Los sensores son partes muy importantes del IoT (Internet de las cosas). Para detectar la pérdida de limpieza de las cosechadoras durante la operación, se propuso un nuevo método de detección basado en señales acústicas. Los modelos de simulación del impacto entre el grano, el tallo y la placa se establecieron utilizando el algoritmo ALE, y se investigaron las características de excitación de vibración del grano y el tallo; los resultados mostraron que tanto la señal del grano como la del tallo fueron generadas por la excitación de vibración de la superficie del aire, y las amplitudes más altas de la señal del grano y del tallo fueron respectivamente de 15 kHz y 7 kHz, lo que hizo posible distinguir las señales acústicas del impacto del grano y del tallo. Por lo tanto, este documento propuso un método novedoso para separar las señales del grano y del tallo identificando el área de frecuencia característica y posteriormente se propuso un método mejorado de desruido basado en una función de autocorrelación. La capa crítica de EMD fue identificada en función del valor de autocorrelación de la función del modo propio, y el método mejorado de desruido logró eliminar eficazmente el ruido y la señal del tallo. Para verificar la viabilidad del método mejorado de desruido, se realizó un experimento de cosecha de trigo en campo para adquirir la señal acústica real de la operación de limpieza. Los resultados del procesamiento de datos mostraron que el error promedio de la comparación entre la cantidad de pérdida detectada y la cantidad real de pérdida fue del 6.1%. Este documento presenta un enfoque novedoso para investigar la detección de pérdida de limpieza de las cosechadoras y los métodos de desruido.