农用机械的耙地控制方法、装置及介质与流程

1.本发明涉及农用机械领域，具体地，涉及一种农用机械的耙地控制方法、装置及介质。


背景技术：

2.当前，随着农村劳动力大幅度减少及老龄化加剧，发展智能农用机械来替代人工也成为必然趋势。但是，当前不少用于耙地的农用机械，如大马力拖拉机，虽然具备了一定的智能性，但其对人工的依赖性仍然严重，特别是需要依赖于人工进行耙地作业质量的检测及控制，无形中提高了机手的工作强度和操作难度，影响作业效率。


技术实现要素：

3.本发明的目的是提供一种农用机械的耙地控制方法、装置及介质，用以至少部分地解决上述技术问题。
4.为了实现上述目的，本发明提供一种农用机械的耙地控制方法，包括：获取并判断所述农用机械进行耙地作业的当前耙深值是否达到设定的耙深标准；在所述当前耙深值未达到所述耙深标准的情况下，控制所述农用机械的耙具动作以改变耙深值；在所述当前耙深值或改变后的耙深值达到所述耙深标准的情况下，获取并判断所述农用机械进行耙地作业的当前碎土率是否达到设定的碎土标准；以及在所述当前碎土率未达到所述碎土标准的情况下，控制所述农用机械的车速降低以改变碎土率。
5.优选地，获取所述当前耙深值包括：从适配于所述耙具安装的耙深测距传感器中获取所述当前耙深值。
6.优选地，所述控制所述农用机械的耙具动作以改变耙深值包括：根据所述当前耙深值与所述耙深标准之间的第一耙深偏差值，调整所述耙具升高或下降以改变耙深值。
7.优选地，在所述改变耙深值之后，所述耙地控制方法还包括：在所述耙具无法继续下降而所述耙深值仍未达到耙深标准的情况下，进行耙地质量报警。
8.优选地，在所述控制所述农用机械的车速降低之后，所述耙地控制方法还包括：在所述车速已经降低至设定的最小车速门限而碎土率仍未达到所述碎土标准的情况下，进行耙地质量报警。
9.优选地，所述耙地控制方法还包括：接收用户响应于所述耙地质量报警而发送的指令；在所述指令指示作业继续时，控制所述农用机械前行，并将当前的耙深值和碎土率标记为能够达到相应的所述耙深标准和所述碎土标准；以及在所述指令指示作业停止时，控制所述农用机械停车。
10.优选地，所述耙地控制方法还包括：在所述当前耙深值或改变后的耙深值达到所述耙深标准且所述当前碎土率或改变后的碎土率达到所述碎土标准的情况下，保存达到相应标准的耙深值和碎土率，并调节执行关于所述当前耙深值和所述碎土率的获取的周期。
11.优选地，获取所述当前碎土率包括：确定所述农用机械进行耙地作业的当前作业
图像中用于进行碎土检测的感兴趣区域roi；采用预设的碎土检测模型处理所述roi以输出该roi中的碎土区域，其中所述碎土检测模型是经由机器学习模型训练耙地作业图像集而得到的；基于所述碎土区域的像素面积和预设的标定系数，计算碎土比重p1，其中所述碎土比重p1是所述碎土区域的实际面积占所述roi的实际面积的比值，且所述标定系数用于示出roi像素尺寸与roi实际尺寸之间的标定关系；以及确定碎土率p＝1-p1。
12.本发明还提供一种农用机械的耙地控制装置，包括：存储器，其存储有能够在处理器上运行的程序；以及所述处理器，其被配置为执行所述程序时实现上述任意的耙地控制方法。
13.优选地，该耙地控制装置是ai控制器。
14.本发明还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述任意的耙地控制方法。
15.通过上述技术方案，本发明基于耙深值和碎土率两方面控制车辆的耙地作业质量，降低了机手的工作强度和操作难度，提高了作业效率。
16.本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
17.附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
18.图1是本发明实施例的农用机械的耙地控制方法的流程示意图；
19.图2是本发明实施例中获取当前碎土率的流程示意图；
20.图3是本发明另一实施例的农用机械的耙地控制装置的结构示意图；以及
21.图4是本发明实施例的示例中进行耙地控制的流程示意图。
具体实施方式
22.以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
23.在描述本发明实施例的细节之前，在此先对涉及的部分术语进行介绍：
24.1、大马力拖拉机：本发明实施例中是指马力在140以上的拖拉机。在本发明实施例中，涉及的农用机械是以大马力拖拉机为例，且下文简称为拖拉机。
25.2、耙地作业：其是指通过拖拉机带动耙具进行的一种表土耕作，通常在犁耕后、播种前或早春保墒时进行，有保蓄水分、提高土温等作业。碎土率和耙地深度(下文统称为耙深)是评价耙地作业质量的关键指标。
26.3、碎土率：其是农用机械耙地作业的性能参数之一，用于表征农用机械对土壤的破碎程度。现有技术中通常采用人工取土并进行筛选和评估的测量方法。
27.4、roi(region of interest，感兴趣区域)：机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出的需要处理的区域。在本发明实施例中，主要是指用于进行碎土率检测的roi。
28.5、语义分割模型：深度学习中的一种典型的解决计算机视觉问题的算法模型，其涉及将一些原始数据(例如，平面图像)作为输入并将它们转换为具有突出显示的感兴趣区
域的掩模。简单来讲，语义分割模型可以理解为只是把每个像素点进行分类。本发明实施例中，采用语义分割模型来从耙地作业图像中识别碎土率。
29.图1是本发明实施例的农用机械的耙地控制方法的流程示意图，其中所述农用机械例如是如上的拖拉机，且该耙地控制方法例如由拖拉机的车载控制器、遥控控制器或云端控制器等来执行。如图1所示，该耙地控制方法包括可以包括以下的步骤s100-s400：
30.步骤s100，获取并判断所述农用机械进行耙地作业的当前耙深值是否达到设定的耙深标准。
31.步骤s200，在所述当前耙深值未达到所述耙深标准的情况下，控制所述农用机械的耙具动作以改变耙深值。
32.步骤s300，在所述当前耙深值或改变后的耙深值达到所述耙深标准的情况下，获取并判断所述农用机械进行耙地作业的当前碎土率是否达到设定的碎土标准。
33.步骤s400，在所述当前碎土率未达到所述碎土标准的情况下，控制所述农用机械的车速降低以改变碎土率。
34.易知，根据步骤s100-s400，本发明实施例的耙地控制方法基于耙深值和碎土率两者控制车辆的耙地作业质量，从而可以降低机手的工作强度和操作难度，提高作业效率。
35.并且，通过步骤s100-s400还可知，本发明实施例是在先确定耙深达标的情况下再进行碎土率的控制，从而使得整个耙地控制更侧重于耙深控制，符合部分地区对碎土率要求不高的情形，或者符合拖拉机的常规操作中往往能够碎土达标的情形，进而更加关注耙深能否达标。
36.下面具体介绍关于步骤s100-s400的实施细节。
37.针对步骤s100，优选从适配于所述耙具安装的耙深测距传感器中获取所述当前耙深值。举例而言，将耙深测距传感器安装在大马力拖拉机的车尾耙具连接器大臂上，以实时地检测耙具工作的耙深值，而控制器则可以按照一定的周期从耙深测距传感器中获取耙深值。
38.针对步骤s200，在步骤s100获得的耙深值未达到耙深标准的情况下，控制所述农用机械的耙具动作以改变耙深值可以包括：根据所述当前耙深值与所述耙深标准之间的第一耙深偏差值，调整所述耙具升高或下降以改变耙深值。举例而言，根据第一耙深偏差值的正负及具体数值调整耙具升高或下降，具体为：在第一耙深偏差值为正时，将耙具升高相应数值；在第一耙深偏差值为负时，将耙具下降相应数值。
39.优选地，在步骤s200改变耙深值之后，所述耙地控制方法还可以包括：在所述耙具无法继续下降而所述耙深值仍未达到耙深标准的情况下，进行耙地质量报警。报警目的在于提醒农户是否继续作业，下文还将详述耙地质量报警，在此则不进行赘述。
40.进一步针对步骤s200，若在步骤s100获得的耙深值达到耙深标准，则可继续步骤s300中关于碎土率的判断。
41.针对步骤s300，如图2所示，在一种优选的实施例中，获取所述当前碎土率可以包括以下的步骤s310-s340：
42.步骤s310，确定所述农用机械进行耙地作业的当前作业图像中用于进行碎土检测的roi。
43.举例而言，通过安装在拖拉机车顶的摄像头来获取大量拖拉机实时耙地作业的图
像，再选择其中像素质量高的图像作为当前作业图像，再通过预先配置的用于限定roi的多边形标准板来确定roi。
44.步骤s320，采用预设的碎土检测模型处理所述roi以输出该roi中的碎土区域。
45.其中，所述碎土检测模型是经由机器学习模型训练耙地作业图像集而得到的。举例而言，可采用图像分割模型来训练出碎土检测模型，而所述图像分割模型又可优选是基于语义分割算法的模型。
46.步骤s330，基于所述碎土区域的像素面积和预设的标定系数，计算碎土比重p1。
47.其中，所述碎土比重p1是所述碎土区域的实际面积占所述roi的实际面积的比值，且所述标定系数用于示出roi像素尺寸与roi实际尺寸之间的标定关系。举例而言，标定系数可以是经验数据，也可以是在图像处理中实时确定的数据。
48.步骤s340，确定碎土率p＝1-p1。
49.举例而言，碎土比重p1为40％，从而碎土率为60％。
50.需说明的是，上述步骤s310-s340中确定碎土率的方法是示例性的，在其他示例中，也可以是人工对作业区域进行圈定测量，再人工统计并评估当前作业区域的碎土率，并将该碎土率输入至车载控制器、遥控控制器或云端控制器以供本发明实施例的耙地控制方法进行调用。但是，上述步骤s310-s340的碎土率自动计算方案，不再依赖于人工评估碎土率，既提升了碎土率检测的精度和实时性，又显著降低了人工劳动强度，并且为自动改善作业耙地作业质量提供了判断基准。
51.针对步骤s400，降低车速主要是使得耙地单位时间内同一区块的碎土作业时间延长，从而提升碎土质量。
52.另外，在控制所述农用机械的车速降低之后，还可以包括：在所述车速已经降低至设定的最小车速门限而碎土率仍未达到所述碎土标准的情况下，进行耙地质量报警。
53.进一步针对步骤s400，优选地，在所述当前耙深值或改变后的耙深值达到所述耙深标准且所述当前碎土率或改变后的碎土率达到所述碎土标准的情况下，保存达到相应标准的耙深值和碎土率，并调整执行关于所述当前耙深值和所述碎土率的获取的周期。举例而言，当前作业状态是达标的，可保持当前作业状态对应的数据(耙深值和碎土率)并降低检测相应数据的检测周期，以实现对执行耙地控制方法的控制器的节能。
54.另外，通过步骤s400的上述实施细节，可知本发明实施例基于效率优先的原则，在耙深达标的情况下，优先调整车速，提高效率以试图改善碎土率，但若是车速已最低的情况下碎土率仍无法达标，则进行耙地质量报警。
55.上述关于步骤s100-s400的实施细节介绍中提及耙地质量报警，而在优选的实施例中，基于这一报警，所述耙地控制方法还可以包括：接收用户响应于所述耙地质量报警而发送的指令；在所述指令指示作业继续时，控制所述农用机械前行，并将当前的耙深值和碎土率标记为能够达到相应的所述耙深标准和所述碎土标准；以及在所述指令指示作业停止时，控制所述农用机械停车。
56.举例而言，耙地质量报警包括控制器向用户发出警告信息，以询问用户是否可以接受本地块耙地的耙地效果以及是否可以继续作业，若用户选择“是”，则通过控制器的“确认”键发送相应指令，而控制器响应于“确认”指令，保存用户选择，将当前的耙深值和碎土率标记为能够达到相应的标准，从而后续不再需要用户进行重复确认；若用户选择“否”，则
通过控制器的“停车”键发送相应指令，而控制器响应于“停车”指令控制拖拉机停止，进而用户可检测耙具情况，确定耙地质量不达标的原因，例如是耙具幅宽过大、耙具损坏等。另外，在作业不达标时，可以回退到之前的耙深和碎土率，并维持执行关于所述当前耙深值的获取的周期(即耙深数据检测周期)在初始周期，以避免因作业达标而降低了的检测周期影响不达标情形下的数据检测频率。
57.图3是本发明另一实施例的农用机械的耙地控制装置的结构示意图。如图3所示，该耙地控制装置可以包括：存储器，其存储有能够在处理器上运行的程序；以及所述处理器，其被配置为执行所述程序时实现上述实施例中任意的耙地控制方法。
58.优选地，耙地控制装置可以是ai(人工智能)控制器。ai控制器和摄像头是当前视觉技术的重要部件，故而在采用ai控制器和摄像头的基础上，可进一步融合视觉技术中的涉及的ai、神经生物学、心理物理学、计算机科学、图像处理、模式识别等等，以实现速度快、信息量大、功能多的耙地控制装置。
59.下面通过示例来进一步介绍本发明实施例的耙地控制方法或装置的应用。图4是本发明实施例的示例中进行耙地控制的流程示意图，该示例中，例如将拖拉机的车载控制器配置成ai控制器，以执行耙地控制方案。如图4所示，可以包括以下步骤：
60.步骤s1，启动ai模式。
61.需说明的是，除了ai控制器以外，车载摄像头也可以有ai模式，并在此被一并启动。
62.步骤s2，启动耙地作业检测功能。
63.举例而言，通过安装在车尾耙具连接器大臂上的耙深测距传感器获取实时耙深数据(即耙深值)；以及通过使用相机(即摄像头)标定，通过驾驶舱后上方的相机获取后方作业面3-6米之间的roi区域(视耙具大小而定)，对roi区域图像进行例如仿射变换得到平面图，再采用语义分割算法的模型处理平面图以检测出碎土率。
64.步骤s3，获取并判断耙深值是否达标，若是则执行步骤s8，否则执行步骤s4。
65.步骤s4，调节耙深。
66.举例而言，下发检测出的实际耙深值与要求的最小耙深值的偏差值给整车控制器，整车控制器根据偏差值的正负和具体数值调整耙具升降，正则升高耙具，负则降低耙具。
67.步骤s5，判断耙具是否无法下降，若是则执行步骤s6，否则返回步骤s3。
68.举例而言，耙具无法下降使得耙深无法再增加，从而需要考虑进行耙深不达标报警。
69.步骤s6，不达标报警，判断是否继续作业，若是，则执行步骤s7，否则执行步骤s10。
70.举例而言，发出警告信息(例如语音提醒)，询问农户本地块的耙地效果能否接受，是否要继续作业，并保存农户的设置，不需要农户每次确定。
71.步骤s7，保持当前作业状态，调整检测周期以返回至步骤s2。
72.举例而言，保存当前达标的耙深值和碎土率，而达标的参数表明当前耙地质量合格，从而可以降低作业质量检测周期，进入步骤s2，轮循检测作业质量，以进一步减少ai控制器的负荷。
73.步骤s8，获取并判断碎土率是否达标，若是，则执行步骤s7，否则执行步骤s9。
74.步骤s9，降低车速，并判断是否达到最小车速。
75.举例而言，在耙深达标的情况下，降低车速，使耙地单位时间内同一个地方的作业时间延长，提升作业质量，车速降低后进入步骤s8重复检测，如果车速已经降低到最小车速，则进入步骤s6。
76.步骤s10，停车检查。
77.举例而言，停车检查机具等情况，确定耙地质量不达标原因，如耙具损坏等，问题解决后重新步骤s1开始。
78.通过该示例，本发明实施例的耙地控制方法结合了碎土率和耙深值来控制耙地作业的质量，降低了机手的工作强度和操作难度，提高了作业效率；可以存储作业中的耙深数据和碎土率，并上传至工作平台，以便于平台进行监管；提供了碎土率和耙深值的自动获取方案，且进行了对于耙具升降和车速的自动控制，进而有助于农用机械的自动驾驶功能的完善，并进一步促进无人农场的建设。
79.本发明另一实施例还提供了一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述任意实施例的耙地控制方法。
80.其中，所述机器例如是上述的ai控制器，或者拖拉机自身的控制器(如整车控制器)。另外，所述机器可读存储介质包括但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体(flash memory)或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备等各种可以存储程序代码的介质。
81.其中，关于上述实施例的机器可读存储介质的更多实施细节及效果，可参考对应的前述实施例，在此则不再进行赘述。
82.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
83.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
84.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
85.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
86.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
87.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
88.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
89.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
90.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。
91.另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，例如交换部分步骤的执行顺序。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
92.此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

技术特征：
1.一种农用机械的耙地控制方法，其特征在于，所述耙地控制方法包括：获取并判断所述农用机械进行耙地作业的当前耙深值是否达到设定的耙深标准；在所述当前耙深值未达到所述耙深标准的情况下，控制所述农用机械的耙具动作以改变耙深值；在所述当前耙深值或改变后的耙深值达到所述耙深标准的情况下，获取并判断所述农用机械进行耙地作业的当前碎土率是否达到设定的碎土标准；以及在所述当前碎土率未达到所述碎土标准的情况下，控制所述农用机械的车速降低以改变碎土率。2.根据权利要求1所述的农用机械的耙地控制方法，其特征在于，获取所述当前耙深值包括：从适配于所述耙具安装的耙深测距传感器中获取所述当前耙深值。3.根据权利要求1所述的农用机械的耙地控制方法，其特征在于，所述控制所述农用机械的耙具动作以改变耙深值包括：根据所述当前耙深值与所述耙深标准之间的第一耙深偏差值，调整所述耙具升高或下降以改变耙深值。4.根据权利要求1所述的农用机械的耙地控制方法，其特征在于，在所述改变耙深值之后，所述耙地控制方法还包括：在所述耙具无法继续下降而所述耙深值仍未达到耙深标准的情况下，进行耙地质量报警。5.根据权利要求1所述的农用机械的耙地控制方法，其特征在于，在所述控制所述农用机械的车速降低之后，所述耙地控制方法还包括：在所述车速已经降低至设定的最小车速门限而碎土率仍未达到所述碎土标准的情况下，进行耙地质量报警。6.根据权利要求4或5所述的农用机械的耙地控制方法，其特征在于，所述耙地控制方法还包括：接收用户响应于所述耙地质量报警而发送的指令；在所述指令指示作业继续时，控制所述农用机械前行，并将当前的耙深值和碎土率标记为能够达到相应的所述耙深标准和所述碎土标准；以及在所述指令指示作业停止时，控制所述农用机械停车。7.根据权利要求1所述的农用机械的耙地控制方法，其特征在于，所述耙地控制方法还包括：在所述当前耙深值或改变后的耙深值达到所述耙深标准且所述当前碎土率或改变后的碎土率达到所述碎土标准的情况下，保存达到相应标准的耙深值和碎土率，并调节执行关于所述当前耙深值和所述碎土率的获取的周期。8.根据权利要求1所述的农用机械的耙地控制方法，其特征在于，获取所述当前碎土率包括：确定所述农用机械进行耙地作业的当前作业图像中用于进行碎土检测的感兴趣区域roi；采用预设的碎土检测模型处理所述roi以输出该roi中的碎土区域，其中所述碎土检测
模型是经由机器学习模型训练耙地作业图像集而得到的；基于所述碎土区域的像素面积和预设的标定系数，计算碎土比重p1，其中所述碎土比重p1是所述碎土区域的实际面积占所述roi的实际面积的比值，且所述标定系数用于示出roi像素尺寸与roi实际尺寸之间的标定关系；以及确定碎土率p＝1-p1。9.一种农用机械的耙地控制装置，其特征在于，包括：存储器，其存储有能够在处理器上运行的程序；以及所述处理器，其被配置为执行所述程序时实现权利要求1至8中任意一项所述的耙地控制方法。10.根据权利要求9所述的耙地控制装置，其特征在于，该耙地控制装置是ai控制器。11.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令用于使得机器执行权利要求1至8中任意一项所述的耙地控制方法。

技术总结
本发明涉及农用机械领域，公开了一种农用机械的耙地控制方法、装置及介质。所述方法包括：获取并判断所述农用机械进行耙地作业的当前耙深值是否达到设定的耙深标准；在所述当前耙深值未达到所述耙深标准的情况下，控制所述农用机械的耙具动作以改变耙深值；在所述当前耙深值或改变后的耙深值达到所述耙深标准的情况下，获取并判断所述农用机械进行耙地作业的当前碎土率是否达到设定的碎土标准；以及在所述当前碎土率未达到所述碎土标准的情况下，控制所述农用机械的车速降低以改变碎土率。通过上述技术方案，本发明基于耙深值和碎土率两方面控制车辆的耙地作业质量，降低了机手工作强度和操作难度，提高了作业效率。提高了作业效率。提高了作业效率。


技术研发人员：梁鼎 孔维东 刘辉
受保护的技术使用者：中联农业机械股份有限公司
技术研发日：2023.05.15
技术公布日：2023/9/23