CN109990827B - 一种储粮微生物的预测方法及装置 - Google Patents

Abstract

本发明公开一种储粮微生物的预测方法及装置。该方法的一具体实施方式包括：采集粮堆的温度值和湿度值；根据粮堆的湿度值计算粮食含水率，并将粮堆的温度值和含水率以及粮堆的储藏时间作为预测参数代入指数形式的预测模型以计算得到储粮微生物预测值。该实施方式可及时、精确的预测粮堆的微生物生长情况。

Description

一种储粮微生物的预测方法及装置

技术领域

本发明涉及食品科学技术领域。更具体地，涉及一种储粮微生物的预测方法及装置。

背景技术

目前我国现有国家和地方粮库上千个，分布于全国各地。在我国引起储粮的损失主要有鼠、害虫和微生物(真菌)，近年来，随着我国粮库建设资金投入的增大，储粮条件得到了明显的改善，加之一些新技术的应用，我国储粮鼠和害虫的危害已可得到有效的预治。但储粮微生物的危害一直未得到解决，它影响了我国的储粮安全。

目前，我国粮库中粮情检测主要用测粮温的方法进行粮情预测，这种方法用于粮情预测存在如下几点不足：1)粮食是一种不良导体，通过对粮食进行测温的方法来预测粮情，存在着严重的滞后性，使工作人员不能及时采取措施处理；2)有些真菌在生长过程中产生热量很低，如灰绿曲霉，所以无法用目前的测粮温方法进行全面的储粮真菌危害的预测；3)测粮温方法受环境因素影响严重，精度不高；4)测定温度范围小。

因此，需要提供一种可及时、精确的预测粮堆的微生物生长情况的储粮微生物的预测方法及装置。

发明内容

本发明的目的在于提供一种可对储粮微生物进行早期检测、早预警，进而实现早防治，可有力保证粮食仓储质量，提高我国储粮安全级别的储粮微生物的预测方法及装置。

为达到上述目的，本发明采用下述技术方案：

本发明第一方面提供了一种储粮微生物的预测方法，包括：

采集粮堆的温度值和湿度值；

根据粮堆的湿度值计算粮食含水率，并将粮堆的温度值和粮食含水率以及粮堆的储藏时间作为预测参数代入如下预测模型以计算得到储粮微生物预测值：

F＝EXP(α*T+β*t+γ*Mc-C)

其中，F为储粮微生物预测值，T为粮堆的温度值，t为粮堆的储藏时间，Mc为粮食含水率，α、β和γ分别为粮堆的温度值、粮堆的储藏时间和粮食含水率的系数，C为常数项。

优选地，该方法还包括：

若根据粮堆的储藏时间及粮堆的粮食种类判断粮堆中的粮食已过后熟期，则采集粮堆的二氧化碳浓度并将粮堆的二氧化碳浓度作为辅助参数代入如下预测模型以计算得到储粮微生物预测值：

F＝δ*CO₂*EXP(α*T+β*t+γ*Mc-C)

其中，CO₂为粮堆的二氧化碳浓度，δ为粮堆的二氧化碳浓度的系数。

优选地，不同粮食类型的粮堆对应不同的α、β、γ、δ和C的取值。

优选地，所述不同粮食类型的粮堆包括：稻谷粮堆、玉米粮堆、小麦粮堆和大豆粮堆。

优选地，该方法还包括：判断储粮微生物预测值是否大于预设的储粮微生物阈值，若是，则进行告警。

本发明第二方面提供了一种储粮微生物的预测装置，包括：温度传感器、湿度传感器和数据处理器

所述温度传感器，采集粮堆的温度值；

所述湿度传感器，采集粮堆的湿度值；

所述数据处理器，根据粮堆的湿度值计算粮食含水率，并将粮堆的温度值和粮食含水率以及粮堆的储藏时间作为预测参数代入如下预测模型以计算得到储粮微生物预测值：

F＝EXP(α*T+β*t+γ*Mc-C)

其中，F为储粮微生物预测值，T为粮堆的温度值，t为粮堆的储藏时间，Mc为粮食含水率，α、β和γ分别为粮堆的温度值、粮堆的储藏时间和粮食含水率的系数，C为常数项。

优选地，该装置还包括用于采集粮堆的二氧化碳浓度的二氧化碳浓度传感器，

所述数据处理器，若根据粮堆的储藏时间及粮堆的粮食种类判断粮堆中的粮食已过后熟期，则将粮堆的二氧化碳浓度作为辅助参数代入如下预测模 型以计算得到储粮微生物预测值：

F＝δ*CO₂*EXP(α*T+β*t+γ*Mc-C)

其中，CO₂为粮堆的二氧化碳浓度，δ为粮堆的二氧化碳浓度的系数。

优选地，该装置还包括显示储粮微生物预测值的显示屏，所述温度传感器、湿度传感器、数据处理器、二氧化碳浓度传感器和显示屏集成于手持设备中。

优选地，该装置还包括集成于所述手持设备中的扬声器，

所述数据处理器，还判断储粮微生物预测值是否大于预设的储粮微生物阈值，若是，则通过所述显示屏和/或所述扬声器进行告警。

本发明的有益效果如下：

本发明所述技术方案可及时、精确的预测粮堆的微生物生长情况，实现对储粮微生物进行早期检测、早预警，进而实现早防治，可有力保证粮食仓储质量，提高我国储粮安全级别。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明；

图1示出本发明实施例提供的储粮微生物的预测方法的流程图。

图2示出本发明实施例提供的储粮微生物的预测装置的示意框图。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

如图1所示，本发明的一个实施例提供了一种储粮微生物的预测方法，包括：

采集粮堆的温度值和湿度值；

根据粮堆的湿度值计算粮食含水率，并将粮堆的温度值和粮食含水率以及粮堆的储藏时间作为预测参数代入如下预测模型以计算得到储粮微生物预测值：

F＝EXP(α*T+β*t+γ*Mc-C)

其中，F为储粮微生物预测值，单位为个/g；T为粮堆的温度值，单位为℃；t为粮堆的储藏时间，其反映粮堆的储存天数，单位为天或日；Mc为粮食含水率，单位为％湿基；α、β和γ分别为粮堆的温度值、粮堆的储藏时间和粮食含水率的系数，C为常数项。可理解的是，EXP表示以自然常数e为底的指数函数，为满足F的单位，可分别设置α、β、γ和C的单位。

其中，根据粮堆的湿度值计算粮食含水率可通过现有的多种方式计算，例如：在粮堆中放置湿度传感器，将湿度传感器的输出电压代入如下的粮堆含水率线性方程中，计算得到湿基表示的粮食含水率局部粮食含水率：

dsf＝dStdWater+(iVol-dStdVol)/ε

其中，dsf为粮食含水率，dStdWater为标称水分，iVol为湿度传感器的输出电压，dStdVol为标称水分的电压值，ε为电压与粮食含水率的比值。

本实施例提供的方法针对稻谷、玉米、小麦或大豆等多种粮食类型的粮堆，可及时、准确的预测储粮微生物生长情况，进而可据其判定危害种类及危害程度，实现粮堆中微生物(真菌)危害情况的早检测、早预警。且对于产生热量很低的储粮真菌危害也可进行预测，如生长过程中产生热量很低的灰绿曲霉。

可理解的是，针对体积较大的粮堆，可分别采集粮堆不同位置的温度值和湿度值，以基于粮堆不同位置的温度值和湿度值分别预测粮堆不同位置的储粮微生物预测值。

在本实施例的一些可选的实现方式中，不同粮食类型的粮堆对应不同的α、β、γ和C的取值，以实现更加精确的预测。例如，针对稻谷粮堆的预测模型为：F＝EXP(0.147*T+0.028*t+162.409*Mc-19.876)。

在本实施例的一些可选的实现方式中，本实施例提供的方法还包括：

若根据粮堆的储藏时间及粮堆的粮食种类判断粮堆中的粮食已过后熟期，则采集粮堆的二氧化碳浓度并将粮堆的二氧化碳浓度作为辅助参数代入如下预测模型以计算得到储粮微生物预测值：

F＝δ*CO₂*EXP(α*T+β*t+γ*Mc-C)

其中，CO₂为粮堆的二氧化碳浓度，单位为ppm；δ为粮堆的二氧化碳浓度的系数，可理解的是，为满足F的单位，同样可设置δ的单位。

储粮微生物生长会导致粮堆二氧化碳浓度升高，但在粮食处于后熟期时，其呼吸旺盛，粮食本身就会导致粮堆二氧化碳浓度升高，因此粮食处于后熟期时不宜引入二氧化碳浓度作为预测参数，这样会导致预测精度下降。另外，不同类型的粮食具有不同长度的后熟期。综合上述情况，本实现方式结合粮 堆的储藏时间及粮堆的粮食种类判断粮堆中的粮食是否已过后熟期，若否，则使用预测模型F＝EXP(α*T+β*t+γ*Mc-C)；若是，则引入二氧化碳浓度作为辅助参数，使用预测模型F＝δ*CO₂*EXP(α*T+β*t+γ*Mc-C)。可进一步提高储粮微生物预测的精确性。

在本实施例的一些可选的实现方式中，与不同粮食类型的粮堆对应不同的α、β、γ和C的取值类似的是，不同粮食类型的粮堆对应不同的δ的取值，以实现更加精确的预测。

在本实施例的一些可选的实现方式中，本实施例提供的方法还包括：判断储粮微生物预测值是否大于预设的储粮微生物阈值，若是，则进行告警。例如，储粮微生物阈值可设置为1*10⁶，若储粮微生物预测值F大于等于1*10⁶则进行告警。另外，还可设置多个储粮微生物阈值，例如设置储粮微生物阈值为5*10⁴、1*10⁶、1*10⁷，若5*10⁴≤F<1*10⁶，则进行微生物临界告警，提示应及时采取预防措施；若1*10⁶≤F<1*10⁷，则进行微生物危害告警，提示应及时采取防治措施；若F≥1*10⁷，则进行微生物严重危害告警，提示应立即采取治理措施。本实现方式可在储粮微生物预测的基础上实现储粮微生物预警提示。

如图2所示，本发明的另一个实施例提供了一种储粮微生物的预测装置，包括：温度传感器、湿度传感器和数据处理器，

温度传感器，采集粮堆的温度值；

湿度传感器，采集粮堆的湿度值；

数据处理器，根据粮堆的湿度值计算粮食含水率，并将粮堆的温度值和粮食含水率以及粮堆的储藏时间作为预测参数代入如下预测模型以计算得到储粮微生物预测值：

F＝EXP(α*T+β*t+γ*Mc-C)

其中，F为储粮微生物预测值，T为粮堆的温度值，t为粮堆的储藏时间，Mc为粮食含水率，α、β和γ分别为粮堆的温度值、粮堆的储藏时间和粮食含水率的系数，C为常数项。

在本实施例的一些可选的实现方式中，本实施例提供的装置还包括用于采集粮堆的二氧化碳浓度的二氧化碳浓度传感器，

数据处理器，若根据粮堆的储藏时间及粮堆的粮食种类判断粮堆中的粮食已过后熟期，则将粮堆的二氧化碳浓度作为辅助参数代入如下预测模型以计算得到储粮微生物预测值：

F＝δ*CO₂*EXP(α*T+β*t+γ*Mc-C)

其中，CO₂为粮堆的二氧化碳浓度，δ为粮堆的二氧化碳浓度的系数。

在本实施例的一些可选的实现方式中，本实施例提供的装置还包括显示储粮微生物预测值的显示屏，温度传感器、湿度传感器、数据处理器、二氧化碳浓度传感器和显示屏集成于手持设备中。其中，数据处理器可内置于手持设备中，温度传感器和湿度传感器分别可采用探针的结构，通过电缆连接手持设备。本实现方式可实现手持使用，方便携带，预测速度快且操作简便。

在本实施例的一些可选的实现方式中，该装置还包括集成于手持设备中的扬声器，

数据处理器，还判断储粮微生物预测值是否大于预设的储粮微生物阈值，若是，则通过显示屏和/或扬声器进行告警。

本实现方式可在储粮微生物现场预测的基础上实现储粮微生物现场预警。

需要说明的是，本实施例提供的储粮微生物的预测装置的原理及工作流程与上述储粮微生物的预测方法相似，相关之处可以参照上述说明，在此不再赘述。

在本发明的描述中，需要说明的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

还需要说明的是，在本发明的描述中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存 在另外的相同要素。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于本领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (10)

1.一种储粮微生物的预测方法，其特征在于，包括：

采集粮堆的温度值和湿度值；

根据粮堆的湿度值计算粮食含水率，并将粮堆的温度值和粮食含水率以及粮堆的储藏时间作为预测参数代入如下预测模型以计算得到储粮微生物预测值：

F＝EXP(α*T+β*t+γ*Mc-C)

其中，F为储粮微生物预测值，T为粮堆的温度值，t为粮堆的储藏时间，Mc为粮食含水率，α、β和γ分别为粮堆的温度值、粮堆的储藏时间和粮食含水率的系数，C为常数项。

2.根据权利要求1所述的方法，其特征在于，该方法还包括：

若根据粮堆的储藏时间及粮堆的粮食种类判断粮堆中的粮食已过后熟期，则采集粮堆的二氧化碳浓度并将粮堆的二氧化碳浓度作为辅助参数代入如下预测模型以计算得到储粮微生物预测值：

F＝δ*CO₂*EXP(α*T+β*t+γ*Mc-C)

其中，CO₂为粮堆的二氧化碳浓度，δ为粮堆的二氧化碳浓度的系数。

3.根据权利要求1所述的方法，其特征在于，不同粮食类型的粮堆对应不同的α、β、γ和C的取值。

4.根据权利要求2所述的方法，其特征在于，不同粮食类型的粮堆对应不同的α、β、γ、δ和C的取值。

5.根据权利要求3或4所述的方法，其特征在于，所述不同粮食类型的粮堆包括：稻谷粮堆、玉米粮堆、小麦粮堆和大豆粮堆。

6.根据权利要求1所述的方法，其特征在于，该方法还包括：判断储粮微生物预测值是否大于预设的储粮微生物阈值，若是，则进行告警。

7.一种储粮微生物的预测装置，其特征在于，包括：温度传感器、湿度传感器和数据处理器，

所述温度传感器，采集粮堆的温度值；

所述湿度传感器，采集粮堆的湿度值；

所述数据处理器，根据粮堆湿度值计算粮食含水率，并将粮堆的温度值和粮食含水率以及粮堆的储藏时间作为预测参数代入如下预测模型以计算得到储粮微生物预测值：

F＝EXP(α*T+β*t+γ*Mc-C)

其中，F为储粮微生物预测值，T为粮堆的温度值，t为粮堆的储藏时间，Mc为粮食含水率，α、β和γ分别为粮堆的温度值、粮堆的储藏时间和粮食含水率的系数，C为常数项。

8.根据权利要求7所述的装置，其特征在于，该装置还包括用于采集粮堆的二氧化碳浓度的二氧化碳浓度传感器，

所述数据处理器，若根据粮堆的储藏时间及粮堆的粮食种类判断粮堆中的粮食已过后熟期，则将粮堆的二氧化碳浓度作为辅助参数代入如下预测模型以计算得到储粮微生物预测值：

F＝δ*CO₂*EXP(α*T+β*t+γ*Mc-C)

其中，CO₂为粮堆的二氧化碳浓度，δ为粮堆的二氧化碳浓度的系数。

9.根据权利要求8所述的装置，其特征在于，该装置还包括显示储粮微生物预测值的显示屏，所述温度传感器、湿度传感器、数据处理器、二氧化碳浓度传感器和显示屏集成于手持设备中。

10.根据权利要求9所述的装置，其特征在于，该装置还包括集成于所述手持设备中的扬声器，

所述数据处理器，还判断储粮微生物预测值是否大于预设的储粮微生物阈值，若是，则通过所述显示屏和/或所述扬声器进行告警。

Images