas zbioru pszenicy. Przy ocenie uwzględniano również komfort pracy, który oceniany był zastosowanymi w poszczególnych typach kombajnów rozwiązaniami polepszającymi jego użytkowanie. Dla cech uwzględnionych przy ocenie określono stopnie ważności cech (rangi) na podstawie badań ankietowych osób zajmujących się zawodowo produkcją zbóż, właścicieli gospodarstw rolnych oraz operatorów kombajnów. Przeprowadzono ocenę wybranych pięciu typów kombajnów do zbioru zbóż przy zastosowaniu opracowanej metody oraz wyznaczono spośród nich optymalny typ. Najkorzystniejszym typem kombajnu do zbioru zbóż, według przyjętych kryteriów oceny, spośród badanych, okazał się kombajn Class Dominator 108, który uzyskał najwyższą wartość Wskaźnika Zespolonego wynoszącą 79,18. Opracowana metoda Wskaźnika Zespolonego pozwoliła na jednoznaczne stwierdzenie, że dany typ kombajnu istotnie różni się przydatnością do zbioru zbóż w gospodarstwie rolnym, a także wykazała różnice pomiędzy porównywanymi kombajnami.
Production of high quality grain seeds requires change of worn combine harvesters used for harvesting grains. The issue of selecting an optimal machine for an agricultural farm concerns all purchasers of new or used agricultural machines. The work presents the Complex Index method which allows selection of an optimal type of a combine harvester for harvesting grains after considering many features of measuring units of varied dimensions. Evaluation was carried out based on efficiency rates, exploitation coefficients, size of operational quality and costs of harvesting, which were determined for the assessed combine harvesters during grain harvesting. At evaluation, comfort of work was also considered, which was evaluated with solutions applied in particular types of combine harvesters improving its use by an operator. For features considered at evaluation, importance degrees (ranks) were determined based on survey research of people who deal with grain production as a profession, farm owners and combine operators. Evaluation of the selected five types of grain combine harvesters at application of the method which was worked out and an optimal type was selected from among them. Class Dominator 108 combine harvester, which obtained the highest value of the Complex Index amounting to 79.18 proved to be an optimal type of a combine harvester from among the researched harvesters. The Complex Index method allowed to state explicitly that the given type of a combine harvester significantly differs with its usefulness for harvesting grains in an agricultural farm and revealed difference between comparable combine harvesters.
Źródło:
Inżynieria Rolnicza; 2012, R. 16, nr 4, t. 1, 4, t. 1; 277-284
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Nowoczesne systemy kontrolno-sterujące stosowane w kombajnach do zbioru zbóż
Modern control-stering systems aplied in cereal harvesters
Autorzy:
Krzyzaniak, Krzysztof
Kowalik, Ireneusz
Powiązania:
https://bibliotekanauki.pl/articles/946859.pdf
Data publikacji:
2019-12-30
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
zbiór zbóż
kombajn do zbioru zbóż
systemy wspomagające
harvesting of cereals
cereal harvester
support systems
Opis:
W artykule omówiono nowoczesne systemy kontrolno-sterujące stosowane w kombajnach do zbioru zbóż oferowanych do sprzedaży na polskim rynku maszyn rolniczych. Zwrócono szczególną uwagę na systemy automatyczne, które wspomagają operatora podczas pracy i pomagają osiągnąć większą wydajność zbioru oraz zminimalizować straty zbieranego ziarna lub nasion. Scharakteryzowano systemy, które automatycznie sterują parametrami zespołów roboczych kombajnów podczas zbioru zbóż i pozwalają na uzyskanie wysokiej jakość ziarna lub nasion. Scharakteryzowano również systemy automatycznego prowadzenia kombajnu oraz systemy telemetryczne.
The paper presents modern control-steering systems used in cereal harvesters offered for sale on the Polish agricultural machinery market. Particular attention has been paid to automatic systems that support the operator during operation and help to achieve greater harvesting efficiency and minimize losses of harvested grain or seeds. The systems that auto-matically control the parameters of the combine harvester's working units during the harvest of cereals and allow to ob-tain high quality grain or seeds are characterized. Automatic guidance systems and telemetry systems were also discussed.
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2019, 6; 8-12
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of artificial neural networks to predict the spatial variability of grain quality during combine harvest of wheat
Wykorzystanie sztucznych sieci neuronowych do prognozowania zmienności przestrzennej jakości ziarna podczas zbioru kombajnowego pszenicy
Autorzy:
Niedbała, G.
Czechlowski, M.
Wojciechowski, T.
Powiązania:
https://bibliotekanauki.pl/articles/335514.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sztuczne sieci neuronowe
MLP
predykcja neuronowa
selektywny zbiór zbóż
spektroskopia VIS-NIR
artificial neural network
neural prediction
selective grain harvest
VIS-NIR spectroscopy
Opis:
The aim of the study was to attempt to build and validate the neural model controlling the qualitative selection of the stream of grain mass as early as the stage of combine harvesting of winter wheat. The model uses the highest possible number of data describing locally changeable environmental conditions such as: protein content, moisture and yield of wheat grain, soil abundance in basic nutrients (total Kjeldahl nitrogen, exchangeable phosphorus and potassium, magnesium) and additionally - the pH coefficient, content of organic matter in soil and the relative altitude. The construction of the neural model was preceded with a multiple regression analysis. The results of the analysis (α = 0.05) indicated statistical significance of all of the traits under analysis, which influence grain quality and are defined as the content of protein. The MLP neural network (9-30-1) consisted of one hidden layer containing 30 neurons, one output and nine inputs. The network learning was done with the BFGS (Broyden-Fletcher-Goldfarb-Shanno) algorithm in a single phase during 827 epochs with the SOS error function. The study was a part of the development project No. R12 0073 06 entitled “Development and validation of the technology for separation grain stream during cereals selective harvesting”, financed by the Polish National Centre for Research and Development.
Celem pracy było podjęcie próby budowy i walidacji modelu neuronowego sterującego selekcją jakościową strumienia masy ziarna już na etapie kombajnowego zbioru pszenicy ozimej. Model wykorzystuje jak najwięcej danych opisujących lokalnie zmienne warunki środowiskowe takie jak: zawartości białka, wilgotność i wielkość plonu ziarna pszenicy, zasobność gleby w podstawowe składniki pokarmowe (azot ogólny, fosfor i potas wymienny, magnez) oraz dodatkowo współczynnik pH, zawartość materii organicznej w glebie oraz wysokość względną NPM. Budowę modelu neuronowego poprzedzono analizą regresji wielorakiej. Wyniki tej analizy na poziomie α = 0,05 wskazały istotność statystyczną wszystkich badanych cech wpływających na jakość ziarna zdefiniowaną jako zawartość białka. Zbudowana sieć neuronowa typu MLP (9-30-1) składała się jednej warstwy ukrytej zawierającej 30 neuronów, jednego wyjścia i dziewięciu wejść. Uczenie sieci z wykorzystaniem algorytmu BFGS wykonano jednofazowo w trakcie 827 epok z funkcją błędu SOS. Pracę zrealizowano w ramach projektu rozwojowego nr R12 0073 06 pt: „Opracowanie i walidacja technologii rozdziału strumienia ziarna podczas selektywnego zbioru zbóż” finansowanego przez NCBIR.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2013, 58, 1; 126-129
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The utilization of information about local variable environmental conditions to predict the quality of wheat grain during the harvest
Wykorzystanie informacji o lokalnie zmiennych warunkach środowiskowych w celu przewidywania jakości ziarna pszenicy podczas zbioru
Autorzy:
Czechlowski, M.
Wojciechowski, T.
Powiązania:
https://bibliotekanauki.pl/articles/337691.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
grain quality
multiple regression
environmental conditions
selective grain harvest
VIS-NIR spectroscopy
jakość ziarna
regresja wieloraka
warunki środowiskowe
selektywny zbiór zbóż
spektroskopia VIS-NIR
Opis:
The study presents the correlation between the quality of winter wheat grain, understood as the content of protein, and the parameters of harvested grain (moisture and yield) and locally variable environmental conditions (relative altitude, the content of total Kjeldahl nitrogen, exchangeable phosphorus and potassium, magnesium, the pH coefficient, the content of organic matter in soil). The results obtained on the basis of the data collected from 5 production fields of the total area of 112 ha give grounds for the conclusion that by application of multiple regression it is possible to construct a relatively precise model for prediction of the content of protein in wheat grain even on the basis of the measurement of easily obtainable information about the relative altitude and yield. However, the effectiveness of the model will be limited to a small field area. The construction of universal model using information about locally variable environmental conditions is difficult due to the strong variability of the correlation between the analysed traits describing environmental conditions and the content of protein in wheat grain. The study was a part of the development project No. R12 0073 06 entitled "Development and validation of the technology for separation grain stream during cereals selective harvesting ", financed by the Polish Ministry of Science and Higher Education.
W pracy przedstawiono zależności pomiędzy jakością ziarna pszenicy ozimej, rozumianą jako zawartość białka, a parametrami zbieranego ziarna (wilgotność i wielkości plonu) oraz lokalnie zmiennymi warunkami środowiskowymi (względna wysokość n.p.m., zawartość azotu ogólnego, wymiennego fosforu i potasu, oraz magnezu, współczynnik pH, zawartość materii organicznej w glebie). Wyniki uzyskane w oparciu o dane zgromadzone na 5 produkcyjnych polach o łącznej powierzchni 112,78 ha pozwalają stwierdzić, że stosując regresję wieloraką można zbudować stosunkowo dokładny model do predykcji zawartości białka w ziarnie pszenicy nawet w oparciu o pomiar łatwych do pozyskania informacji o względnej wysokości n.p.m. i wielkości polonu, jednak jego skuteczność będzie ograniczona do niewielkiego obszaru powierzchni. Budowa uniwersalnego modelu wykorzystującego informacje o lokalnie zmiennych warunkach środowiskowych jest utrudniona ze względu na silną zmienność zależności pomiędzy analizowanymi cechami opisującymi warunki środowiskowe, a zawartością białka w ziarnie pszenicy. Pracę zrealizowano w ramach projektu rozwojowego nr R12 0073 06 pt: „Opracowanie i walidacja technologii rozdziału strumienia ziarna podczas selektywnego zbioru zbóż” finansowanego przez MNiSW.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2013, 58, 1; 31-34
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies