CN110823339B - 基于底面两圈压力传感器的粮仓状态检测方法及系统 - Google Patents

基于底面两圈压力传感器的粮仓状态检测方法及系统 Download PDF

Info

Publication number
CN110823339B
CN110823339B CN201810910925.8A CN201810910925A CN110823339B CN 110823339 B CN110823339 B CN 110823339B CN 201810910925 A CN201810910925 A CN 201810910925A CN 110823339 B CN110823339 B CN 110823339B
Authority
CN
China
Prior art keywords
state
granary
detection
grain
grain storage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810910925.8A
Other languages
English (en)
Other versions
CN110823339A (zh
Inventor
张德贤
张苗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan University of Technology
Original Assignee
Henan University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Henan University of Technology filed Critical Henan University of Technology
Priority to CN201810910925.8A priority Critical patent/CN110823339B/zh
Publication of CN110823339A publication Critical patent/CN110823339A/zh
Application granted granted Critical
Publication of CN110823339B publication Critical patent/CN110823339B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G17/00—Apparatus for or methods of weighing material of special form or property
    • G01G17/04—Apparatus for or methods of weighing material of special form or property for weighing fluids, e.g. gases, pastes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes

Abstract

本发明涉及一种基于底面两圈压力传感器的粮仓状态检测方法及系统，本发明针对国家对粮仓储粮状态检测的迫切需要和检测的具体要求，根据粮仓压强分布特点，提出了一种基于底面两圈压力传感器的粮仓储粮4状态检测方法，本发明的核心技术包括粮仓储粮4状态检测特征向量构造、基于支持向量机粮仓储粮4状态分类规则、基于领域知识的粮仓储粮4状态分类规则、基于支持向量机和领域知识的粮仓储粮4状态分类器四个部分。所提出的模型及检测方法具有检测精度高、应于多种粮仓结构类型、对传感器性能要求低、适应性和鲁棒性强、便于远程在线粮仓状态检测等特点，可满足通常使用粮仓储粮状态远程在线检测的需要。

Description

基于底面两圈压力传感器的粮仓状态检测方法及系统
技术领域
本发明涉及一种基于底面两圈压力传感器的粮仓状态检测方法及系统，属于传感器与检测技术领域。
背景技术
粮仓储粮状态检测是保证粮食安全的重要手段，开展这方面的研究与应用事关国家粮食安全，具有重要的意义，并将产生巨大的社会经济效益。
授权公告号为CN105424249B的中国发明专利文件公开了一种粮仓储粮状态的检测方法及其装置。该方案在粮仓底面上布置一组内圈压力传感器和一组外圈压力传感器，将粮仓储粮状态分为进粮、储粮、出粮三类。构建粮仓储粮状态检测的分类特征向量，利用支持向量机构建粮仓储粮状态检测模型。
该方案有效实现了粮仓状态在线检测的问题，还具有较强的适应性和鲁棒性。然而，受限于粮食存储性质、传感器精度，以及传感器巡检时间等因素，储粮状态检测准确度还有待进一步提高。
发明内容
本发明的目的是提供一种基于底面两圈压力传感器的粮仓状态检测方法及系统，用以解决如何在现有技术基础上进一步提高储粮状态检测准确度的问题。
为实现上述目的，本发明的方案包括：
本发明的一种基于底面两圈压力传感器的粮仓状态检测方法，包括如下步骤：
1)利用支持向量机构建底面内外两圈压力传感器的粮仓储粮状态的检测特征向量和检测模型，检测特征向量为：
Figure BDA0001761824190000021
其中，
Figure BDA0001761824190000022
和
Figure BDA0001761824190000023
分别为内外圈压力传感器压强检测值的均值；
Figure BDA0001761824190000024
Figure BDA0001761824190000025
分别为所有传感器中k个最大压强检测值的均值、k个最小压强检测值的均值；
Figure BDA0001761824190000026
和
Figure BDA0001761824190000027
分别为内外圈压力传感器压强检测值均值在给定时间间隔内的变化量；
Figure BDA0001761824190000028
为在给定时间间隔内所有传感器中k个压强检测值变化最大的变化量均值；
2)将检测特征向量代入检测模型判断储粮状态。
进一步的，所述检测模型包括：
进粮分类检测模型，包括进粮状态和其他状态：
Figure BDA0001761824190000029
其中，βIn(j)、bIn和γIn为通过SVM训练所获得的参数，βIn(j)≠0；
Figure BDA00017618241900000210
为相应的支持向量点，j＝1,...,lIn，lIn为支持向量的个数；
出粮分类检测模型，包括储粮状态和其他状态：
Figure BDA00017618241900000211
其中，βOut(j)、bOut和γOut为通过SVM训练所获得的参数，βOut(j)≠0；
Figure BDA00017618241900000212
为相应的支持向量点，j＝1,...,lOut，lOut为支持向量的个数；
空仓分类检测模型，包括空仓状态和其他状态：
Figure BDA0001761824190000031
其中，βEmp(j)、bEmp和γEmp为通过SVM训练所获得的参数，βEmp(j)≠0；
Figure BDA0001761824190000032
为相应的支持向量点，j＝1,...,lEmp，lEmp为支持向量的个数；
进粮状态、出粮状态及空仓状态外，为储粮状态。
进一步的，粮仓储粮状态分类规则为：
Figure BDA0001761824190000033
其中，GState(X)＝0表示进粮状态，GState(X)＝1表示储粮状态，GState(X)＝2表示出粮状态，GState(X)＝3表示空仓状态。
进一步的，所述粮仓储粮状态还进一步根据以下规则修正：
Figure BDA0001761824190000034
其中，GSt(k)、GSt(k-1)分别为第k次、第k-1次粮仓状态检测结果，GSt(k)∈SState，GSt(k-1)∈SState；GState(X)为由粮仓储粮状态分类规则给出的第k次粮仓状态检测结果。
本发明的一种基于底面两圈压力传感器的粮仓状态检测系统，包括处理器，所述处理器用于执行上述方法的指令。
本发明的有益效果为：
本发明结合粮仓压强分布特点，提出了一种基于底面两圈压力传感器的粮仓储粮4状态检测方法，根据粮仓储粮状态的特点，增加检测特征向量，进一步提高了状态分类检测的精度，同时具有鲁棒性强、适应多种粮仓结构类型的储粮状态检测等特点。
更进一步的，通过对两次巡检结果综合判断，本方案显著减少了因粮仓实际巡检时间间隔小于建模样本的巡检时间间隔时、出现的状态判别错误的情况出现，降低了分类规则对巡检时间间隔的敏感性。
附图说明
图1是平房仓底面压力传感器布置模型示意图；
图2是筒仓底面压力传感器布置示意图；
图3是粮仓储粮状态SVM分类器的构成示意图；
图4是基于SVM和领域知识的粮仓储粮4状态分类器的构成示意图；
图5是样本集的粮仓储粮状态的分布情况示意图；
图6是StEmp(X)计算值分布示意图；
图7是StIn(X)计算值分布示意图；
图8是StOut(X)计算值分布示意图；
图9是本发明的粮仓储粮数量检测方法流程图。
具体实施方式
本发明提供了一种基于底面两圈压力传感器的粮仓状态检测系统，该系统包括处理器，该处理器用于执行指令实现本发明的基于底面两圈压力传感器的粮仓状态检测方法，下面结合附图对该方法做进一步详细的说明。
1.传感器布置模型
为了便于同时实现粮仓储粮重量检测和粮仓储粮状态检测，对于通常使用的平房仓和筒仓，在粮仓底面按外圈和内圈两圈布置压力传感器，如图1和图2所示，圆圈为压力传感器布置位置。外圈压力传感器均与侧面墙距离为d，内圈压力传感器均与侧面墙距离为D。可取d＞0米且d＜1米，可取D＞2米，一般取3米左右。为了保证检测模型的通用性，各粮仓的内外圈压力传感器与侧面墙距离d和D应相同。两圈压力传感器个数均为6-10，传感器间距应不小于1m。
2.粮仓储粮状态
粮仓储粮状态分为进粮、储粮、出粮、空仓四种状态。进粮状态表示粮仓正在装粮，其主要特征是粮堆高度逐渐增高，底面压强逐渐增大；出粮状态表示粮仓正在倒出粮，其主要特征是粮堆高度逐渐降低，底面压强逐渐减少；储粮状态表示粮仓进粮到预定高度且粮堆顶面摊平后的状态，其高度基本稳定，底面压强波动小；空仓状态表示粮仓内没有粮食或很少粮食。
3.粮仓储粮4状态检测特征向量构造
对于图1、图2所示的底面两圈压力传感器布置模型，通过分析可以看出，储粮状态仅发生在满仓的情况下，在这种情况下，粮仓内外圈压力传感器压强检测值的均值较大，且在一定时间间隔的均值变化量也较小。进粮状态下粮仓内外圈压力传感器压强检测值均值在一定时间间隔的变化量为正且变化量大。出粮状态下粮仓内外圈压力传感器压强检测值均值在一定时间间隔的变化量为负且变化量大。因此基于进粮、储粮、出粮、空仓四种状态的压强特点和按一定时间间隔进行粮仓状态巡检的粮仓状态检测方法，可构造的粮仓状态检测特征向量如下式所示：
Figure BDA0001761824190000051
其中，
Figure BDA0001761824190000052
和
Figure BDA0001761824190000053
分别为内外圈压力传感器压强检测值的均值；
Figure BDA0001761824190000054
Figure BDA0001761824190000055
分别为所有传感器中k个最大压强检测值的均值、k个最小压强检测值的均值；
Figure BDA0001761824190000056
和
Figure BDA0001761824190000057
分别为内外圈压力传感器压强检测值均值在给定时间间隔内的变化量；
Figure BDA0001761824190000058
为在给定时间间隔内所有传感器中k个压强检测值变化最大的变化量均值。
4.粮仓储粮状态支持向量分类器构造
粮仓储粮状态检测是4类别分类问题。用0、1、2、3分别表示进粮、储粮、出粮、空仓四种状态，则粮仓储粮状态集合SState＝{0,1,2,3}。假设建模样本集
Figure BDA0001761824190000061
其中，k为样本点序号，k＝1,2,...,M，M为样本数；Xk为第k个样本点的粮仓状态检测特征向量；
Figure BDA0001761824190000062
为第k个样本点的粮仓状态，
Figure BDA0001761824190000063
支持向量机属于类别为{1,-1}的2类别分类器。对于粮仓储粮状态检测的4类别分类问题，可将其转化为3个2类别分类问题，分别是类别为{进粮,其它}的进粮状态分类问题、类别为{出粮,其它}的出粮状态分类问题以及类别为{空仓,其它}的空仓状态分类问题。
对于进粮状态分类问题，令：
Figure BDA0001761824190000064
则由建模样本集S，可构建相应的样本集
Figure BDA0001761824190000065
将Xk各项值分别规范到[-1,1]，通过训练则可构造相应的支持向量分类器为：
Figure BDA0001761824190000066
其中，βIn(j)、bIn和γIn为通过SVM训练所获得的参数，βIn(j)≠0；
Figure BDA0001761824190000067
为相应的支持向量点，j＝1,...,lIn，lIn为支持向量的个数。
同理，对于出粮状态分类问题，令：
Figure BDA0001761824190000068
则由建模样本集S：
Figure BDA0001761824190000069
将Xk各项值分别规范到[-1,1]，通过训练则可构建相应的样本集
Figure BDA00017618241900000610
并构造相应的支持向量分类器为：
Figure BDA00017618241900000611
其中，βOut(j)、bOut和γOut为通过SVM训练所获得的参数，βOut(j)≠0；
Figure BDA00017618241900000612
为相应的支持向量点，j＝1,...,lOut，lOut为支持向量的个数。
对于空仓状态分类问题，令：
Figure BDA0001761824190000071
则由建模样本集S，可构建相应的样本集
Figure BDA0001761824190000072
Figure BDA0001761824190000073
将Xk各项值分别规范到[-1,1]，通过训练则可构造相应的支持向量分类器为：
Figure BDA0001761824190000074
其中，βEmp(j)、bEmp和γEmp为通过SVM训练所获得的参数，βEmp(j)≠0；
Figure BDA0001761824190000075
为相应的支持向量点，j＝1,...,lEmp，lEmp为支持向量的个数。
由式(2)至式(7)，可以构造粮仓储粮状态分类规则为：
Figure BDA0001761824190000076
粮仓储粮状态SVM分类器的构成示意图如图3所示。
5.基于支持向量机和领域知识的粮仓储粮状态分类器构造
对于式(8)所示的粮仓储粮状态分类规则，当粮仓实际巡检时间间隔大于或等于建模样本的巡检时间间隔时，粮仓储粮状态检测误差基本为零。而当粮仓实际巡检时间间隔小于建模样本的巡检时间间隔时，则会出现状态判别错误。为了降低在这种情况下出现的误差，降低式(8)所示的粮仓储粮状态分类规则对巡检时间间隔的敏感性，根据粮仓状态按空仓、进粮、储粮、出粮的顺序循环转化的一般规律，通过分析式(8)所示的粮仓储粮状态分类规则出现误判的具体特征，可构建基于领域知识的粮仓储粮状态分类规则如下式所示。
Figure BDA0001761824190000081
其中，GSt(k)、GSt(k-1)为第k次、第k-1次粮仓状态检测结果，GSt(k)∈SState、GSt(k-1)∈SState；GState(X)为式(8)所示的粮仓储粮状态分类规则给出的第k次粮仓储量状态检测结果。
由式(8)所示的粮仓储粮状态分类规则GState(X)和式(9)所示的基于领域知识的粮仓储粮状态分类规则GSt(k)构成基于支持向量机和领域知识的粮仓状态分类器，如图4所示。
计算机根据对压力传感器的检测结果，计算出式1所示的状态检测特征向量，利用式(8)的检测模型，能够很容易的计算出对应粮仓的储粮状态。利用式(8)及式(9)的检测模型及分类规则，能降低储粮状态检测对巡检时间间隔的敏感性。
实际检测结果表明，当粮仓实际巡检时间间隔小于建模样本的巡检时间间隔时，图4所示的基于支持向量机和领域知识的粮仓状态分类器可显著降低粮仓状态检测误差。
6.粮仓储粮状态分类器构造实验
对于江苏洪泽、山东齐河、广东新安的4个粮仓，储粮种类为小麦、稻谷。经检测获得检测样本626个，样本中各种粮仓储粮状态的分布情况如图5所示，其中0、1、2、4分别表示进粮、储粮、出粮和空仓。选取400个作为建模样本，其它作为测试样本。对于式(3)、(5)、(7)所示的进粮状态、出粮状态、空仓状态支持向量分类器模型，取支持向量训练参数C＝5000，γ＝0.5，训练后3种储粮状态支持向量分类器支持向量点数分别为10、18、16。根据所获得的支持向量机模型和式(8)所示的粮仓储粮状态分类规则，粮仓储粮状态检测正确率为100％。
图6为StEmp(X)计算值分布情况，从图中可以看出，当粮仓储粮状态为空仓时，StEmp(X)计算值明显大于0，其它则小于0。图7、图8分别为StIn(X)、StOut(X)计算值分布情况。根据StEmp(X)、StIn(X)、StOut(X)计算值和式(8)所示的粮仓储粮状态的分类规则，则可准确给出粮仓储粮状态的分类。这些计算结果证明了本发明所提出的粮仓储粮状态检测方法的可行性与有效性。
本发明所提出的基于底面两圈压力传感器的粮仓储粮4状态检测模型与粮仓状态检测方法可按图9所示的实施方式实施，具体步骤实施如下：
(1)系统配置
选定具体压力传感器，并配置相应的数据采集、数据传输等系统。
(2)底面压力传感器安装
平房仓传感器布置如图1所示，筒仓如图2所示，底面压力传感器按外圈和内圈两圈布置，外圈压力传感器均与侧面墙距离为d＞0且d＜1米，内圈压力传感器均与侧面墙距离D＞2米。两圈压力传感器个数均为6-10，传感器间距应不小于1m。
(3)系统标定与模型建模
对于给定的传感器、粮食种类以及仓型，如果系统尚未有标定，则在多于6个粮仓中布置压力传感器，采集各仓在各种粮仓状态的压力传感器输出值，形成样本集
Figure BDA0001761824190000091
其中，k为样本点序号，k＝1,2,...,M，M为样本数；Xk为第k个样本点的粮仓状态检测特征向量，如式(1)所示；
Figure BDA0001761824190000092
为第k个样本点的粮仓状态，
Figure BDA0001761824190000093
SState＝{0,1,2,3}。将Xk各项值分别规范到[-1,1]。将样本集S分为两个部分，支持向量机建模样本SM和测试样本ST。
对于给定的粮仓状态样本集
Figure BDA0001761824190000094
通过支持向量机训练，构建式(3)、(5)、(7)所示的出粮状态的支持向量分类器，进而构建基于支持向量机和领域知识的粮仓储粮状态分类器。
(4)粮仓储粮状态
如果系统已标定，检测底面压力传感器输出并利用图4所示的基于SVM和领域知识的粮仓储粮状态分类器进行粮仓储粮状态检测。

Claims (4)

1.一种基于底面两圈压力传感器的粮仓状态检测方法，其特征在于，包括如下步骤：
1)利用支持向量机构建底面内外两圈压力传感器的粮仓储粮状态的检测特征向量和检测模型，检测特征向量为：
Figure FDA0002905483710000011
其中，
Figure FDA0002905483710000012
和
Figure FDA0002905483710000013
分别为内外圈压力传感器压强检测值的均值；
Figure FDA0002905483710000014
Figure FDA0002905483710000015
分别为所有传感器中k个最大压强检测值的均值、k个最小压强检测值的均值；
Figure FDA0002905483710000016
和
Figure FDA0002905483710000017
分别为内外圈压力传感器压强检测值均值在给定时间间隔内的变化量；
Figure FDA0002905483710000018
为在给定时间间隔内所有传感器中k个压强检测值变化最大的变化量均值；
所述检测模型包括：
进粮分类检测模型，包括进粮状态和其他状态：
Figure FDA0002905483710000019
其中，βIn(j)、bIn和γIn为通过SVM训练所获得的参数，βIn(j)≠0；
Figure FDA00029054837100000110
为相应的支持向量点，j＝1,...,lIn，lIn为支持向量的个数；
出粮分类检测模型，包括储粮状态和其他状态：
Figure FDA00029054837100000111
其中，βOut(j)、bOut和γOut为通过SVM训练所获得的参数，βOut(j)≠0；
Figure FDA0002905483710000021
为相应的支持向量点，j＝1,...,lOut，lOut为支持向量的个数；
空仓分类检测模型，包括空仓状态和其他状态：
Figure FDA0002905483710000022
其中，βEmp(j)、bEmp和γEmp为通过SVM训练所获得的参数，βEmp(j)≠0；
Figure FDA0002905483710000023
为相应的支持向量点，j＝1,...,lEmp，lEmp为支持向量的个数；
进粮状态、出粮状态及空仓状态外，为储粮状态；
2)将检测特征向量代入检测模型判断粮仓储粮状态。
2.根据权利要求1所述的一种基于底面两圈压力传感器的粮仓状态检测方法，其特征在于，粮仓储粮状态分类规则为：
Figure FDA0002905483710000024
其中，GState(X)＝0表示进粮状态，GState(X)＝1表示储粮状态，GState(X)＝2表示出粮状态，GState(X)＝3表示空仓状态。
3.根据权利要求2所述的一种基于底面两圈压力传感器的粮仓状态检测方法，其特征在于，所述粮仓储粮状态还进一步根据以下规则修正：
Figure FDA0002905483710000025
其中，GSt(k)、GSt(k-1)分别为第k次、第k-1次粮仓状态检测结果，GSt(k)∈SState，GSt(k-1)∈SState；GState(X)为由粮仓储粮状态分类规则给出的第k次粮仓状态检测结果；SState＝{0,1,2,3}，SState＝0表示进粮状态，SState＝1表示储粮状态，SState＝2表示出粮状态，SState＝3表示空仓状态。
4.一种基于底面两圈压力传感器的粮仓状态检测系统，其特征在于，包括处理器，所述处理器用于执行实现如权利要求1～3任一项所述方法的指令。
CN201810910925.8A 2018-08-10 2018-08-10 基于底面两圈压力传感器的粮仓状态检测方法及系统 Active CN110823339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810910925.8A CN110823339B (zh) 2018-08-10 2018-08-10 基于底面两圈压力传感器的粮仓状态检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810910925.8A CN110823339B (zh) 2018-08-10 2018-08-10 基于底面两圈压力传感器的粮仓状态检测方法及系统

Publications (2)

Publication Number Publication Date
CN110823339A CN110823339A (zh) 2020-02-21
CN110823339B true CN110823339B (zh) 2021-04-09

Family

ID=69541698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810910925.8A Active CN110823339B (zh) 2018-08-10 2018-08-10 基于底面两圈压力传感器的粮仓状态检测方法及系统

Country Status (1)

Country Link
CN (1) CN110823339B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102829849A (zh) * 2012-08-13 2012-12-19 浙江大学 一种梨的多指标参数测定装置和方法
CN103487125A (zh) * 2013-10-09 2014-01-01 招商局重庆交通科研设计院有限公司 一种车载重量远程检测方法和系统
CN104330137A (zh) * 2014-08-14 2015-02-04 河南工业大学 基于检测点压强值序列的粮仓储粮数量检测方法
CN104331591A (zh) * 2014-08-14 2015-02-04 河南工业大学 基于支持向量回归的粮仓储粮数量检测方法
CN105424249A (zh) * 2015-11-11 2016-03-23 河南工业大学 一种粮仓储粮状态的检测方法及其装置
CN105424148A (zh) * 2015-11-11 2016-03-23 河南工业大学 基于多项式的支持向量回归粮仓储粮重量检测方法及装置
CN105865683A (zh) * 2015-01-23 2016-08-17 航天长征火箭技术有限公司 粮仓压力感应系统、粮仓储量在线监测及预警系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7970718B2 (en) * 2001-05-18 2011-06-28 Health Discovery Corporation Method for feature selection and for evaluating features identified as significant for classifying data
US20180008168A1 (en) * 2015-01-21 2018-01-11 University Of Pittsburgh-Of The Commonwealth System Of Higher Education Furniture-integrated monitoring system and load cell for same

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102829849A (zh) * 2012-08-13 2012-12-19 浙江大学 一种梨的多指标参数测定装置和方法
CN103487125A (zh) * 2013-10-09 2014-01-01 招商局重庆交通科研设计院有限公司 一种车载重量远程检测方法和系统
CN104330137A (zh) * 2014-08-14 2015-02-04 河南工业大学 基于检测点压强值序列的粮仓储粮数量检测方法
CN104331591A (zh) * 2014-08-14 2015-02-04 河南工业大学 基于支持向量回归的粮仓储粮数量检测方法
CN105865683A (zh) * 2015-01-23 2016-08-17 航天长征火箭技术有限公司 粮仓压力感应系统、粮仓储量在线监测及预警系统
CN105424249A (zh) * 2015-11-11 2016-03-23 河南工业大学 一种粮仓储粮状态的检测方法及其装置
CN105424148A (zh) * 2015-11-11 2016-03-23 河南工业大学 基于多项式的支持向量回归粮仓储粮重量检测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Drought sensitivity mapping using two one-class support vector machine algorithms;Majid ShadmanRoodposhti 等;《Atmospheric Research》;20170901;第193卷;第73-82页 *
基于拉速的钢坯重量SVM回归预测;陈至坤 等;《机械与电子》;20140331(第3期);第48-51页 *

Also Published As

Publication number Publication date
CN110823339A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN104331591B (zh) 基于支持向量回归的粮仓储粮数量检测方法
CN105424148B (zh) 基于多项式的支持向量回归粮仓储粮重量检测方法及装置
CN105403294B (zh) 基于多项式展开的粮仓储粮重量检测方法及其装置
CN105424147B (zh) 基于粮堆高度与底面压强关系的粮仓重量检测方法及装置
CN104330137A (zh) 基于检测点压强值序列的粮仓储粮数量检测方法
CN104296847A (zh) 一种粮仓、储粮重量检测系统、方法及传感器布置方法
CN104330138A (zh) 基于结构自适应检测模型的粮仓储粮数量检测方法
CN105387919B (zh) 一种基于Janssen模型的支持向量回归粮仓重量检测方法及装置
CN105387913B (zh) 基于指数关系和支持向量回归的粮仓重量检测方法及装置
CN105352571B (zh) 一种基于指数关系估计的粮仓重量检测方法及装置
CN110823339B (zh) 基于底面两圈压力传感器的粮仓状态检测方法及系统
CN110823340A (zh) 基于底面两圈标准差多项式模型的粮仓检测方法及系统
CN110823337B (zh) 基于底面单圈压力传感器的粮仓状态检测方法及系统
CN106017625A (zh) 粮仓储粮数量的检测方法及压力传感器
CN110823348B (zh) 基于底面两圈标准差svm模型的粮仓检测方法及系统
CN105424249B (zh) 一种粮仓储粮状态的检测方法及其装置
CN110823343B (zh) 基于底面单圈大小值多项式模型的粮仓检测方法及系统
CN110823335B (zh) 基于底面单圈标准差多项式模型的粮仓检测方法及系统
CN110823347B (zh) 基于底侧面两圈标准差多项式模型的粮仓检测方法及系统
CN110823345B (zh) 基于底面两圈标准差svm指数模型的粮仓检测方法及系统
CN110823338B (zh) 基于底面单圈标准差对数模型的粮仓检测方法及系统
CN110823346B (zh) 基于底面单圈标准差指数模型的粮仓检测方法及系统
CN110823344B (zh) 基于底面两圈标准差svm对数模型的粮仓检测方法及系统
CN110823342B (zh) 基于侧面单圈标准差多项式模型的粮仓检测方法及系统
CN110823341B (zh) 基于侧面两圈标准差多项式模型的粮仓检测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant