基于随机森林算法的谷物粉分类及硬件加速

针对传统谷物粉种类检测速度较慢的问题,基于ZYNQ平台实现随机森林算法辅助微波无损检测技术对谷物粉种类进行高效准确识别。通过对随机森林模型硬件实现的分析研究,提出了一种改进模型参数结构,有效节省了硬件存储资源的消耗。为了缩短算法预测时间并降低系统功耗,在硬件实现时引入提前终止识别机制,在保证准确率不变的前提下避免不必要的决策树预测过程。针对Zedboard开发板,设计一种模型参数存储方案,充分利用片上资源保证系统正常工作。实验结果表明,与传统CPU实现随机森林算法相比,该方案在ZYNQ上运行的实测时间缩短约54.2%,同时没有引起识别精度的损失。

基于微波技术的谷物特性分析与检测装置设计

针对传统谷物食用品质检测方法存在检测速度慢的问题,提出了一种基于微波口由空间测量的快速检测方法,并设计了一种新型谷物品质检测装置。采用口由空间传输反射法进行测量,借助矢量网络分析仪获取小麦粉与滑石粉的介电常数。分析其特征谱分析结果表明,根据两种粉末介电常数的差异对其进行区分是可行的.检测装置基于两次外差混频电路结构。采用自主设计的微波天线探测腔实现微波信号耦合及外部电磁屏蔽,能够有效减少检测误差。系统以STM32单片机为控制核心,通过串口与上位机进行实时通信,即时显示检测结果,以小麦粉和滑石粉为样本进行试验,分析其频谱变化曲线并采用反向传播(BP)神经网络对谷物粉进行鉴别分类,模型对样本的鉴别正确率为97.1%。该设计可推广用于区分不同种类与品质的谷物。