电阻和电容信息融合的籽棉回潮率检测

针对现有收购环节籽棉回潮率检测方法中单一电阻法检测精度差和单一电容法检测不稳定的问题,提出了一种电阻和电容信息融合的籽棉回潮率检测方法。首先,使用标准电阻和标准电容对所搭建试验平台的电阻检测板和电容检测板进行了可靠性验证;然后,使用试验平台以及八篮烘箱对待测棉样进行了检测并获得试验数据,利用该数据构建了基于电阻和电容信息融合的籽棉回潮率检测模型,并分别使用多元线性回归(MLR)、偏最小二乘回归(PLSR)、支持向量回归(SVR)和反向传播神经网络(BPNN)4种方法进行了模型构建及比较验证。结果显示:BPNN的评价指标优于其他3种模型,决定系数R^(2)为0.8966,均方根误差RMSE为0.0504%,程序运行时间t为0.6690s。最后,将信息融合算法与单一电阻法和单一电容法进行了对比分析,结果表明:该方法优于单一电阻法和单一电容法。因此,提出的电阻和电容信息融合的籽棉回潮率检测方法切实可行,能够为收购环节籽棉回潮率检测提供参考。

机采籽棉收购环节含杂率快速检测系统研制

籽棉收购过程中含杂率检测工序繁杂、劳动强度大、效率低,不利于籽棉的快速检测分级,严重影响籽棉收购效率。该研究开发了一种适于收购环节的机采籽棉含杂率快速检测系统。系统由驱动传输单元、压棉单元、传感单元、机器视觉系统、PLC控制系统组成。首先利用大杂清理机清除籽棉中的棉杆和铃壳等大密度杂质(大杂),对去大杂后的籽棉进行称量后送至机器视觉系统,采用RGB双面成像方法获取籽棉样本图像,分析计算图像中的杂质面积,预测去除大杂的籽棉含杂率和小杂质量,最后结合计算的大杂质量预测籽棉样本总含杂率。其中,RGB图像处理中使用同态滤波、主成分分析(Principal Component Analysis,PCA)变换和局部自适应阈值方法提升图像的可分割性;比较了线性回归(Linear Regression,LR)和支持向量机回归(Support Vector Regression,SVR)2种回归模型的准确率,确定较优的回归模型为LR,总含杂率决定系数R^(2)为0.95,均方根误差RMSE为0.58%,最后利用100个籽棉样品对系统性能进行验证,实测值与预测值之间平均绝对误差为0.36个百分点,单个样本含杂率检测程序处理时间为48.38 s。结果表明该系统具有较高的预测准确率和效率。