粮食物流园区设备间温湿度监测技术IP化研究

大型粮食物流园区建设是粮食现代物流的重要发展方向,基于TCP/IP协议架构的网络综合布线是粮食物流园区建设的基础性工程,网络机房设备间是综合布线的重要组成部分,有效监测其环境运行温湿度是保障整个园区计算机网络正常运行的重要基础。文章研究了设备间温湿度检测技术的IP化方法,将传统的RS485温湿度监测手段和TCP/IP协议结合起来,发挥设备间TCP/IP协议接入的优势,构建了B/S架构的设备间温湿度监测系统,对系统的设计分析和实现过程进行了说明,给出了应用实例,效果良好。

基于宽度学习系统的仓储粮情风险点预测模型

及时的仓储粮情预测是保证储粮安全的必要手段。目前,传统预测方法多从某一侧面对仓储粮情进行预测,无法实现对仓储粮情风险的精准综合评估,而深度学习方法则存在着所需训练样本数量巨大、训练难度高、时间长等瓶颈问题。针对这一现状,采用基于宽度学习的特征提取与融合方法,以及基于增量学习的训练方法(增强节点和输入数据增量算法),结合粮情数据的多模态特征,在宽度学习系统现有框架的基础上,提出了基于宽度学习系统的粮情风险预测模型。结果表明,与现有深度学习模型相比,在不降低预测准确度的前提下,预测模型大大节省了模型训练时间,降低了训练难度。预测模型成为深度学习模型的一种有效替代方案。

基于生物光子学的小麦籽粒品质检测分析与建模

为了科学有效地开展保粮减损工作,基于生物光子分析技术,对经过水浸泡和去胚后的小麦籽粒的自发光子进行测量,进而使用模式识别中的K-means和支持向量机(SVM)算法,进行小麦籽粒品质检测分析。该方法是一种新的精准、无损检测手段,可用于小麦品质的早期辅助决策,指导粮库科学有效地开展保粮减损工作。

小麦隐蔽性害虫检测新模型

粮食在存储过程中极易发生虫蚀现象,因此需要快速高效的检测粮食是否染虫。基于生物光子分析技术(Biophoton Analytical Technology,BPAT),提出了一种新型的小麦隐蔽性害虫检测模型。以小麦籽粒和玉米象为研究对象,分别测量正常和含虫小麦的自发光子数,并提取8个统计特征(均值、方差、中位数、四分位数、平均差、离散系数、偏度、峰度)和13个直方图特征组成粮食特征数据向量,对这些特征向量进行主成分分析(principal component analysis,PCA),并在此基础上分别采用线性分类器LDA(linear discriminant analysis)和BP神经网络模型进行识别,实验结果表明,所提模型可以较好地区分正常小麦和含虫小麦。

基于深度神经网络的粮仓储粮数量检测模型

[目的]为满足国家对全国储粮数量在线检测的迫切需求,提出了一种基于深度神经网络的粮仓储粮数量检测方法。[方法]通过在粮仓底部布置若干压力传感器的方法获取粮仓底部所受压强值,并以分次进粮方法,分别记录所受压强值。通过R语言平台构建不同层次的深度神经网络结构并利用对数据集的学习得出检测模型,根据检测精度选择出最佳检测模型结构。通过最佳检测模型分别对试验仓及通州、齐河实仓进行检测实验。[结果]试验仓检测平均误差约为1.88%,通州实仓检测平均误差约为0.02%,齐河实仓检测平均误差约为0.08%。[结论]基于深度神经网络的粮仓储粮数量检测模型精度高,可用性强,为粮仓储粮数量的检测提供了一种新方法。

声学超表面及其声波调控特性研究

声学超材料作为近年来研究的一个新兴领域,极大地拓宽了声学材料在各个领域的应用,声学超表面作为声学超材料的一个分支,近几年也受到了国内外研究者的广泛关注。声学超表面是一种由超材料结构单元阵列构成的基于亚波长尺寸的新型声学超材料,能够利用广义Snell定理实现对反射声波或透射声波的定向调控,具有利用亚波长厚度调控声波的独特优势。由于其具有结构简单、物理特性丰富独特、对声波灵活有效调控等特点,成为了超材料研究中的热点课题。从超表面的概念出发,以折叠空间型超表面、五模式超表面、非结构化超表面为基础,详细介绍了几种常见结构单元的设计方法,及其对声波调控的物理机制,实现诸如负折射、声聚焦及声非对称传输等功能。此外,简略探讨了声学超表面有待解决的问题,以期为后续研究提供参考。