CN113504251A - 一种基于射频信号的粮食水分快速检测方法及系统 - Google Patents
一种基于射频信号的粮食水分快速检测方法及系统 Download PDFInfo
- Publication number
- CN113504251A CN113504251A CN202110931883.8A CN202110931883A CN113504251A CN 113504251 A CN113504251 A CN 113504251A CN 202110931883 A CN202110931883 A CN 202110931883A CN 113504251 A CN113504251 A CN 113504251A
- Authority
- CN
- China
- Prior art keywords
- grain
- moisture
- phase
- data
- dielectric constant
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 13
- 230000000149 penetrating effect Effects 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims description 30
- 238000010606 normalization Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 5
- 238000013450 outlier detection Methods 0.000 claims description 2
- 238000012031 short term test Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 abstract description 2
- 235000013339 cereals Nutrition 0.000 description 108
- 241000209140 Triticum Species 0.000 description 58
- 235000021307 Triticum Nutrition 0.000 description 58
- 238000005516 engineering process Methods 0.000 description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 238000004804 winding Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000035699 permeability Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000001035 drying Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 229910052755 nonmetal Inorganic materials 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 206010003549 asthenia Diseases 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000643 oven drying Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
- G01N22/04—Investigating moisture content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明公开了一种基于射频信号的粮食水分快速检测方法及系统，涉及粮食水分检测技术领域，方法包括：确定已知水分含量的粮食，采集穿过所述粮食的射频信号中的相位数据；对所述相位数据进行数据预处理，得到真实相位值；依据所述真实相位值和电磁波原理，得到所述粮食的介电常数；将粮食的介电常数和对应的水分含量输入到学习模型中进行训练，得到水分检测模型；采集穿过待测粮食的射频信号的相位数据，得到待测粮食的介电常数，将所述待测粮食的介电常数输入到所述水分检测模型中，得到待测粮食的水分含量。本发明将介质函数的获取转换为相位的获取，通过简单的仪器设备，即可准确检测出粮食水分含量，具有装置简单、成本低、检测精度高等优点。
Description
技术领域
本发明涉及粮食水分检测技术领域，更具体的说是涉及一种基于射频信号的粮食水分快速检测方法及系统。
背景技术
在粮食储藏周期中，需要对粮食进行温度、水分、霉变和虫害等一系列的指标检测。其中粮食含水量这一指标的检测是粮食安全储藏中的重中之重。粮食水分的过高或过低会影响粮食的品质与安全。粮食水分过高会发生霉变等变化，过低则会破坏粮食内部的有机物从而影响粮食的加工品质。所以，粮食水分含量的检测对于粮食从储藏到餐桌的整个流通链的不同阶段都是一个很大的挑战。
现有的小麦水分测量方法大致可以分为两类：直接检测方法和间接检测方法。
目前直接检测方法较为常用的是热烘干法和化学法。其中热烘干法是使用现有方法将小麦放在特定温度下的烤箱干燥一定的时间来确定小麦水分含量。但是由于这种方法既繁琐又费时，所以不适合小麦交易中大规模使用。而化学法是利用化学反应消耗掉小麦样品中的水分，从而计算出小麦的水分含量。但是存在使用的化学试剂价格高、对仪器有腐蚀伤害、仪器维护费用高的缺点。目前利用化学法进行粮食水分检测的情况很少见到。
另外一种就是间接测量法，该方法的原理是利用与粮食水分密切相关的物理量来间接对粮食含水率进行检测。当前在本领域和学术界众所周知的主要方法是电容，电阻，中子和微波方法。电容式水分检测方法也非常流行，但是它的检测效果受到很多因素的限制，比如测量值不仅对温度敏感而且还对干燥器中谷物的流速和密度敏感，此外测量结果还可能受到测量过程中其他因素的影响，例如所使用的传感器在长时间使用后需要对其进行重新校准；电阻法所使用的在线电阻式谷物水分检测仪是基于测量频率和谷物水分含量之间的非线性校正方法而设计的，这个检测仪由上位机和下位机组成，下位机主要根据V/F转换检测小麦电阻值，上位机主要用来进行水分含量、测量频率以及温度之间的非线性校正；微波法和中子法具有精度高、检测速度快、无损耗以及非侵入式检测等优点，能够非常容易检测出谷物内部的水分，但是测量装置比较复杂且成本较高。
由以上概述可知每种方法都有其自身的优势，然而在实现粮食水分检测方面都有一定的局限性，不能实现大范围的推广应用，难以满足粮库的实际应用。
随着大量的无线设备广泛部署，射频技术(RFID)在我们日常生活中被广泛应用。基于RFID的传感、检测和识别等应用的推广得到了国内外研究者的广泛关注。目前，国内外有很多的研究团队和研究学者都在致力于将RFID技术应用于自己所研究的领域，来进行RFID相关技术的研究。
近年来，围绕RFID技术的研究和应用在社会各个行业有着广阔的前景。在学术界，RFID用于细粒度的定位，手势识别，材料感知等研究中。例如人体运动跟踪、手势和活动识别、老年人跌倒检测、室内定位等。这些基于射频的传感技术包括高光谱相机、红外质谱和高频X射线等被研究人员利用起来。但是这些硬件设备通常造价昂贵，在大规模粮食水分检测部署中成本高，效率低。然而，廉价的无源RFID标签仅仅需要5美分甚至更少，每个标签还可以多次重复使用。而阅读器的成本可以在同时使用多个标签来分摊。因此基于RFID的传感应用得到了许多研究者的青睐，例如TagScan中利用RFID信号在目标内部的传播特性来进行材料识别。在实际行业中，智能图书馆使用RFID机器人查找书籍，物流中使用RFID标签来追溯每一件商品以及公交卡，智能车钥匙等等。RFID信号对比其他无线射频信号设备如雷达，X射线，CT，近红外仪器等，RFID标签体积小，更容易部署。RFID信号更是可以穿透非金属，在黑暗环境中运行以及低成本的优点。使它已经成为物联网(IOT)中的关键技术之一。
基于上述关于粮食水分检测的现有技术的缺陷，因此如何创建一种能够快速、准确、简便、低成本的粮食水分检测技术，是本领域技术人员亟需解决的问题。
发明内容
有鉴于现有技术中关于粮食水分检测技术的缺陷以及RFID技术的普及，本发明提供了一种基于射频信号的粮食水分快速检测方法及系统，能够低成本、快速、准确地检测出粮食中的水分含量。
为了实现上述目的，同时由于射频信号穿过不同水分的粮食介质时，其强度损失是材料介电常数的函数，而介电常数又主要取决于材料的水分含量，因此本发明提供如下技术方案：
一种基于射频信号的粮食水分快速检测方法，包括：
步骤一、确定已知水分含量的粮食，采集穿过所述粮食的射频信号中的相位数据；
步骤二、对所述相位数据进行数据预处理，得到真实相位值；
步骤三、依据所述真实相位值和电磁波原理，得到所述粮食的介电常数；
步骤四、将所述粮食的介电常数和对应的水分含量输入到学习模型中进行训练，得到水分检测模型；
步骤五、采集穿过待测粮食的射频信号的相位数据，得到待测粮食的介电常数，将所述待测粮食的介电常数输入到所述水分检测模型中，得到待测粮食的水分含量。
优选的，使用RFID系统采集穿过粮食的射频信号的相位数据。使用RFID系统进行特征信息的采集，具有体积小、成本低，可以穿透非金属，在黑暗环境中运行等优点。
优选的，所述RFID系统的电子标签选用AIEN9640无源标签；
所述RFID系统中阅读器的发射天线选用E9208CR/L天线，天线增益为9dBic。
所述数据预处理包括异常值检测与替换、相位解缠。
优选的，使用拉依达法则进行异常值的检测与替换，具体的：
对所有的相位数据样本求样本均值
根据所述样本均值求第i个相位样本数据Xi的幅度残差Vi和标准差σ；
若|Vi|＞3σ，则Xi为异常值，进而使用Xi左右临近的两个正常值的算术平均值替代异常值Xi。
采用上述方法能够避免因去除异常值造成的数据长度变化的影响。
使用路径积分法进行相位解缠。
所述数据预处理还包括数据归一化，具体的：
对替换异常值之后的相位数据集进行归一化操作，归一化之后的第i个相位样本数据为Yi，
其中Xi表示为第i个原始的相位样本数据，Xmean是替换异常值之后的相位的平均值，Xmean和Xmin是替换异常值之后的相位的最大值和最小值。
上述过程对相位数据进行数据预处理，能够获得准确且清晰的相位数据。异常值检测与替换能够去除掉异常数据值，保证数据的准确性，数据归一化能够提高检测精度，满足后续机器学习和模型的需求，相位解缠能够保证得到真实的相位数据。
本发明还提供一种基于射频信号的粮食水分快速检测系统，具体包括：
数据采集模块，用于确定已知水分含量的粮食，采集穿过所述粮食的射频信号中的相位数据；
数据预处理模块，用于对所述相位数据进行数据预处理，得到真实相位值；
介电常数获取模块，用于依据所述真实相位值和电磁波原理，得到所述粮食的介电常数；
水分检测模型训练模块，用于将所述粮食的介电常数和对应的水分含量输入到学习模型中进行训练，得到水分检测模型；
待测粮食水分检测模块，用于采集穿过待测粮食的射频信号的相位数据，得到待测粮食的介电常数，将所述待测粮食的介电常数输入到所述水分检测模型中，得到待测粮食的水分含量。
经由上述的技术方案可知，本发明公开提供了一种基于射频信号的粮食水分快速检测方法及系统，与现有技术相比，具有以下有益效果：
(1)本发明使用粮食的介电常数与粮食水分之间的关系建立模型，而传统方法中，介电常数通常需要使用矢量网络分析仪等大型昂贵设备进行获取，不利于大范围应用，因此本发明进一步提出了依据相位得到介电常数，建立相位与介电常数之间的对应关系，将难以获取的数据转换为能简单获取的数据。
(2)本发明使用RFID系统进行特征信息(相位数据)的采集，具有体积小、成本低，可以穿透非金属，在黑暗环境中运行等优点。
(3)本发明技术方案中得到相位数据信息后，进一步使用拉依达法则、路径积分法等技术进行数据预处理，得到准确的相位数据信息，进而满足后续模型建立的需求，得到准确的粮食水分检测结果。
(4)本发明通过引入RFID系统，获取粮食的相位信息，通过相位信息得到粮食的介电常数，进而建立介电常数和粮食水分之间的关系，通过该方法能够通过简单的、低成本仪器即可得出粮食水分信息，同时根据实验结果表明，该技术方案具有较高的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明的方法步骤示意图；
图2为本发明的系统模块示意图；
图3为实施例中小麦样品的原始射频信号相位图；
图4为实施例中小麦样品去除异常值后的射频信号相位图；
图5为基于SVM算法的水分检测模型小麦水分含量检测精度示意图；
图6为基于卷积神经网络的水分检测模型小麦水分含量检测精度示意图；
图7为五种不同种类小麦水分含量检测精度示意图；
图8为十种不同种类小麦水分含量检测精度示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种基于射频信号的粮食水分快速检测方法，参见图1，包括以下步骤：
步骤一、确定已知水分含量的粮食，采集穿过所述粮食的射频信号中的相位数据。
对于采集射频信号的相位数据，本发明具体实施例中使用Impinj Speedway R420RFID系统对穿透粮食介质的射频信号中的特征值数据进行采集和存储，RFID系统的相位读数具有更精细的分辨率(0.0015弧度)。通用的RFID系统组成中，包括了标签，天线，阅读器，软件系统四个部分，对于电子标签的选择，通过不同标签的对比，最后选择了Alien 9640无源标签，在实验中，阅读器的发射天线采用的是E9208CR/L天线，天线增益为9dBic。在RFID系统中阅读器位于容器的下方发射射频信号，位于容器上方的电子标签接收到阅读器发射的射频信号之后将信号经过调制后发射一个返回信号给阅读器，阅读器接收到经过粮食样品的数据信息，本发明实施例采用一台笔记本电脑接受阅读器采集到的数据信息，进而得到相位数据信息。
使用RFID系统采集粮食的射频信号的相位数据。所述RFID系统的电子标签选用AIEN9640无源标签；所述RFID系统中阅读器的发射天线选用E9208CR/L天线，天线增益为9dBic。
步骤二、对所述相位数据进行数据预处理，得到真实相位值，所述数据预处理包括异常值检测与替换、相位解缠。
1、异常值检测与替换
在射频信号传输过程中，RFID硬件设备对各种水分小麦样品进行数据采集时，会不可避免地采集到一些异常数据。为了保证最终结果的准确性，需要获得稳定且准确的实验数据。所以我们对采集到的实验数据进行校验，以去除原始数据中的异常值。如图3所示，为采集的水分含量为13％的小麦样品所对应的相位数据。从图3中可以看出数据曲线中存在着一些异常的高峰数值，这些异常的高峰值就是我们需要去除的数据异常值。如果不对这些异常值进行处理，会影响结果分析，增加数据分析和验证实验的难度；另一方面也会对最终的实验结果造成干扰和影响，最终影响水分检测和分类的精度。
本发明实施例使用拉依达法则(3σ准则)进行异常值的检测与替换，具体的：
步骤(1)、令Xi(i＝1,2,…,n)为RFID数据样本的相位，对所有的相位数据样本求样本均值
步骤(2)、根据所述样本均值求第i个相位样本数据Xi的幅度残差Vi和标准差σ。
步骤(3)、若|Vi|＞3σ，则Xi为异常值，进而使用Xi左右临近的两个正常值的算术平均值替代异常值Xi。
重复上述步骤(1)-(3)，直到所有异常值均被检测出来并被替换。如图4所示，为使用拉依达法则对水分含量为13％的小麦样品所对应的相位数据进行异常值处理之后的数据曲线，从图3和图4中所示的两幅曲线图对比可以看出，图4为去除异常值之后的相位图进行了方法，相位数据曲线图中的异常的峰值数据已经被检测出来并被替换掉，即已经去除掉了原始数据中的异常值。
上述实施例中对异常值的替换是采用取平均值进行替代，在另一种实施例中还可以使用中值替换策略，本发明对此不做限制。
2、数据归一化
在一种实施例中，为了加速后续验证实验时所用的分类算法的分类速度以及分类的精度，数据预处理过程还需要对去除异常值之后的数据集进行归一化操作，即在进行算法分类时将输入的数据限制在(0，1)的范围之内，具体的：
对替换异常值之后的相位数据集进行归一化操作，归一化之后的第i个相位样本数据为Yi，
其中Xi表示为第i个原始的相位样本数据，Xmean是替换异常值之后的相位的平均值，Xmax和Xmin是替换异常值之后的相位的最大值和最小值。
3、相位解缠
由于粮食不规则的形状和其堆放时的形状，使得相位在传播时的路径被影响，这就会引起π相位跳动和相位丢失的问题，为了消除这种影响就需要在采集到相位数据后对其进行处理进而得到真实的相位数据，这是一个经典的相位解缠问题。相位解缠又分为一维相位解缠和二维相位解缠。而本发明采集到的RFID相位信息是一维信息，因此求测量粮食水分的真实相位过程可以称为一维相位解缠。
对于一维相位解缠的问题，本发明使用路径积分法去对缠绕相位进行求解。具体过程如下：系统中RFID相位测量值可表示为：
然后定义一个相位缠绕算子L，则相位传播中周期性缠绕过程可表示为：
-π＜L(φ(m))＜π (7)
其中测量相位值由真实相位值通过相位缠绕算子L获得。然后对采集的两个相邻真实相位值做差分运算得到：
Δφ(m)＝φ(m+1)-φ(m) (8)
-π＜Δφ(m)＜π (9)
在满足Nyquist采样定理的条件时，同样对采集的两个相邻测量相位值做差分运算得到：
接着，对测量相位差通过相位缠绕算子L做相位缠绕运算，得到：
L(Δφ(m))＝(Δφ(m)+2Δk(m)π)+2k(m)π (11)
根据相位缠绕算子L的定义。可以得到：
结合上式可以得到真实相位的积分求解表达式：
根据相位缠绕算子的定义，可以得到：
在本发明实施例中使用上述公式即可计算出粮食样品真实相位值。
步骤三、依据所述真实相位值和电磁波原理，得到所述粮食的介电常数。
在上述步骤二中可以得到粮食的真实相位值φ0，基于粮食的真实相位值φ0求粮食的介电常数ε的方法为：
根据Maxwell的电磁波理论，电磁波在介质中传播的速度v表示为公式(17)：
其中μ为介质的相对磁导率，ε为介质的介电常数，c为电磁波在空气中的速度，具体为3*10的八次方。这里我们将介质定义为粮食介质，由上式可知粮食介质介电常数ε和磁导率μ乘积由公式(18)表示：
同时，当传播距离和频率不变时，RF信号传播过程中，目标出现前后的相位会发生变化，波长也会发生变化，则其介质由空气中转变为粮食时，其在相同频率f下，空气中电磁波传播速度c和波长λ和粮食介质中电磁波传播速度v和波长λ0关系可以如公式(19)表示：
其中λ是空气中电磁波的波长，λ0为粮食介质中的电磁波波长。将公式(19)和(18)结合整理可得到公式(20)：
然而我们知道介质的磁导率是影响电磁波的传播性能之一的因素，由于粮食是非磁性介质，其相对磁导率近似为1，因此公式(20)中εμ可以看作为ε，这样使得粮食的介电常数ε可以由公式(21)表示：
由上式子可知，我们想求出粮食介电常数ε只需要求出电磁波在空气中波长和粮食介质中波长即可，其中空气中波长λ由公式(19)中速度c和RF信号的频率f就可以很容易计算，然后只需要求出λ0即可。
对于λ0，我们在RFID通信系统中发现可以通过测量粮食介质真实相位φ0求取λ0。在上一小节中，我们通过路径积分法计算出了RFID测量粮食介质的真实相位。可以表示为公式(22)：
其中d是粮食介质的厚度，C是RFID系统传输过程中产生的固有的系统噪声，然而我们无法直接消除。但是可以通过RFID系统测量粮食介质出现前后的相位差来消除C。在实验中，我们能固定标签和天线不动，把被测粮食介质移除，测量得出空气相位φair，表示为公式(23)。
其中式子中空气中波长λ已经由公式(19)求出，接下来，对粮食介质出现前后的相位变化由公式(22)和(23)做相位差得出公式(24)：
其中，φ0，φair，λ，d都是已知的，由上式即可求出λ0，由公式(25)表示：
然后将λ0带入公式(21)中计算出粮食介质的介电常数ε。
步骤四、将所述粮食的介电常数和对应的水分含量输入到学习模型中进行训练，得到水分检测模型。所述模型包括支持向量机SVM模型和卷积神经网络模型。
步骤五、采集穿过待测粮食的射频信号的相位数据，得到待测粮食的介电常数，将所述待测粮食的介电常数输入到所述水分检测模型中，得到待测粮食的水分含量。
本发明另一种实施例还提供了一种基于射频信号的粮食水分快速检测系统，参见图2，包括以下部分：
数据采集模块，包括RFID系统，用于确定已知水分含量的粮食，采集穿过所述粮食的射频信号中的相位数据；
数据预处理模块，用于对所述相位数据进行数据预处理，得到真实相位值；
介电常数获取模块，用于依据所述真实相位值和电磁波原理，得到所述粮食的介电常数；
水分检测模型训练模块，用于将所述粮食的介电常数和对应的水分含量输入到学习模型中进行训练，得到水分检测模型；
待测粮食水分检测模块，用于采集穿过待测粮食的射频信号的相位数据，得到待测粮食的介电常数，将所述待测粮食的介电常数输入到所述水分检测模型中，得到待测粮食的水分含量。
以小麦为例进行实验，执行上述技术方案，证明本发明方法的可行性和准确性。
1、小麦制备
本实施例中选取了谷物中小麦作为实验材料。同时为了确保系统的有效性和完善性，因此准备了小麦中10种精确的不同含水量样品(9％-18％)，通常小麦的正常含水量为13％左右，但是在小麦从收获到储藏到加工整个过程中含水量会有或高或低变化。具体地，首先选取同一地区的夏粮小麦作为原材料，在配制各个水分样品之前，把所有小麦直接在室外高温下曝晒，使其水分降为一致水平，然后按照同一(100g小麦：1g水)比例标准进行不同水分小麦样品的制备。为了使小麦均匀吸收水分，需要使用专业的搅拌机把加水后的样品充分搅拌均匀。然后所有小麦样品分别密封在保鲜袋中。最后把10份样品装入室温为5℃的冷库中静止三个月。三个月之后我们将吸收水分充足的小麦样品从冷库中取出，先通过使用烘箱干燥法校准小麦样品的含水量，进行小麦真实水分的标定。所述过程中使用的高速万能粉碎机和电热恒温鼓风干燥箱。
2、硬件结构
对于RFID数据采集的硬件部分，使用Impinj Speedway R420 RFID系统，使用Impinj Speedway R420 RFID阅读器来查询商品无源标签。在RFID电子标签的选择上，本发明评估了不同类型的商品无源标签(如Alien 9640、Alien9652、Impinj H47标签)，最终在实验中选用了Alien 9640无源标签。RFID系统工作在超高频(UHF)频段，介于902MHz和928MHz之间，而阅读器和标签都遵循标准的EPC协议，该协议在MAC层能对标签和标签之间的碰撞进行仲裁。本实施例将传输功率配置为39dBm。所述阅读器最多可以支持4根定向天线，在实验设计中，采用E9208CR/L天线，天线增益为9dBic。阅读器通过以太网线的方式将带有时间戳的低电平数据发送到笔记本电脑。在RFID系统中，使标签的位置固定在样品盒子的中间位置，进而获得最佳的系统性能，同时尽可能减少阅读器和电子标签之间的距离，获得更好的检测效果。
3、实验验证过程及结果
通常情况下，粮食在粮仓内常温的储藏状态下自身的水分都不会超过13％，这时粮食的储藏周期可以达到一年以上，所以在做水分的异常检测验证实验时，将水分13％作为异常分类时的临界值。然后将含水量正常的小麦样品对应的相位值和含水量异常的小麦样品对应的相位值与小麦水分含量为13％的小麦样品对应的相位值进行对比，从而实现小麦水分的二分类检测。本实施例在实验场景下对不同水分的小麦样品采集了1000个数据样本分别对训练创建的SVM模型进行训练和测试。图5所示为基于SVM算法分类检测模型中使用RFID数据中的相位数据对正常小麦水分和异常小麦水分与水分临界值进行分类检测的分类结果。从图5中可以看到小麦水分含量为11.2％、14.5％和16.3％时分类精度均能达到90％以上，其中当小麦水分含量为14.5％时分类精度达到了最高为97％。
对于小麦多水分分类检测实验验证中，选择了五个不同的水分含量的小麦样本采集相位数据。对于多个小麦样品，同样在实验场景下对不同水分的小麦样品采集了1000个数据样本，其中的800个数据样本用来训练建立的CNN网络模型，另外的200个数据样本进行测试。图6所示的为在实验场景下基于卷积神经网络算法分类检测模型中使用采集到的五个不同的水分含量的小麦样本的RFID数据中的相位数据进行多分类检测结果。从图6中可以看出对于所有不同水分的小麦样品分类检测的精度均达到了90％以上，其中当小麦含水率水平为14.6％时，对小麦水分检测的分类准确率最高为96.4％。
上述是对不同水分含量小麦进行水分检测的实验，而对多种不同种类不同水分含量小麦进行水分含量检测，则更加复杂和严谨，因此对实验结果的评估使用平均准确率的方式，进而保证实验结果的准确性和严谨性。
首先，对第一批五种小麦样品进行试验。如图7所示为第一批小麦样品的实验结果，由图7中可知五种水分的检测结果的精度均达到了90％以上，且系统的检测精度最高为97％。此外，系统对于五个样品的检测的平均精确度为95.2％。
然后，我们对第二批10种小麦样品进行试验，如图8所示为对第二批小麦样品进行分类的精度。我们可以注意到，该组中小麦水分的检测结果的准确率都超过了90％。系统的检测精度最高为96.6％，当小麦水分含量为9.6％和17.8％时，系统的检测精度最低为92％和91％。此外，系统对十种小麦水分样品的检测平均准确率为94.6％。
通过上述关于小麦水分检测的实施例可知，本发明方法能够利用射频识别技术进行粮食水分检测的可行性，同时实现了粮食水分异常检测和精准检测。因此，使用本发明的方法就能够准确检测出粮食水分含量，且装置简单、成本低，不需要使用昂贵的仪器也能实现粮食水分的精准测量。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种基于射频信号的粮食水分快速检测方法，其特征在于，包括：
确定已知水分含量的粮食，采集穿过所述粮食的射频信号中的相位数据；
对所述相位数据进行数据预处理，得到真实相位值；
依据所述真实相位值和电磁波原理，得到所述粮食的介电常数；
将所述粮食的介电常数和对应的水分含量输入到学习模型中进行训练，得到水分检测模型；
采集穿过待测粮食的射频信号的相位数据，得到待测粮食的介电常数，将所述待测粮食的介电常数输入到所述水分检测模型中，得到待测粮食的水分含量。
2.根据权利要求1所述的一种基于射频信号的粮食水分快速检测方法，其特征在于，使用RFID系统采集穿过粮食的射频信号的相位数据。
3.根据权利要求2所述的一种基于射频信号的粮食水分快速检测方法，其特征在于，所述RFID系统的电子标签选用AIEN9640无源标签；
所述RFID系统中阅读器的发射天线选用E9208CR/L天线，天线增益为9dBic。
4.根据权利要求1所述的一种基于射频信号的粮食水分快速检测方法，其特征在于，所述数据预处理包括异常值检测与替换、相位解缠。
5.根据权利要求4所述的一种基于射频信号的粮食水分快速检测方法，其特征在于，使用拉依达法则进行异常值的检测与替换。
6.根据权利要求4所述的一种基于射频信号的粮食水分快速检测方法，其特征在于，使用路径积分法进行相位解缠。
7.根据权利要求4所述的一种基于射频信号的粮食水分快速检测方法，其特征在于，所述数据预处理还包括数据归一化。
8.一种基于射频信号的粮食水分快速检测系统，其特征在于，包括：
数据采集模块，用于确定已知水分含量的粮食，采集穿过所述粮食的射频信号中的相位数据；
数据预处理模块，用于对所述相位数据进行数据预处理，得到真实相位值；
介电常数获取模块，用于依据所述真实相位值和电磁波原理，得到所述粮食的介电常数；
水分检测模型训练模块，用于将所述粮食的介电常数和对应的水分含量输入到学习模型中进行训练，得到水分检测模型；
待测粮食水分检测模块，用于采集穿过待测粮食的射频信号的相位数据，得到待测粮食的介电常数，将所述待测粮食的介电常数输入到所述水分检测模型中，得到待测粮食的水分含量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110931883.8A CN113504251A (zh) | 2021-08-13 | 2021-08-13 | 一种基于射频信号的粮食水分快速检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110931883.8A CN113504251A (zh) | 2021-08-13 | 2021-08-13 | 一种基于射频信号的粮食水分快速检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113504251A true CN113504251A (zh) | 2021-10-15 |
Family
ID=78015691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110931883.8A Pending CN113504251A (zh) | 2021-08-13 | 2021-08-13 | 一种基于射频信号的粮食水分快速检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113504251A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114444635A (zh) * | 2022-02-08 | 2022-05-06 | 河南工业大学 | 基于rfid标签的粮食含水量和温度的预测方法及系统 |
| CN116106334A (zh) * | 2023-04-13 | 2023-05-12 | 中国民航大学 | 基于rfid的物品含水率无损检测方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7330034B1 (en) * | 2003-12-31 | 2008-02-12 | The United States Of America As Represented By The Secretary Of Agriculture | Moisture measurement system for seed cotton or lint |
| US20110169507A1 (en) * | 2010-01-08 | 2011-07-14 | WHLK, LLC d/b/a Voltree Power | Methods and apparatus for the determination of moisture content |
| CN102243161A (zh) * | 2011-04-15 | 2011-11-16 | 中国科学院遥感应用研究所 | 一种粮食密度与水分的多频率电磁波测量方法 |
| CN102759535A (zh) * | 2011-04-27 | 2012-10-31 | 航天信息股份有限公司 | 基于无线射频识别技术的检测粮食水分含量的装置及方法 |
| CN102759546A (zh) * | 2011-04-27 | 2012-10-31 | 航天信息股份有限公司 | 基于无线射频识别的在线检测粮食水分含量的装置及方法 |
| CN104155315A (zh) * | 2014-08-19 | 2014-11-19 | 江苏麦赫物联网科技有限公司 | 基于射频传输的在线测量粮食含水率的检测装置及方法 |
| JP2018124231A (ja) * | 2017-02-03 | 2018-08-09 | 日本電信電話株式会社 | 誘電率測定システム、装置および方法 |
| CN109389176A (zh) * | 2018-10-25 | 2019-02-26 | 河南工业大学 | 基于wifi信道状态信息的粮食水分检测方法及系统 |
| CN109840854A (zh) * | 2019-03-04 | 2019-06-04 | 中国科学技术大学 | 粮食霉变预测方法及装置 |
| CN110044977A (zh) * | 2019-05-07 | 2019-07-23 | 中山市武汉理工大学先进工程技术研究院 | 一种砂石骨料含水率检测装置及方法 |
| CN110515130A (zh) * | 2019-09-03 | 2019-11-29 | 河南工业大学 | 一种基于信道状态信息的储粮害虫检测方法及装置 |
| CN110858289A (zh) * | 2018-08-24 | 2020-03-03 | 河南工业大学 | 一种基于深度学习的粮食水分检测方法及系统 |
| CN112505069A (zh) * | 2020-10-30 | 2021-03-16 | 山东盖特航空科技有限公司 | 一种提高微波测量废纸包水分精度的装置及方法 |
| CN112730466A (zh) * | 2021-01-21 | 2021-04-30 | 山东盖特航空科技有限公司 | 一种在线微波水分检测装置及方法 |
-
2021
- 2021-08-13 CN CN202110931883.8A patent/CN113504251A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7330034B1 (en) * | 2003-12-31 | 2008-02-12 | The United States Of America As Represented By The Secretary Of Agriculture | Moisture measurement system for seed cotton or lint |
| US20110169507A1 (en) * | 2010-01-08 | 2011-07-14 | WHLK, LLC d/b/a Voltree Power | Methods and apparatus for the determination of moisture content |
| CN102243161A (zh) * | 2011-04-15 | 2011-11-16 | 中国科学院遥感应用研究所 | 一种粮食密度与水分的多频率电磁波测量方法 |
| CN102759535A (zh) * | 2011-04-27 | 2012-10-31 | 航天信息股份有限公司 | 基于无线射频识别技术的检测粮食水分含量的装置及方法 |
| CN102759546A (zh) * | 2011-04-27 | 2012-10-31 | 航天信息股份有限公司 | 基于无线射频识别的在线检测粮食水分含量的装置及方法 |
| CN104155315A (zh) * | 2014-08-19 | 2014-11-19 | 江苏麦赫物联网科技有限公司 | 基于射频传输的在线测量粮食含水率的检测装置及方法 |
| JP2018124231A (ja) * | 2017-02-03 | 2018-08-09 | 日本電信電話株式会社 | 誘電率測定システム、装置および方法 |
| CN110858289A (zh) * | 2018-08-24 | 2020-03-03 | 河南工业大学 | 一种基于深度学习的粮食水分检测方法及系统 |
| CN109389176A (zh) * | 2018-10-25 | 2019-02-26 | 河南工业大学 | 基于wifi信道状态信息的粮食水分检测方法及系统 |
| CN109840854A (zh) * | 2019-03-04 | 2019-06-04 | 中国科学技术大学 | 粮食霉变预测方法及装置 |
| CN110044977A (zh) * | 2019-05-07 | 2019-07-23 | 中山市武汉理工大学先进工程技术研究院 | 一种砂石骨料含水率检测装置及方法 |
| CN110515130A (zh) * | 2019-09-03 | 2019-11-29 | 河南工业大学 | 一种基于信道状态信息的储粮害虫检测方法及装置 |
| CN112505069A (zh) * | 2020-10-30 | 2021-03-16 | 山东盖特航空科技有限公司 | 一种提高微波测量废纸包水分精度的装置及方法 |
| CN112730466A (zh) * | 2021-01-21 | 2021-04-30 | 山东盖特航空科技有限公司 | 一种在线微波水分检测装置及方法 |
Non-Patent Citations (2)
| Title |
|---|
| SHIFENG LI 等: "RFWM: Wheat Moisture Detection Based On RFID", 《2020 INTERNATIONAL CONFERENCE ON INTERNET OF THINGS AND INTELLIGENT APPLICATIONS (ITIA)》 * |
| 蒋玉英等: "微波检测粮仓储粮水分技术的研究", 《计算机工程与应用》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114444635A (zh) * | 2022-02-08 | 2022-05-06 | 河南工业大学 | 基于rfid标签的粮食含水量和温度的预测方法及系统 |
| CN114444635B (zh) * | 2022-02-08 | 2023-10-17 | 河南工业大学 | 基于rfid标签的粮食含水量和温度的预测方法及系统 |
| CN116106334A (zh) * | 2023-04-13 | 2023-05-12 | 中国民航大学 | 基于rfid的物品含水率无损检测方法 |
| CN116106334B (zh) * | 2023-04-13 | 2023-06-09 | 中国民航大学 | 基于rfid的物品含水率无损检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fathi et al. | Potential chipless RFID sensors for food packaging applications: A review | |
| US8717146B2 (en) | Methods and systems for integrated interrogation of RFID sensors | |
| Virtanen et al. | Inkjet-printed humidity sensor for passive UHF RFID systems | |
| Caizzone et al. | RFID Grids: Part II—Experimentations | |
| Manzari et al. | Humidity sensing by polymer-loaded UHF RFID antennas | |
| Caccami et al. | Electromagnetic modeling of self-tuning RFID sensor antennas in linear and nonlinear regimes | |
| CN113504251A (zh) | 一种基于射频信号的粮食水分快速检测方法及系统 | |
| CN102590135B (zh) | 一种基于最小二乘支持向量机的除草剂鉴别方法 | |
| Yu et al. | Nondestructive identification of pesticide residues on the Hami melon surface using deep feature fusion by Vis/NIR spectroscopy and 1D‐CNN | |
| CN109389176A (zh) | 基于wifi信道状态信息的粮食水分检测方法及系统 | |
| US20210063322A1 (en) | Grain mildew detection method and device based on wifi apparatus | |
| Wei et al. | Tea moisture content detection with multispectral and depth images | |
| Sun et al. | Nondestructive detection for moisture content in green tea based on dielectric properties and VISSA‐GWO‐SVR algorithm | |
| Rather et al. | Evaluation of machine learning models for a chipless rfid sensor tag | |
| Motroni et al. | Experimental assessment of passive UHF-RFID sensor tags for environment and kinematic data | |
| Yang et al. | Wi-Wheat+: Contact-free wheat moisture sensing with commodity WiFi based on entropy | |
| Prasanna et al. | Identification of polar liquids using support vector machine based classification model | |
| Wu et al. | Research on moisture content detection of wood components through Wi-Fi channel state information and deep extreme learning machine | |
| Zhang et al. | Setup-independent sensing architecture with multiple UHF RFID sensor tags | |
| CN108398400B (zh) | 利用太赫兹成像无损检测小麦中脂肪酸含量的方法 | |
| Jeong et al. | A machine learning approach-based chipless RFID system for robust detection in real-world implementations | |
| Yu et al. | Online measurement of alcohol concentration based on radio-frequency identification | |
| Nguyen et al. | A wireless sensor for food quality detection by uhf rfid passive tags | |
| CN117890393A (zh) | 基于射频的非接触式大量程湿度检测方法 | |
| CN116106334B (zh) | 基于rfid的物品含水率无损检测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211015 |