Тенденции и перспективы автоматизации зерноуборочных комбайнов
Tendencies and prospects of automation grain harvesters
Abstract: The article shows that grain production plays a significant role in the agro-industrial complex of the Tula region. Therefore, the efficient operation of grain harvesters is of paramount importance during grain harvesting. The article discusses the use of grain harvesters in the Tula region. It shows that there has been a significant decrease in the number of operating harvesters between 2000 and 2024, while the yield of grain has increased. However, the workload on the harvester has significantly increased. The automation of grain harvesters can help to reduce the cost. The article discusses the key stages of the evolution of grain harvester automation systems. It analyzes modern hardware solutions and software packages that enable the transition from partial automation of work processes to the concept of unmanned agricultural machinery. Equipping grain harvesters with functional sensors for various purposes allows for increased productivity while reducing the workload on the harvester operator. The main factors complicating the automation of grain combines are their mobility, the need to perform a large number of diverse production functions, and the distance from stationary energy sources. The main types of sensors include grain yield and moisture sensors, reaper height sensors, reaper terrain sensors for maintaining a constant height of the cut stalks, sensors for loading the inclined chamber and threshing device, and cameras for assessing the percentage of under-threshing during movement.
Keywords: grain harvester, load on machine operators, automation, yield meter, biomass density assessment, header height sensors, inclined chamber loading sensors, and stereoscopic cameras.
В настоящее время перед агропромышленным комплексом Тульской области поставлена задача обеспечения населения качественными доступными продуктами с опорой на собственные силы. Значительную роль в развитии агропромышленного комплекса Тульской области играет производство зерна, которое составило в 2024 году 69% от общего объёма продукции полеводства.

Рис.1. Посевная площадь под зерновые и производство зерна
При этом (рис.1) с 2020 по 2024 год производство зерна в сельскохозяйственных организациях и крестьянско-фермерских хозяйствах (КФХ) увеличивается, а парк применяемых зерноуборочных комбайнов снизился на 22%.
Таким образом, значительно возросла нагрузка на механизаторов, который должен одновременно контролировать большое количество факторов. Его усталость во время многочасовых смен приводит к снижению качества уборки и увеличению агрономических потерь до 5–7%.
К основным сложностям процесса автоматизации зерноуборочного комбайна можно отнести его мобильность, многофункциональность, и удалённость от стационарных источников энергии. Вторая группа факторов, осложняющих работу зерноуборочного комбайна, представлена сложным профилем полей, их засорённостью посторонними предметами, проблемами при построении агрокарты поля, затруднённостью групповой работы машин. Вопросам автоматизации зерноуборочных комбайнов уделено внимание в работах [1-8].
Основой для практического применения автоматического управления служит распределенная сеть датчиков и исполнительных механизмов:
- Оптические сенсоры урожайности и влажности устанавливаются в зерновых элеваторах. Инфракрасные и микроволновые датчики позволяют в режиме реального времени строить карты продуктивности поля (VRA — Variable Rate Application) и автоматически корректировать настройки сепарации при переходе из сухой культуры во влажную.
Измеритель урожая / маятниковые контактные датчики: механический манипулятор проводит по растениям и оценивает плотность биомассы по отклонению или сопротивлению. Они просты и дешевы, но при этом физически соприкасаются с растениями.
К числу нескольких известных брендов механических измерителей плотности урожая можно отнести Perten/PerkinElmer (для контроля качества зерна и крупяных изделий), Kett, DICKEY-john и Seedburo. Для зерна и семян эти бренды выпускают оборудование для измерения массы, насыпной плотности и влажности. К основным преимуществам датчиков Perten/PerkinElmer можно отнести: безошибочность и большая скорость измерения; анализ проб в местах их сбора; ограждение корпуса от грязи и пыли в полевых условиях или на элеваторных станциях; защищенный от бликов и выцветания на солнечном свету ЖК-дисплей; мобильность, легкость транспортировки за счет компактных габаритов и небольшого веса; удобство в использовании; опция составления карты качества посевов
Компания Kett известна своими сельскохозяйственными приборами для определения влажности и плотности зерна. DICKEY-john — широко используются при обработке зерна и измерении качества урожая. Seedburo — поставляет инструменты для тестирования сельскохозяйственных культур и зерна, включая инструменты, связанные с плотностью.
Проводя сравнение различных типов датчиков урожайности, можно отметить, что в оптических датчиках применяют световые волны для измерения плотности и массы зерна. Их основными преимуществами являются высокая точность и минимальное воздействие на урожай. Их применение рекомендуется на чистых и ровных полях. Также находят практическое применение механические датчики, которые измеряют физическое сопротивление, создаваемое при сборе урожая. Они недороги, подходят для разнообразных условий и применения на небольших участках. И, наконец, гибридные датчики, которые комбинируют несколько типов сенсоров для получения более точных данных. Эти датчики подходят для крупных хозяйств с разнообразными типами культур.
- Стереоскопические камеры и лидары размещаются на кабине и раме жатки. С их помощью система строит трехмерную карту микрорельефа почвы и высоты стеблестоя. Это позволяет реализовать функцию Contour-Master — автоматическое копирование жаткой рельефа с точностью до нескольких сантиметров для поддержания постоянной высоты среза. Лазерные дальномеры бесконтактно оценивают высоту растений, структуру кроны и плотность биомассы. Они хорошо подходят для косвенного измерения плотности и картографирования полей. Распространенные опции лазерных дальномеров: лучше всего подходят для бесконтактной оценки высоты растений, плотности кроны и биомассы в полевых условиях. Ультразвуковые датчики: позволяют оценить плотность биомассы, определяя расстояние между растениями или объемную структуру, и полезны для более простых и недорогих установок. Контактные механические датчики измеряют плотность урожая по тому, насколько сильно растения сгибаются или сопротивляются движению, часто используются в полевых испытаниях.
- Тензометрические датчики загрузки наклонной камеры и домолачивающего устройства предотвращают забивание механизма путем превентивного снижения скорости вращения мотовила или изменения угла атаки жатки еще до возникновения пиковой нагрузки на гидропривод.
- Мультиспектральные камеры для мониторинга очеса и соломы позволяют оценивать процент недомолота и состояние незерновой части урожая непосредственно в процессе движения.
Датчики, установленные на жатке, определяют положение или высоту жатки зерноуборочного комбайна. Они помогают запускать и останавливать регистрацию урожайности, повышают точность карты и поддерживают высоту скашивания на неровной местности. Эти датчики устанавливаются на комбайн и подключаются к монитору урожайности или системе наведения. В некоторых системах используются два датчика и инерциальный измерительный блок для измерения относительного угла наклона жатки и определения высоты даже на склонах. Обычное применение: автоматическая регулировка высоты жатки; точность отображения урожайности; защита жатки от контакта с землей; улучшенная обратная связь с оператором во время уборки урожая.
Датчики высоты жатки повышают точность отображения урожайности, поскольку в журналах комбайна регистрируются данные о урожайности только тогда, когда жатка действительно находится в поле. Это предотвращает регистрацию ложных показателей низкой урожайности, когда жатка поднимается, поворачивается или перемещается без сбора урожая.
Это важно потому, что карты урожайности строятся на основе данных об урожайности, влажности, высоте жатки и местоположении с помощью GPS. Если система записывает данные, когда жатка поднята, она может привязать уборочную площадь к тем моментам, когда урожай не собирается, что искажает расчеты урожайности на акр в меньшую сторону. Точное определение рабочей площади жатки также помогает монитору правильно рассчитать убранную площадь, особенно на краях поля и во время сбора урожая от начала до конца.
Датчик выполняет функцию регистратора: опускает жатку и собирает урожай, записывает данные в журнал; поднимает жатку, останавливает регистрацию. Это сокращает количество ошибочных данных, повышает точность карты и делает сравнения по полю более надежными. Это помогает отображать на карте урожайность сельскохозяйственных культур, а не движение машин. Например, если комбайн поворачивается в конце прохода с поднятой жаткой, то из-за неправильной настройки на нем все равно может быть зафиксирован сегмент с низкой урожайностью. Правильно откалиброванный датчик высоты жатки предотвращает попадание этого сегмента на карту, поэтому урожайность получается более чистой и достоверной.
Сравнение систем автопилотирования зерноуборочных комбайнов показывает: GPS PILOT (принимает позиционные и корректурные сигналы, которые после обработки применяют для управления машиной, допускает движение по параллельным и эквидистантным кривым, а также работу по изогнутым краям поля) и AutoTrac — автоматически задаёт траекторию движения. CEMOS AUTOMATIC (автоматически оптимизирует работу машины на основе качества зерна, качества обмолота, чистоты, качества соломы и производительности) и IntelliSense — проводит интеллектуальную настройку процесса уборки, а Machine Sync создаёт беспроводную сеть между комбайном и трактором, что обеспечивает координацию их действий.
Таблица 1
Сопоставление систем автопилотирования зерноуборочных комбайнов
| Система | Основная задача | Сильная сторона |
| GPS PILOT / автопилот | Автоматически ведет комбайн по траектории | Снижает утомляемость и перекрытия проходов |
| CEMOS AUTOMATIC (CLAAS) | Самонастройка рабочих органов по условиям уборки | Оптимизирует обмолот, сепарацию, очистку и качество зерна |
| IntelliSense (New Holland) | Автоматически подбирает режим работы под стратегию уборки | Работает как система выбора приоритетов: потери, качество, пропускная способность |
| AutoTrac / Machine Sync (John Deere) | Автовождение и синхронизация комбайна с перегрузочным трактором | Упрощает разгрузку на ходу и снижает риск ошибок оператора |
| Система мониторинга и картирования урожайности | Сбор данных о производительности и урожайности по полю | Помогает анализировать разнородность поля и управлять агрономией |
В зависимости от поколения система может объединять до 6 машин. Одна машина (обычно комбайн) выступает в качестве «ведущей», контролируя скорость, направление движения и положение «ведомых» машин (трактора с прицепом) Система автоматически направляет приближающийся трактор к заранее определённой «домашней» точке рядом с комбайном для безопасной выгрузки зерна. При активации Machine Sync трактор движется к этой точке, и машины активно отслеживают друг друга). По глубине именно технологической автоматизации обмолота и очистки CEMOS выглядит наиболее “самостоятельной” системой, а по удобству логистики в поле выделяется Machine Sync.
Главные преимущества Cognitive Agro Pilot перед классическими GPS-системами — это работа на основе компьютерного зрения, способность обходиться без спутникового сигнала и более “человеческое” понимание ситуации на поле, подходит для условий, где GPS менее надежен: переменчивая погода, РЭП, зоны со слабым сигналом.
Таким образом, в работе представлен анализ тенденций и перспектив систем автоматизации зерноуборочных комбайнов.
Библиографический список
1. Тульская область в цифрах 2024: Крат. стат. ежегодник/Туластат – Тула, 2025 – 144 с.2. Стратегия развития сельскохозяйственного машиностроения России на период до 2030 года. Распоряжение Правительства РФ от 7. 07.2017, №1455-р, 39 с.
3. Бородин, И. Ф. Автоматизация технологических процессов / И. Ф. Бородин, Ю. А. Судник. – М.: Колос, 2003. – 344 с.
4. Сергованцев В.Т. Системный подход к автоматизации производственных объектов // Вестник МГАУ «Электротехнологии, электрификация и автоматизация сельского хозяйства». — 2005. — № 3(13). — С. 10–14.
5. Шевчук Д.Г. Многопараметрическая мехатронная система адаптивного управления движением зерноуборочного комбайна. Автореферат дисс. к.т.н. Ростов-на Дону, 2013, 20 с.
6. Вантюсов, Ю. А. Исследование динамики зерноуборочного комбайна как объекта автоматизации: дисс. ... : к.т.н. - Ленинград ; Пушкин, 1971. - 160 с.
7. Ергунова, О. Т. Прогнозирование уровня развития цифровизации и искусственного интеллекта в сельском хозяйстве стран БРИКС / О. Т. Ергунова, С. Г. Пьянкова, И. В. Митрофанова // Экономика: вчера, сегодня, завтра. – 2024. – Т. 14, № 7-1. – С. 238-252.
8. Цифровое сельское хозяйство: состояние и перспективы развития : научное издание / Федоренко В. Ф., Мишуров Н. П., Буклагин Д. С. [и др.] . — Москва : ФГБНУ "Росинформагротех", 2019. — 314 с.
9. Самуйлич, Н. С. Автоматизация зерноуборочного комбайна / Н. С. Самуйлич, П. А. Губар ; науч. рук. Д. С. Праженик // Перспективная техника и технологии в АПК : материалы Международной научной конференции студентов, магистрантов и аспирантов, Минск, 13–14 апреля 2023 г. – С. 71-73.