《電子技術應用》
您所在的位置:首頁 > 模擬設計 > 設計應用 > 基于虛擬多傳感器信息融合的糧情預警系統
基于虛擬多傳感器信息融合的糧情預警系統
摘要: 本文通過對小麥倉儲過程中的傳感器信息選取合適的特征和計算所對應的特征統計量,應用少量的傳感器,借助虛擬多傳感器的技術以及D-S證據理論融合算法,能夠在糧情監測中完成目標識別,并對小麥倉儲過程中所發生的不良變化,及時發出預警信息,以確保小麥儲藏安全。
Abstract:
Key words :

1 引言

    糧食在貯藏過程中,會因為受溫度、濕度、氧氣、微生物及昆蟲等因素的影響,而造成其質量的不良變化。對糧食貯藏過程中的影響參數進行實時監測、分析是保障糧食儲存品質的有效手段。本文通過采用虛擬多傳感器信息融合技術對糧食儲藏過程中的糧情變化進行實時跟蹤分析,當糧食出現霉變、蟲害等不良變化時,系統能及時發出預警信息,確保儲糧安全。

2 虛擬多傳感器

    虛擬多傳感器是對一個傳感器所獲的數據采用不同的信息處理算法進行變換、特征提取, 得到具有不同特征的信息,將這些信息進行融合得到更加可靠準確的信息。其最大的特點就是信息冗余、信息互補和信息實時。其優點就是能減少數據量及其計算量,提高信息的準確性。在糧食儲藏過程中,通過溫濕度傳感器、高清晰圖像傳感器得到糧食及環境的溫濕度和圖像信息,對所獲得的溫濕度、圖像信息采用不同的信息處理算法進行變換和特征提取,得到具有不同特征信息的虛擬溫濕度、圖像傳感器數據,然后利用(Dempester-Shafer;D-S)證據理論將這些信息進行融合,可以得到在糧食儲藏過程中糧情的變化過程。其虛擬多傳感器信息融合過程如圖l所示。

    在糧食倉儲過程中,如果儲糧區域的溫度、濕度在一段時間內保持在適合霉菌或害蟲生長的范圍內,糧食就會發生霉變或蟲害。通過高精度溫濕度傳感器得到溫濕度的實時變化數據。同時在某種程度上也會造成糧食外觀顏色、體積、紋理等細微變化。這種變化利用肉眼很難分辨,通過一定算法對圖像進行特征提取,得到具有不同特征的虛擬圖像傳感器信息。對這些具有不同特征的信息進行融合,可以預測到糧食發生霉變或蟲害的時間。

2.1 溫濕度信度變換

    對實時采集到的實際溫度值t1,采用(1)式得到溫度的信度值m1;糧食溫度與倉溫的差值的信度值m2,糧食溫度與平均溫度的差值的信度值m3,糧食溫度梯度變化的信度值m4;實時采集到的實際濕度值h1,采用(2)式得到濕度的信度值n1;糧食濕度與倉濕的差值的信度值n2,糧食濕度與平均濕度的差值的信度值n3,糧食濕度梯度變化的信度值n4。

   

式中:Ti一經驗值;ki一加權系數;ti=1一溫度值。ti=2一糧食溫度與倉溫的差值。ti=3一糧食溫度與平均值的差值。ti=4一糧食溫度梯度值。

   
式中:Hi一經驗值;ki—加權系數;hi=1一濕度值。hi=2一糧食濕度與倉濕的差值。hi=3一糧食濕度與平均值的差值。hi=4一糧食濕度梯度值。

2.2 圖像特征提取

    圖像的特征提取,通過對目標圖像與源圖像進行RGB顏色的相似度、區域面積的相似度、紋理特征相似度的分析,得到糧情變化的情況。

    RGB顏色的相似度分析。對于圖像的顏色用直方圖可以表示為式(3):

   
其中:A、B、C分別表示所有像素中三基色(RGB)所占的比例。N表示圖像像素數。所得到RGB圖像(又稱真彩色圖像)是以m×n×3的3D矩陣的方式存儲,分別定義了m×n圖像的每個像素中所包含三基色各自的強度。因此RGB直方圖是對“色階一像素數”的歸一化統計結果。

    對目標圖像和源圖像的直方圖統計結果,可認為是矢量。比較兩幅圖像的顏色相似度,可轉化為對矢量空間中兩個點空間距離的計算。計算方法可以采用式(4)歐幾里德距離(euclidean distance)。

   
其中:h和g分別代表兩幅圖像的顏色直方圖。

    小麥圖片RGB顏色的相似度的提取如圖2所示。

    區域面積的提取利用最大類間方差(OTSU)對灰度圖像進行自適應閾值分割,實現目標的提取。它是按圖像的灰度特性,將圖像分成背景和目標兩部分。背景和目標之間的類問方差大,說明構成圖像的這兩部分的差別越大。當部分目標錯分為背景或部分背景錯分為目標都會導致圖像這兩部分差別變小。因此,使類間方差最大的分割意味著錯分概率最小。小麥圖片區域面積的提取如圖3所示。

    通過對糧食顆粒的灰度圖像進行紋理分析,獲得與結構相關的灰度分布的統計信息,可以實現對兩幅圖像的匹配分析,并作為判斷糧情變化的依據。對糧食顆?;叶葓D像的分析采用基于不變矩的圖像紋理的統計算法。該算法首先將原始圖像進行分塊,利用加窗傅立葉變換進行空域濾波增強,去除圖像在各個空間頻率處的噪聲,增強圖像中的紋理結構信息。然后選擇圖像中曲率最大的點進行特征提取,以提取的特征點為中心,對圖像進行局部的網格化處理,針對每個單元格計算其7個不變矩,對所有單元格各自的不變矩求和得到特征向量。同時借助最大類間方差閾值分割方法(OTSU),將圖中的單元格區分為前景和背景,并在求和時賦予不同的權重,可進一步提高圖像匹配的精度。小麥圖像紋理特征提取過程如圖4所示。最后利用特征空間中兩特征向量間的距離作為相似度衡量的標準??刹捎糜嘞揖嚯x來表示。特征向量間余弦距離的定義為:設特征空間中兩特征向量分別為

 

   

3 信息融合

    通過以上方法將溫濕度、圖像數據經過變換,得到具有不同特性的虛擬多傳感器信息。利用D-S證據理論進行信息融合,D-S證據理論是由Dempster提出來的用概率上下限來表示實際問題中的不確定性,后來通過ShaRer進一步發展成為系統化、理論化的不確定性推理理論。由于篇幅有限,在此只給出部分信息融合過程。

    通過實際測量的數據,經過計算得到某一區域的四個虛擬傳感器信度值m1,m2,m3,m4如表l,用C表示可信度,N表示不可信度。

    按照Dempster組合公式將m1和m2,m3和m4組合,結果如表2所示,其中φ表示空集。

    由表2可以得到m1和m2,m3和m4兩個證據的不一致因子,分別用k1,k2表示。則kl,k2為:k1=0.236+0.125=0.361:k2=0.325+0.082=0.407計算得到兩個基本信度m1和m2融合后的基本信度分配(用m12表示),m3和m4融合后的基本信度分配(用m34表示)為:

   

    最后再對得到兩個基本信度m12和m34融合,基本信度分配(用m1234表示),見表3。

    則有:k=0.072+0.075=0.147
    m1234(C)=0.847/(1-k)≈0.99

    由結果可知,通過融合后糧情變化的基本信度為0.99,故可以明顯地判斷出該區域的糧情變化很大,發生霉變、蟲害的可能性較高。

4 結論

    本文通過對小麥倉儲過程中的傳感器信息選取合適的特征和計算所對應的特征統計量,應用少量的傳感器,借助虛擬多傳感器的技術以及D-S證據理論融合算法,能夠在糧情監測中完成目標識別,并對小麥倉儲過程中所發生的不良變化,及時發出預警信息,以確保小麥儲藏安全。

此內容為AET網站原創,未經授權禁止轉載。
热re99久久精品国产66热_欧美小视频在线观看_日韩成人激情影院_庆余年2免费日韩剧观看大牛_91久久久久久国产精品_国产原创欧美精品_美女999久久久精品视频_欧美大成色www永久网站婷_国产色婷婷国产综合在线理论片a_国产精品电影在线观看_日韩精品视频在线观看网址_97在线观看免费_性欧美亚洲xxxx乳在线观看_久久精品美女视频网站_777国产偷窥盗摄精品视频_在线日韩第一页
  • <strike id="ygamy"></strike>
  • 
    
      • <del id="ygamy"></del>
        <tfoot id="ygamy"></tfoot>
          <strike id="ygamy"></strike>
          日韩亚洲在线观看| 亚洲综合精品一区二区| 亚洲国产日韩一区二区| 欧美大香线蕉线伊人久久国产精品| 国产亚洲精久久久久久| 亚洲二区精品| 午夜亚洲一区| 巨胸喷奶水www久久久免费动漫| 国产精品久久久对白| 国产婷婷97碰碰久久人人蜜臀| 亚洲高清中文字幕| 久久久久国产成人精品亚洲午夜| 99精品99| 亚洲第一精品福利| 国产精品狼人久久影院观看方式| 亚洲高清免费在线| 欧美手机在线视频| 国产精品久久久久9999| 久久精品道一区二区三区| 欧美成年人在线观看| 欧美体内谢she精2性欧美| 国产精品入口66mio| 久久国产色av| 亚洲狼人综合| 在线精品福利| 国内外成人在线| 久久久99久久精品女同性| 久久精品国产久精国产一老狼| 国产伦精品一区二区三区视频黑人| 亚洲欧美另类在线观看| 亚洲欧洲日产国产网站| 欧美日本乱大交xxxxx| 亚洲在线播放电影| 亚洲日韩中文字幕在线播放| 国产精品wwwwww| 亚洲精品一线二线三线无人区| 久久久久国色av免费看影院| 亚洲国产成人精品久久久国产成人一区| 国产精品美女主播在线观看纯欲| 在线欧美影院| 国产亚洲欧美色| 亚洲国产日韩综合一区| 久久99伊人| 午夜亚洲性色福利视频| 欧美三日本三级少妇三2023| 久久精品91久久久久久再现| 欧美日韩播放| 久久久久久久久久久成人| 亚洲欧美综合网| 国产欧美一区二区精品婷婷| 亚洲国产精品一区二区尤物区| 99国产精品视频免费观看一公开| 久久er精品视频| 久久精品国产欧美亚洲人人爽| 在线视频日韩| 久久亚洲图片| 久久本道综合色狠狠五月| 久久久久久999| 久久精品中文字幕一区二区三区| 亚洲人成欧美中文字幕| 欧美人与性动交a欧美精品| 精品盗摄一区二区三区| 国产精品嫩草99av在线| 久久综合九色欧美综合狠狠| 久久综合中文| 亚洲免费观看高清在线观看| 国产精品影片在线观看| 欧美三级电影精品| 亚洲精品视频在线看| 欧美另类久久久品| 欧美欧美全黄| 在线观看日韩精品| 亚洲欧美国产毛片在线| 亚洲欧洲日产国码二区| 欧美中文字幕不卡| 亚洲男人的天堂在线aⅴ视频| 国产欧美一区二区精品忘忧草| 亚洲美女黄网| 国产精品免费一区二区三区观看| 欧美成人免费全部| 欧美专区中文字幕| 亚洲第一中文字幕| 日韩视频亚洲视频| 欧美午夜a级限制福利片| 欧美日韩精品伦理作品在线免费观看| 新片速递亚洲合集欧美合集| 欧美有码在线观看视频| 欧美精品高清视频| 欧美精品粉嫩高潮一区二区| 久久精品一区二区国产| 亚洲激情图片小说视频| 亚洲欧洲中文日韩久久av乱码| 国产精品亚洲综合色区韩国| 久久午夜电影网| 亚洲精品视频在线观看免费| 欧美激情一区二区三区四区| 欧美亚州韩日在线看免费版国语版| 欧美wwwwww| 国产精品国产三级国产aⅴ无密码| 久久蜜桃精品| 国内偷自视频区视频综合| 国产精品综合网站| 欧美不卡福利| 国产欧美日韩另类视频免费观看| 欧美日韩一区二区三区视频| 亚洲女人av| 狼人社综合社区| 亚洲一区二区在线播放| 国产日韩免费| 欧美中文字幕不卡| 国产在线不卡| 另类国产ts人妖高潮视频| 久久久www成人免费毛片麻豆| 男人天堂欧美日韩| 欧美成人伊人久久综合网| 亚洲剧情一区二区| 夜夜躁日日躁狠狠久久88av| 国产精品美女久久| 欧美一级专区| 欧美成人一区二区三区| 女同性一区二区三区人了人一| 久久精品91久久香蕉加勒比| 国产精品久久久久久影院8一贰佰| 国产日韩欧美综合| 欧美一区二区三区四区在线观看地址| 欧美中日韩免费视频| 亚洲国产va精品久久久不卡综合| 99在线热播精品免费99热| 欧美一区二区久久久| 亚洲一区二区三区四区五区午夜| 亚洲午夜av在线| 欧美日韩一区二区在线观看视频| 久久免费精品日本久久中文字幕| 狼人天天伊人久久| 国内精品一区二区| 欧美成人高清| 一本色道精品久久一区二区三区| 在线观看欧美日本| 在线免费日韩片| 欧美精品在线免费播放| 欧美成人精品不卡视频在线观看| 精品va天堂亚洲国产| 欧美成人嫩草网站| 欧美成人一区在线| 亚洲综合丁香| 欧美国产先锋| 欧美女人交a| 欧美一区在线直播| 亚洲图片欧美午夜| 亚洲精品中文字| 久久久精品一区二区三区| 国产精品亚洲一区| 亚洲一区二区视频| 亚洲一区二区黄| 欧美一区日本一区韩国一区| 欧美四级剧情无删版影片| 欧美精品二区| 亚洲一区二区欧美| 欧美精品123区| 亚洲人成网站999久久久综合| 六月婷婷一区| 在线国产亚洲欧美| 国产欧美一区二区精品婷婷| 国外成人性视频| 亚洲成色最大综合在线| 欧美午夜不卡影院在线观看完整版免费| 欧美久久久久久久| 欧美大胆人体视频| 国内精品久久久久国产盗摄免费观看完整版| 亚洲精品美女久久久久| 99re8这里有精品热视频免费| 午夜久久久久久久久久一区二区| 国产精品国产三级欧美二区| 欧美三区美女| 亚洲精品影院| 性视频1819p久久| 久久永久免费| 国产九区一区在线| 久久精品视频播放| 亚洲视频导航| 亚洲图片激情小说| 国产精品乱子久久久久| 在线亚洲伦理| 免费毛片一区二区三区久久久| 国产中文一区二区三区| 美女任你摸久久| 在线免费观看视频一区| 嫩草国产精品入口| 欧美风情在线观看| 国产精品久久久久天堂| 久久青青草综合| 久久天堂av综合合色| 久久精品国产亚洲a| 国产欧美va欧美va香蕉在| 亚洲国产一区二区精品专区| 国模精品一区二区三区| 亚洲精品综合在线| 亚洲欧美日韩一区二区三区在线观看| 久久久一区二区| 久久国产精品第一页| 欧美日韩综合不卡| 性色av一区二区怡红| 一区二区三区在线免费观看| 亚洲免费小视频| 国产精品热久久久久夜色精品三区| 欧美日韩国产精品自在自线| 在线一区二区视频| 亚洲一区在线视频| 海角社区69精品视频| 欧美日韩一区二区三区在线看| 久久精品国产亚洲aⅴ| 国产精品青草久久| 狠狠操狠狠色综合网| 亚洲伊人色欲综合网| 亚洲高清一区二| 免费视频一区| 国产一区二区三区免费不卡| 欧美日本久久| 欧美大片免费观看| 欧美在线免费看| 欧美在线观看一区二区三区| 欧美日韩一区二区在线| 亚洲欧美在线播放| 国内外成人免费激情在线视频| 亚洲欧美在线一区二区| 国产精品丝袜白浆摸在线| 亚洲欧洲日本在线| 欧美三区在线观看| 一区二区三区四区国产精品| 国产精品看片你懂得| 欧美日韩国产三区| 欧美日韩极品在线观看一区| 国产日本欧美一区二区三区在线| 欧美美女操人视频| 亚洲在线观看免费视频| 国产精品一区二区在线观看| 亚洲另类一区二区| 欧美在线视频观看免费网站| 欧美日韩一区二区三区在线视频| 一本一道久久综合狠狠老精东影业| 国产日本欧美在线观看| 伊人久久久大香线蕉综合直播| 噜噜噜91成人网| 一区二区日韩精品| 午夜精品久久久久99热蜜桃导演| 欧美国产极速在线| 欧美激情自拍| 欧美激情aⅴ一区二区三区| 欧美在线观看视频一区二区三区| 久久人91精品久久久久久不卡| 欧美aa在线视频| 国内精品久久久久影院优| 国产精品露脸自拍| 狠狠狠色丁香婷婷综合久久五月| 久久人人97超碰国产公开结果| 亚洲欧洲一级| 在线观看视频亚洲| 9色国产精品| 国产伦理精品不卡| 国产精品青草久久| 久久成人免费网| 亚洲婷婷综合久久一本伊一区| 日韩一级黄色大片| 亚洲国产高清高潮精品美女| 欧美另类专区| 国内成+人亚洲+欧美+综合在线| 久久男女视频| 久久日韩粉嫩一区二区三区| 玉米视频成人免费看| 夜夜嗨av一区二区三区| 一区二区亚洲精品国产| 欧美一区二区三区在线免费观看| 欧美三级电影大全| 欧美+日本+国产+在线a∨观看| 亚洲高清免费在线| 国产一级精品aaaaa看| 一本色道久久综合亚洲精品不| 欧美日韩一区在线| 国产女主播视频一区二区| 久久精品欧美日韩精品| 欧美三区不卡| 欧美激情中文字幕在线| 国外成人性视频| 欧美国产日本| 日韩一级大片在线| 亚洲性图久久| 国产婷婷色一区二区三区四区| 亚洲网友自拍| 在线视频欧美日韩精品| 国产亚洲一区二区三区在线观看| 欧美日韩色一区| 国产精品成av人在线视午夜片| 国产精品久久久久999| 欧美喷水视频| 在线观看的日韩av| 国内视频精品| 欧美日韩喷水| 亚洲大胆美女视频| 亚洲第一福利视频| 国产一区清纯| 一区二区高清视频在线观看| 中文av一区特黄| 国产麻豆一精品一av一免费| 亚洲国产天堂久久国产91| 蜜桃av噜噜一区二区三区| 狠狠色噜噜狠狠狠狠色吗综合| 免费成人在线视频网站| 精品av久久久久电影| 一区二区三区欧美在线| 久久亚洲二区| 国产一区二区剧情av在线| 美女视频网站黄色亚洲| 亚洲精品日韩在线观看| 亚洲人成人一区二区三区| 国产日韩精品久久| 亚洲精选视频在线| 国产精品国产三级国产aⅴ入口| 欧美视频导航| 亚洲精选一区二区| 欧美日韩一视频区二区| 国产日韩一区二区三区在线| 欧美午夜精品| 在线免费观看日本一区| 亚洲国产1区| 亚洲电影免费在线观看| 亚洲黄色尤物视频| 国产麻豆91精品| 亚洲精选久久|