CN110823348B - 基于底面两圈标准差svm模型的粮仓检测方法及系统 - Google Patents

基于底面两圈标准差svm模型的粮仓检测方法及系统 Download PDF

Info

Publication number
CN110823348B
CN110823348B CN201810912149.5A CN201810912149A CN110823348B CN 110823348 B CN110823348 B CN 110823348B CN 201810912149 A CN201810912149 A CN 201810912149A CN 110823348 B CN110823348 B CN 110823348B
Authority
CN
China
Prior art keywords
pressure sensor
value
granary
grain
output values
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
CN201810912149.5A
Other languages
English (en)
Other versions
CN110823348A (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 CN201810912149.5A priority Critical patent/CN110823348B/zh
Publication of CN110823348A publication Critical patent/CN110823348A/zh
Application granted granted Critical
Publication of CN110823348B publication Critical patent/CN110823348B/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

Abstract

本发明涉及一种基于底面两圈标准差SVM模型的粮仓检测方法及系统，本发明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标准差的粮仓储粮数量支持向量机检测模型。本发明的核心在于基于底面两圈压力传感器标准差的粮仓储粮数量支持向量机输入项序列构建。所提出的模型及检测方法具有检测精度高、适应于多种粮仓结构类型、便于远程在线粮仓数量检测等特点，可满足通常使用粮仓储粮数量远程在线检测的需要。

Description

基于底面两圈标准差SVM模型的粮仓检测方法及系统
技术领域
本发明属于粮仓检测技术领域，具体涉及一种基于底面两圈标准差SVM模型的粮仓检测方法及系统。
背景技术
粮食安全包括数量安全和原粮安全。粮食数量在线检测技术与系统研究应用是国家粮食数量安全的重要保障技求，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。
由于粮食在国家安全中的重要地位，要求粮食数量在线检测准确、快速和可靠。同时由于粮食数量巨大、价格低，要求粮食数量在线检测设备成本低、简单方便。因此检测的高精度与检测系统的低成本是粮食数量在线检测系统开发必需解决的关键课题。
授权公告号为CN104331591B的中国发明专利文件公开了一种基于支持向量回归的粮仓储粮数量检测方法。该发明专利在粮仓底面上布置两圈压力传感器，检测各传感器的输出值，计算得到粮仓储粮数量。
该方案提高了储粮数量(即储量重量)的检测精确度，还具有较强适应性和鲁棒性。然而，由于粮食的存储性质和传感器精度的限制，储粮数量的检测精度还有待进一步提高。
发明内容
本发明的目的在于提供一种基于底面两圈标准差SVM模型的粮仓检测方法及系统，用以解决如何在现有技术基础上进一步提高检测精确度的问题。
为解决上述技术问题，本发明的技术方案为：
本发明提供了一种基于底面两圈压力传感器的粮仓储粮检测方法，包括如下步骤：
1)检测粮仓底面设置的内外两圈压力传感器的输出值；
2)利用外圈压力传感器输出值均值
Figure GDA0002900656230000011
内圈压力传感器输出值均值
Figure GDA0002900656230000021
外圈压力传感器输出值标准差SD(sOuter)、内圈压力传感器输出值标准差SD(sInner)，构建粮堆侧面单位面积平均摩擦力
Figure GDA0002900656230000022
的估计项ID(s)：
Figure GDA0002900656230000023
其中，KX为设定的系数；当对应粮堆的散落性小于设定标准时，对应的ID(s)为：
Figure GDA0002900656230000024
当对应粮堆的散落性大于等于设定标准时，对应的
Figure GDA0002900656230000025
3)利用两圈压力传感器输出值均值
Figure GDA0002900656230000026
和估计项ID(s)构造序列QDBD：
Figure GDA0002900656230000027
其中，
Figure GDA0002900656230000028
是
Figure GDA0002900656230000029
项的最大阶数的优化值，
Figure GDA00029006562300000210
是ID(s)项的最大阶数的优化值，Nn+m为
Figure GDA00029006562300000211
与ID(s)乘积项的阶数和，Kc为模型系数，且Kc＝CB/AB，AB为粮堆底面面积，CB为粮堆底面周长；
4)以序列QDBD作为支持向量机输入项序列，以粮仓储粮数量
Figure GDA00029006562300000212
为输出，建立粮仓储粮数量支持向量机检测模型
Figure GDA00029006562300000213
其中，βj、b为通过支持向量机训练所获得的参数，且βj≠0；γ为支持向量机模型参数，且γ＞0；
Figure GDA00029006562300000214
为相应的支持向量点，j＝0,...,l，l为支持向量机的个数；
5)以给定样本集
Figure GDA00029006562300000215
对建立的粮仓储粮数量支持向量机检测模型进行训练，得到训练好的支持向量机检测模型；其中，k为样本点号，k＝1,2,3,...,M，M为样本个数；
Figure GDA00029006562300000216
为第k个样本点的内圈压力传感器输出值序列，i＝1,2,...,NI，NI为内圈压力传感器个数；
Figure GDA00029006562300000217
为第k个样本点的外圈压力传感器输出值序列，j＝1,2,...,NO，NO为外圈压力传感器个数；Wk为样本点k的实际进粮重量，
Figure GDA00029006562300000218
为相应的粮仓底面面积；
6)将步骤1)检测得到的两圈压力传感器的输出值，依据步骤2)～步骤3)得到与之对应的支持向量机输入项序列，并输入至训练好的支持向量机检测模型，得到对应的粮仓储粮数量。
本发明的有益效果：
本发明根据粮仓压强分布特点，提出一种采用基于底面两圈压力传感器输出值标准差的粮仓储粮数量支持向量机检测模型的粮仓储粮数量检测方法。该方案相对于现有技术能进一步提高检测精度，鲁棒性更强，能够适用于多种类型的粮仓结构，同时进一步减少了传感器的使用，降低了系统成本和运维费用。
进一步的，步骤1)中，还对压力传感器的输出值进行筛选，筛选方法为：仅保留与该圈压力传感器输出值的平均值的差在设定范围内的输出值；所述压力传感器输出值的平均值为传感器输出值的中值及其相邻设定数量的输出值的平均值。
进一步的，若内圈压力传感器输出值满足：
Figure GDA0002900656230000031
则去除该传感器输出值，得到去除后的内圈压力传感器输出值序列QBS(sInner(i))；其中，QB(sInner(i))为第i个内圈压力传感器输出值，
Figure GDA0002900656230000032
为内圈压力传感器输出值中值及相邻设定数量的输出值的均值，SDMed(sInner)为内圈压力传感器输出值标准差，TSD为内圈压力传感器点去除阈值系数。
进一步的，若外圈压力传感器输出值满足：
Figure GDA0002900656230000033
则去除该传感器输出值，得到去除后的外圈压力传感器输出值序列QBS(sOuter(i))；其中，QB(sOuter(i))为第i个外圈压力传感器输出值，
Figure GDA0002900656230000034
为外圈压力传感器输出值中值及相邻设定数量的输出值的均值，SDMed(sOuter)为外圈压力传感器输出值标准差，CTSD为外圈压力传感器点去除阈值系数。
进一步的，两圈压力传感器输出值均值
Figure GDA0002900656230000035
的计算方法为：
Figure GDA0002900656230000036
其中，
Figure GDA0002900656230000037
为QBS(sInner(i))的均值，
Figure GDA0002900656230000038
为QBS(sOuter(i))的均值。
进一步的，步骤2)中：
当
Figure GDA0002900656230000041
时，对应的KX为
Figure GDA0002900656230000042
当
Figure GDA0002900656230000043
时，对应的KX为
Figure GDA0002900656230000044
其中，KSD为预设调整系数。
本发明还提供了一种基于底面两圈压力传感器的粮仓储粮检测系统，该系统包括处理器，所述处理器用于执行指令实现上述方法。
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模型示意图；
图3是基于底面两圈压力传感器和
Figure GDA0002900656230000045
ID(s)的多项式粮仓储粮数量支持向量机检测模型示意图；
图4是建模样本的粮仓储粮重量计算误差图；
图5是所有样本的粮仓储粮重量计算误差图；
图6是本发明的方法流程图。
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储粮检测系统，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储粮检测方法，为使本发明的目的、技术方案及优点更加清楚，下面结合附图及实施例，对该方法作进一步的详细说明。
1、传感器布置模型
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，取D＞2米，一般取D为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，传感器间距应大于1m。
2、传感器选择与标准差计算
2.1内圈压力传感器选择与标准差计算
对于内圈压力传感器输出值序列QB(sInner(i))，i＝1,2,...,NI，NI为内圈压力传感器个数。对传感器输出值序列按照大小排序，求出中值点。取中值点左边相邻NLM个输出值点，取中值点右边相邻NRM个输出值点，形成中值邻近点的传感器输出值序列QMed(sInner(i))。一般取NLM＝2-3，NRM＝2-3。求出所选取传感器输出值序列QMed(sInner(i))的均值
Figure GDA0002900656230000051
即：
Figure GDA0002900656230000052
由内圈压力传感器输出值序列QB(sInner(i))和均值
Figure GDA0002900656230000053
计算内圈压力传感器输出值标准差SDMed(sInner)，即：
Figure GDA0002900656230000054
其中，
Figure GDA0002900656230000055
为内圈中值点两边邻近输出值点均值。
则内圈压力传感器输出值点去除规则为：
Figure GDA0002900656230000056
其中，TSD为内圈压力传感器点去除阈值系数，可根据粮仓储粮数量检测模型的误差变化而合理调整。
对于内圈压力传感器输出值序列QB(sInner(i))，i＝1,2,...,NI，根据式(3)所示的内圈压力传感器输出值去除规则，去除满足规则的传感器输出值点后，形成去除后的内圈压力传感器输出值序列QBS(sInner(i))，i＝1,2,...,NIS，NIS为去除后内圈压力传感器输出值序列数据个数。则内圈压力传感器输出值均值
Figure GDA0002900656230000057
为：
Figure GDA0002900656230000058
2.2外圈压力传感器选择与标准差计算
采用同样的方法，对于外圈压力传感器输出值序列QB(sOuter(i))，i＝1,2,...,NO，NO为外圈压力传感器个数。对输出值序列按照大小排序，求出中值点。取中值点左边相邻NLM个输出值点，取中值点右边相邻NRM个输出值点，形成中值邻近点的传感器输出值序列QMed(sOuter(i))。求出所选取传感器输出值序列QMed(sOuter(i))的均值
Figure GDA0002900656230000061
即：
Figure GDA0002900656230000062
由外圈压力传感器输出值序列QB(sOuter(i))和均值QMed(sOuter(i))计算外圈压力传感器输出值标准差SDMed(sOuter)，即：
Figure GDA0002900656230000063
其中，
Figure GDA0002900656230000064
为外圈中值点两边邻近输出值点均值。
则外圈压力传感器输出值点去除规则为：
Figure GDA0002900656230000065
其中，CTSD为外圈压力传感器点去除阈值系数，可根据粮仓储粮数量检测模型的误差变化而合理调整。此处采用CTSDTSD作为外圈压力传感器输出点去除阈值系数，以便于系数CTSD的选择与优化。
对于外圈压力传感器输出值序列QB(sOuter(i))，i＝1,2,...,NO，根据式(7)所示的外圈压力传感器输出值点去除规则，去除满足规则的传感器输出值点后，形成去除后的外圈压力传感器输出值序列QBS(sOuter(i))，i＝1,2,...,NOS，NOS为去除后外圈压力传感器输出值序列数据个数。则外圈压力传感器输出值均值
Figure GDA0002900656230000066
为：
Figure GDA0002900656230000067
3、支持向量机模型构造
根据粮仓储粮数量检测的理论模型和图1、2所示的粮仓底面两圈压力传感器布置模型，可以构造支持向量机输入项序列QDBD为：
Figure GDA0002900656230000068
其中，
Figure GDA0002900656230000071
是
Figure GDA0002900656230000072
项的最大阶数的优化值，
Figure GDA0002900656230000073
是ID(s)项的最大阶数的优化值，Nn+m为
Figure GDA0002900656230000074
与ID(s)乘积项的阶数和，Kc为模型系数，且Kc＝CB/AB，AB为粮堆底面面积，CB为粮堆底面周长。
两圈压力传感器输出值均值
Figure GDA0002900656230000075
为：
Figure GDA0002900656230000076
由于侧面单位面积平均摩擦力
Figure GDA0002900656230000077
的作用，势必导致底面两圈压力传感器输出值均值、标准差的变化，侧面单位面积平均摩擦力
Figure GDA0002900656230000078
的增大势必使底面两圈压力传感器输出值均值、标准差的差别程度增大。因此底面两圈压力传感器输出值均值、标准差可以体现
Figure GDA0002900656230000079
的大小，可以利用这些量构造侧面单位面积平均摩擦力
Figure GDA00029006562300000710
的估计。故利用外圈压力传感器输出值均值
Figure GDA00029006562300000711
内圈压力传感器输出值均值
Figure GDA00029006562300000712
外圈压力传感器输出值标准差SD(sOuter)、内圈压力传感器输出值标准差SD(sInner)，构造估计项ID(s)：
Figure GDA00029006562300000713
Figure GDA00029006562300000714
Figure GDA00029006562300000715
以序列QDBD的各项作为支持向量机的输入，以粮仓储粮数量作为支持向量机的输出，则可构造基于底面两圈压力传感器和
Figure GDA00029006562300000716
ID(s)的多项式粮仓储粮数量支持向量机检测模型如下式所示：
Figure GDA00029006562300000717
其中，βj、b为通过支持向量机训练所获得的参数，且βj≠0；γ为支持向量机模型参数，且γ＞0；
Figure GDA0002900656230000081
为相应的支持向量点，j＝0,...,l，l为支持向量机的个数。
图3为基于底面两圈压力传感器和
Figure GDA0002900656230000082
ID(s)的多项式粮仓储粮数量支持向量机检测模型示意图。
4、建模方法
对于给定的样本集
Figure GDA0002900656230000083
其中，k为样本点号，k＝1,2,3,...,M，M为样本个数；
Figure GDA0002900656230000084
为第k个样本点的内圈压力传感器输出值序列，i＝1,2,...,NI，NI为内圈压力传感器个数；
Figure GDA0002900656230000085
为第k个样本点的外圈压力传感器输出值序列，j＝1,2,...,NO，NO为外圈压力传感器个数；Wk为样本点k的实际进粮重量，
Figure GDA0002900656230000086
为相应的粮仓底面面积。由式(1)至式(9)可以看出，式(14)所示的基于底面两圈压力传感器和
Figure GDA0002900656230000087
ID(s)的多项式粮仓储粮数量支持向量机检测模型参数包括
Figure GDA0002900656230000088
项的最大阶数NB、ID(s)项的最大阶数NF、ID(s)项的预设调整系数KSD、内圈压力传感器点去除阈值系数TSD以及外圈压力传感器点去除阈值系数CTSD等建模参数。令：
CR＝(NB,NF,KSD,TSD,CTSD) (15)
其中，CR为参数组。
从式(14)可以看出，若给定参数组CR的取值，则可利用样本集S和支持向量机训练构建支持向量机检测模型。因此，对于给定的样本集S，以支持向量机检测模型误差最小为优化目标，则可获得参数组CR的优化值
Figure GDA0002900656230000089
进而可通过支持向量机训练构架支持向量机检测模型。
在上述实施例中，式(11)中的预设调整系数KSD取值接近于1，为便于KSD值选择，引入了常数项
Figure GDA00029006562300000810
其第一项体现了粮堆侧面单位面积平均摩擦力
Figure GDA00029006562300000811
对内外两圈压力传感器输出值均值的影响，第二项体现了
Figure GDA00029006562300000812
对内外两圈压力传感器输出值标准差的影响。
而且，对于流动性较低的稻谷等粮堆，粮堆侧面压强
Figure GDA0002900656230000091
相对较小，各圈标准差与粮堆重量的线性相关性高，采用式(11)所示的ID(s)构造
Figure GDA0002900656230000092
的估计。
反之，对于流动性较强的小麦等粮堆，粮堆侧面压强
Figure GDA0002900656230000093
相对较大，各圈标准差与粮堆重量的线性相关性低，可采用式(16)的ID(s)构造
Figure GDA0002900656230000094
的估计，进而用于构造支持向量机输入项序列QDBD。
Figure GDA0002900656230000095
粮食的流动性又称粮食的流散特性，粮食的流散特性主要包括散落性、自动分级、孔隙度等，这是颗粒状粮食所固有的物理性质。粮食在自然形成粮堆时，向四面流动成为一个圆锥体的性质称为粮食的散落性。粮粒的大小、形状、表面光滑程度、容量、杂质含量都对粮食的散落性有影响。粒大、饱满、圆型粒状、比重大、表面光滑、杂质少的粮食散落性好，反之则散落性差。不同粮食之间，上述外观特征明显不同，因此，具有不同的散落特性。
粮食散落性的好坏通常用静止角表示。静止角是指粮食由高点落下，自然形成圆锥体的斜面与底面水平线之间的夹角。静止角与散落性成反比，即散落性好(相当于散落性大于等于设定标准)，静止角小；散落性差(相当于散落性小于设定标准)，静止角大。表a中给出了主要粮种静止角的大小。
表a几种常见粮食的静止角大小(单位：度)
Figure GDA0002900656230000096
Figure GDA0002900656230000101
当粮堆静止角小于40度时，采用式(16)来计算ID(s)，当粮食静止角大于等于40度时，采用式(11)来计算ID(s)，此处静止角指的是粮食品种对应的最大静止角(即为表a中的静止角止)。
5、检测实例与结果分析
对于通州粮库的4个稻谷粮仓和洪泽的2个稻谷粮仓，储粮重量分别为6450吨、4420吨、3215吨、64500吨、2455.6吨和2099.9吨。从长时间检测数据中选取样本1231个。选取922个作为建模样本，其它作为测试样本。利用式(14)所示的基于底面两圈压力传感器和
Figure GDA0002900656230000102
ID(s)的多项式粮仓储粮数量支持向量机检测模型，优化获得的建模参数如表1所示。利用建模样本训练后，支持向量机参数如表2所示，其中，C为支持向量机训练惩罚系数，γ为支持向量机模型参数；NSV为训练后支持向量机支持向量数。粮仓储粮重量计算误差如图4、图5所示，最大百分比误差为0.019％。
表1优化后的建模参数
Figure GDA0002900656230000103
表2 SVM参数
Figure GDA0002900656230000104
本发明所提出的方法可按照如图6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，进粮至满仓，压力传感器输出值稳定后，采集各仓的压力传感器输出值，形成样本集
Figure GDA0002900656230000111
其中，k为样本点号，k＝1,2,3,...,M，M为样本个数；
Figure GDA0002900656230000112
为第k个样本点的内圈压力传感器输出值序列，i＝1,2,...,NI，NI为内圈压力传感器个数；
Figure GDA0002900656230000113
为第k个样本点的外圈压力传感器输出值序列，j＝1,2,...,NO，NO为外圈压力传感器个数；Wk为样本点k的实际进粮重量，
Figure GDA0002900656230000114
为相应的粮仓底面面积。
对于给定的样本集S，以支持向量机检测模型误差最小为优化目标，则可获得参数组CR的优化值
Figure GDA0002900656230000115
进而可通过支持向量机训练构建支持向量机检测模型。
4)实仓重量检测
如果系统已标定，检测底面压力传感器输出值并利用式(14)所示的模型进行粮仓储粮数量检测。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (7)

1.一种基于底面两圈压力传感器的粮仓储粮检测方法，其特征在于，包括如下步骤：
1)检测粮仓底面设置的内外两圈压力传感器的输出值；
2)利用外圈压力传感器输出值均值
Figure FDA0002900656220000011
内圈压力传感器输出值均值
Figure FDA0002900656220000012
外圈压力传感器输出值标准差SD(sOuter)、内圈压力传感器输出值标准差SD(sInner)，构建粮堆侧面单位面积平均摩擦力
Figure FDA0002900656220000013
的估计项ID(s)：
Figure FDA0002900656220000014
其中，KX为设定的系数；当对应粮堆的散落性小于设定标准时，对应的ID(s)为：
Figure FDA0002900656220000015
当对应粮堆的散落性大于等于设定标准时，对应的ID(s)为：
Figure FDA0002900656220000016
3)利用两圈压力传感器输出值均值
Figure FDA0002900656220000017
和估计项ID(s)构造序列QDBD：
Figure FDA0002900656220000018
其中，
Figure FDA0002900656220000019
是
Figure FDA00029006562200000110
项的最大阶数的优化值，
Figure FDA00029006562200000111
是ID(s)项的最大阶数的优化值，Nn+m为
Figure FDA00029006562200000112
与ID(s)乘积项的阶数和，Kc为模型系数，且Kc＝CB/AB，AB为粮堆底面面积，CB为粮堆底面周长；
4)以序列QDBD作为支持向量机输入项序列，以粮仓储粮数量
Figure FDA00029006562200000113
为输出，建立粮仓储粮数量支持向量机检测模型
Figure FDA00029006562200000114
其中，βj、b为通过支持向量机训练所获得的参数，且βj≠0；γ为支持向量机模型参数，且γ＞0；
Figure FDA00029006562200000115
为相应的支持向量点，j＝0,...,l，l为支持向量机的个数；
5)以给定样本集
Figure FDA0002900656220000021
对建立的粮仓储粮数量支持向量机检测模型进行训练，得到训练好的支持向量机检测模型；其中，k为样本点号，k＝1,2,3,...,M，M为样本个数；
Figure FDA0002900656220000022
为第k个样本点的内圈压力传感器输出值序列，i＝1,2,...,NI，NI为内圈压力传感器个数；
Figure FDA0002900656220000023
为第k个样本点的外圈压力传感器输出值序列，j＝1,2,...,NO，NO为外圈压力传感器个数；Wk为样本点k的实际进粮重量，
Figure FDA0002900656220000024
为相应的粮仓底面面积；
6)将步骤1)检测得到的两圈压力传感器的输出值，依据步骤2)～步骤3)得到与之对应的支持向量机输入项序列，并输入至训练好的支持向量机检测模型，得到对应的粮仓储粮数量。
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储粮检测方法，其特征在于，步骤1)中，还对压力传感器的输出值进行筛选，筛选方法为：仅保留与该圈压力传感器输出值的平均值的差在设定范围内的输出值；所述压力传感器输出值的平均值为传感器输出值的中值及其相邻设定数量的输出值的平均值。
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储粮检测方法，其特征在于，若内圈压力传感器输出值满足：
Figure FDA0002900656220000025
则去除该传感器输出值，得到去除后的内圈压力传感器输出值序列QBS(sInner(i))；其中，QB(sInner(i))为第i个内圈压力传感器输出值，
Figure FDA0002900656220000026
为内圈压力传感器输出值中值及相邻设定数量的输出值的均值，SDMed(sInner)为内圈压力传感器输出值标准差，TSD为内圈压力传感器点去除阈值系数。
4.根据权利要求3所述的一种基于底面两圈压力传感器的粮仓储粮检测方法，其特征在于，若外圈压力传感器输出值满足：
Figure FDA0002900656220000027
则去除该传感器输出值，得到去除后的外圈压力传感器输出值序列QBS(sOuter(i))；其中，QB(sOuter(i))为第i个外圈压力传感器输出值，
Figure FDA0002900656220000028
为外圈压力传感器输出值中值及相邻设定数量的输出值的均值，SDMed(sOuter)为外圈压力传感器输出值标准差，CTSD为外圈压力传感器点去除阈值系数。
5.根据权利要求4所述的一种基于底面两圈压力传感器的粮仓储粮检测方法，其特征在于，两圈压力传感器输出值均值
Figure FDA0002900656220000031
的计算方法为：
Figure FDA0002900656220000032
其中，
Figure FDA0002900656220000033
为QBS(sInner(i))的均值，
Figure FDA0002900656220000034
为QBS(sOuter(i))的均值。
6.根据权利要求5所述的一种基于底面两圈压力传感器的粮仓储粮检测方法，其特征在于，步骤2)中：当
Figure FDA0002900656220000035
时，对应的KX为
Figure FDA0002900656220000036
当
Figure FDA0002900656220000037
时，对应的KX为
Figure FDA0002900656220000038
其中，KSD为预设调整系数。
7.一种基于底面两圈压力传感器的粮仓储粮检测系统，其特征在于，包括处理器，所述处理器用于执行指令实现如权利要求1～6任一项所述的方法。
CN201810912149.5A 2018-08-10 2018-08-10 基于底面两圈标准差svm模型的粮仓检测方法及系统 Active CN110823348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810912149.5A CN110823348B (zh) 2018-08-10 2018-08-10 基于底面两圈标准差svm模型的粮仓检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810912149.5A CN110823348B (zh) 2018-08-10 2018-08-10 基于底面两圈标准差svm模型的粮仓检测方法及系统

Publications (2)

Publication Number Publication Date
CN110823348A CN110823348A (zh) 2020-02-21
CN110823348B true CN110823348B (zh) 2021-04-09

Family

ID=69546656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810912149.5A Active CN110823348B (zh) 2018-08-10 2018-08-10 基于底面两圈标准差svm模型的粮仓检测方法及系统

Country Status (1)

Country Link
CN (1) CN110823348B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111693182B (zh) * 2020-06-16 2021-08-27 河南工业大学 基于底面两圈压强对数模型的粮仓储量检测方法和装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102076741A (zh) * 2008-04-30 2011-05-25 希乐克公司 生物量加工
CN103946364A (zh) * 2011-09-25 2014-07-23 赛拉诺斯股份有限公司 用于多重分析的系统和方法
CN104330138A (zh) * 2014-08-14 2015-02-04 河南工业大学 基于结构自适应检测模型的粮仓储粮数量检测方法
CN104655242A (zh) * 2014-11-05 2015-05-27 河南工业大学 一种粮仓底面压强检测方法及其采用的压力传感器
CN105387913A (zh) * 2015-11-11 2016-03-09 河南工业大学 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
CN105424147A (zh) * 2015-11-11 2016-03-23 河南工业大学 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
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

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102076741A (zh) * 2008-04-30 2011-05-25 希乐克公司 生物量加工
CN103946364A (zh) * 2011-09-25 2014-07-23 赛拉诺斯股份有限公司 用于多重分析的系统和方法
CN104330138A (zh) * 2014-08-14 2015-02-04 河南工业大学 基于结构自适应检测模型的粮仓储粮数量检测方法
CN104655242A (zh) * 2014-11-05 2015-05-27 河南工业大学 一种粮仓底面压强检测方法及其采用的压力传感器
CN105387913A (zh) * 2015-11-11 2016-03-09 河南工业大学 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
CN105424147A (zh) * 2015-11-11 2016-03-23 河南工业大学 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
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 (3)

* Cited by examiner, † Cited by third party
Title
Method to Detect Granary Storage Weight Based on the Janssen Model;Zhang Denxian 等;《Grain & Oil Science and Technology》;20180131;全文 *
围包散装储粮堆垛结构稳定性试验研究;任杰;《CNKI》;20160501;全文 *
基于SVR的粮仓储粮重量在线检测模型;张德贤 等;《电子学报》;20180531(第5期);全文 *

Also Published As

Publication number Publication date
CN110823348A (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
CN101907481B (zh) 基于压力传感器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
CN110823340B (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
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
CN104330138A (zh) 基于结构自适应检测模型的粮仓储粮数量检测方法
CN105547917A (zh) 一种煤炭产品灰分自动检测方法
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
CN110823348B (zh) 基于底面两圈标准差svm模型的粮仓检测方法及系统
CN105387913A (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
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
CN105352571B (zh) 一种基于指数关系估计的粮仓重量检测方法及装置
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
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
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
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
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
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
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
CN110823334B (zh) 一种粮仓储粮检测方法及系统
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
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
CN201882251U (zh) 一种具有数粒功能的计重秤
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

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