基于神經(jīng)網(wǎng)絡(luò)的一種糧情分級(jí)方法研究

沈二波，王愛民，張 浩，孫 航

（1.開封大學(xué) 國際教育學(xué)院，河南 開封 475004；2.河南工業(yè)大學(xué) 電氣工程學(xué)院，河南 鄭州 450001；3.河南工業(yè)大學(xué) 糧油食品學(xué)院，河南 鄭州 450001）

0 前言

糧倉內(nèi)的糧食受各種環(huán)境因素的影響，包括庫房溫度、濕度、有害氣體、有害微生物、蟲害等因素，它們共同作用影響了糧食的儲(chǔ)藏質(zhì)量.有學(xué)者將影響糧食儲(chǔ)藏質(zhì)量的各種因素稱之為“糧情”[1].

基于信息技術(shù)的糧食儲(chǔ)藏監(jiān)測(cè)方法在保證糧食儲(chǔ)藏的質(zhì)量和數(shù)量上具有顯著的效果.隨著研究的不斷深入和應(yīng)用的逐漸推廣，衡量倉儲(chǔ)管理水平的高低成為新的爭(zhēng)論焦點(diǎn).

為了客觀公正地評(píng)價(jià)糧倉環(huán)境質(zhì)量，作者擬綜合糧情因素，即溫度、濕度、有害氣體、有害微生物、蟲害等信息，采用人工智能的方式對(duì)其進(jìn)行等級(jí)劃分.倉庫管理人員可依據(jù)糧情等級(jí)，采取相應(yīng)的改進(jìn)措施，以提高糧食儲(chǔ)藏安全等級(jí).

1 影響糧食存放質(zhì)量的因素

1.1 溫度和濕度

溫濕度環(huán)境因素是影響糧食儲(chǔ)藏的重要參數(shù)，也是判斷糧情的重要指標(biāo)之一.糧食在存儲(chǔ)期間，由于環(huán)境、氣候和通風(fēng)條件等因素的變化，糧倉內(nèi)的溫度和濕度會(huì)發(fā)生異常，這極易造成糧食的質(zhì)量劣變或發(fā)生蟲害.為了保證糧食質(zhì)量，有必要對(duì)糧食倉儲(chǔ)內(nèi)部溫度、濕度實(shí)行控制[2].通常情況下，倉儲(chǔ)內(nèi)溫、濕度分別以14～24 ℃、45%～60%為宜.

1.2 有害氣體

有害氣體是影響糧食存放質(zhì)量的重要因素之一，有些氣體對(duì)人體也產(chǎn)生許多不良影響.以甲醛為研究對(duì)象，研究它對(duì)倉庫和人體的影響.它廣泛分布在廠房、辦公室、居室等地方.在年久的倉庫內(nèi)，由于霉菌的孢子和菌絲體附著倉庫建筑的較深層面，甲醛常被用來作消毒劑.在糧倉內(nèi)某些殺蟲劑通常含有硫化物，它們與甲醛結(jié)合形成酸，進(jìn)而腐蝕倉儲(chǔ)設(shè)備.此外，研究表明，甲醛已經(jīng)成為第一類致癌物質(zhì)，甲醛可引發(fā)人類的鼻咽癌、鼻腔癌和鼻竇癌，并可引發(fā)白血病等疾病.由此可知，甲醛對(duì)倉儲(chǔ)安全和倉庫管理員安全都有著重要的影響，短時(shí)間內(nèi)甲醛暴露的人體急性反應(yīng)見表1.

表1 短時(shí)間內(nèi)甲醛暴露的人體急性反應(yīng)Table 1 Acute response of human exposure to formaldehyde

由表1 可知，倉庫正常甲醛含量應(yīng)控制在0.01 mg/L 以內(nèi).

1.3 蟲害

害蟲是糧食儲(chǔ)藏的大敵.蟲害一旦發(fā)生，則影響糧食的品質(zhì)和價(jià)值，造成巨大的經(jīng)濟(jì)損失.因此，對(duì)蟲害的檢測(cè)和預(yù)防對(duì)糧食儲(chǔ)藏安全是非常重要的[3].有學(xué)者研究低音頻傳感器收集害蟲啃食食物或爬行時(shí)產(chǎn)生的聲信號(hào)對(duì)蟲害情況進(jìn)行檢測(cè)，以信號(hào)數(shù)值的大小表示蟲害量的多少.該值僅表示傳感器傳來的數(shù)值，是蟲害情況的一個(gè)量值，該值沒有單位，量值的大小反映了倉內(nèi)蟲害的情況.在實(shí)際測(cè)量中，10 min 內(nèi)每30 s 檢測(cè)一次，取20 次信號(hào)強(qiáng)度的平均值作為庫房害蟲量的量值.為了更加精確反映該區(qū)域內(nèi)蟲害情況，一般檢測(cè)時(shí)間可放在夜間進(jìn)行.

除了溫度、濕度、有害氣體、蟲害因素影響到糧食安全外，還有粉塵、糧倉外部溫濕度、糧食自身水分含量等因素同樣影響糧食安全，鑒于這4種因素為影響糧食安全的主要因素，對(duì)糧情分級(jí)起到重要的作用，因此僅以這4 種因素展開研究.

2 糧情分級(jí)標(biāo)準(zhǔn)的討論

糧倉內(nèi)部受溫度、濕度、有害氣體、蟲害等因素影響的程度是不同的，即這4 種因素對(duì)糧情影響因子作用不同，這為神經(jīng)網(wǎng)絡(luò)的糧情分級(jí)造成了難度.如何衡量這些因素對(duì)糧情的影響，是實(shí)現(xiàn)糧情科學(xué)分級(jí)的一個(gè)難點(diǎn).文中另一個(gè)難點(diǎn)是糧情分級(jí)標(biāo)準(zhǔn)的設(shè)定，假設(shè)將糧情設(shè)置為1—4 級(jí)，那么此4 個(gè)級(jí)別的標(biāo)準(zhǔn)范圍如何限定？

對(duì)于第一個(gè)難點(diǎn)，重點(diǎn)研究基于神經(jīng)網(wǎng)絡(luò)的糧倉環(huán)境分級(jí)方法，因此，為了簡(jiǎn)化分級(jí)過程，環(huán)境因素對(duì)糧情分級(jí)的影響所占比重理想化為相同，即在進(jìn)行神經(jīng)網(wǎng)絡(luò)的建模過程中，4 種因素的影響因子都設(shè)置為0.25.對(duì)于第二個(gè)難點(diǎn)，由于國內(nèi)很少有學(xué)者進(jìn)行糧情分級(jí)標(biāo)準(zhǔn)方面的研究，在考查了多處大中型糧倉及咨詢?cè)擃I(lǐng)域?qū)W者的基礎(chǔ)上，擬定了糧情分級(jí)標(biāo)準(zhǔn)見表2，作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練目標(biāo)，該表不是統(tǒng)一的標(biāo)準(zhǔn)，不具有代表性和科學(xué)的嚴(yán)謹(jǐn)性，僅在文中研究糧情分級(jí)方法時(shí)作為訓(xùn)練目標(biāo).

表2 糧情分級(jí)標(biāo)準(zhǔn)Table 2 Standards for grain classification

3 基于神經(jīng)網(wǎng)絡(luò)的糧情分級(jí)方法的實(shí)現(xiàn)

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANN），是一種模擬動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，具有模式識(shí)別、人工智能、工程控制、信號(hào)處理、優(yōu)化計(jì)算和聯(lián)想記憶等功能的數(shù)學(xué)模型，可進(jìn)行大規(guī)模并行處理、分布式信息存儲(chǔ)、自組織適應(yīng)性自學(xué)習(xí)能力等特點(diǎn).它可以根據(jù)環(huán)境的變化，對(duì)權(quán)值進(jìn)行調(diào)整，改善系統(tǒng)的行為，通過預(yù)先提供的一批相互對(duì)應(yīng)的輸入-輸出數(shù)據(jù)，對(duì)其網(wǎng)絡(luò)進(jìn)行“學(xué)習(xí)”與“訓(xùn)練”，分析掌握兩者之間潛在的規(guī)律，最終根據(jù)這些規(guī)律，用新的輸入數(shù)據(jù)來推算輸出結(jié)果.

利用神經(jīng)網(wǎng)絡(luò)的模式識(shí)別、分類功能實(shí)現(xiàn)糧情分級(jí).通過建立特定的網(wǎng)絡(luò)模型，運(yùn)用大量糧倉環(huán)境數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使其掌握該領(lǐng)域的知識(shí)，成為該領(lǐng)域的“專家”，進(jìn)而對(duì)糧情科學(xué)地分級(jí).

3.1 網(wǎng)絡(luò)模型（參數(shù)）的建立

網(wǎng)絡(luò)模型的建立尚無一種統(tǒng)一而完整的理論指導(dǎo)，一般只能由經(jīng)驗(yàn)選定，為此，有人稱神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)選擇為一種藝術(shù).目前有多種人工神經(jīng)網(wǎng)絡(luò)模型，其中BP 網(wǎng)絡(luò)是應(yīng)用最廣泛的模型，它是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，包含輸入層、隱含層和輸出層.其實(shí)，輸入層、隱含層和輸出層等參數(shù)的確定過程就是BP 網(wǎng)絡(luò)模型的建立過程[4].

輸入層：該網(wǎng)絡(luò)的輸入層神經(jīng)元個(gè)數(shù)與“糧情”環(huán)境參數(shù)（評(píng)價(jià)指標(biāo)）相等，也就是說，每個(gè)“糧情”環(huán)境參數(shù)均對(duì)應(yīng)一個(gè)輸入層的神經(jīng)元.研究了糧倉環(huán)境的4 個(gè)評(píng)價(jià)指標(biāo)，也就確定了輸入層4個(gè)神經(jīng)元.

隱含層：隱含層的神經(jīng)元數(shù)和層數(shù)一般來講根據(jù)數(shù)據(jù)的大小、個(gè)人經(jīng)驗(yàn)而定，經(jīng)過反復(fù)試驗(yàn)，確定該層為單隱含層，25 個(gè)神經(jīng)元.

輸出層：該層由網(wǎng)絡(luò)的輸出目標(biāo)決定，根據(jù)作者的研究，將輸入的糧倉環(huán)境參數(shù)分為1～4 類，因此該層應(yīng)具有4 個(gè)神經(jīng)元.

確定網(wǎng)絡(luò)層數(shù)、每層的神經(jīng)元數(shù)、初始權(quán)系數(shù)、傳遞函數(shù)、學(xué)習(xí)算法等要素后，一個(gè)BP 網(wǎng)絡(luò)也就隨之確定了.確定這些選項(xiàng)時(shí)有一定的指導(dǎo)原則，但更多的是靠經(jīng)驗(yàn)和試湊，也就是說，只有不斷地修改網(wǎng)絡(luò)參數(shù)才能成功訓(xùn)練一個(gè)具有“專家知識(shí)”的神經(jīng)網(wǎng)絡(luò)系統(tǒng).網(wǎng)絡(luò)模型如圖1 所示.

圖1 中輸入值以列向量X=（X1，X2，X3，X4）T表示，分別為溫度、濕度、氣體、蟲害情況4 種環(huán)境參數(shù)，經(jīng)隱含層計(jì)算處理輸出，以列向量Y=（Y1，Y2，Y3，Y4）T表示.

圖1 人工神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖Fig.1 Artificial neural network model structure

3.2 BP 網(wǎng)絡(luò)輸出目標(biāo)及其訓(xùn)練過程

所謂BP 網(wǎng)絡(luò)輸出目標(biāo)是指期望訓(xùn)練好的網(wǎng)絡(luò)以什么樣的形式表現(xiàn)出來，作者采用坐標(biāo)向量表示網(wǎng)絡(luò)的輸出目標(biāo)，以4 種（4 個(gè)等級(jí)）形式表示：Y1（1 0 0 0）、Y2（0 1 0 0）、Y3（0 0 1 0）、Y4（0 0 0 1），其中“1”的坐標(biāo)位置表示其等級(jí)級(jí)別.

例如輸出結(jié)果為：

最接近1 的值在第3 行，則表示樣本等級(jí)為3級(jí).

一個(gè)網(wǎng)絡(luò)訓(xùn)練的過程其實(shí)就是不斷豐富其知識(shí)系統(tǒng)的過程，經(jīng)訓(xùn)練成功的網(wǎng)絡(luò)就成了具有該領(lǐng)域相關(guān)知識(shí)的“專家”.選取了50 組糧倉環(huán)境數(shù)據(jù)，隨機(jī)抽取其中的80%用來做訓(xùn)練樣本，10%做變量，10%做測(cè)試樣本.值得說明的是，該網(wǎng)絡(luò)是在反復(fù)訓(xùn)練并不斷調(diào)整網(wǎng)絡(luò)參數(shù)基礎(chǔ)上建成的，因此，網(wǎng)絡(luò)的訓(xùn)練過程也是網(wǎng)絡(luò)的建立過程.訓(xùn)練過程如圖2 所示，由圖2 可知該網(wǎng)絡(luò)的學(xué)習(xí)率設(shè)置為0.05，最大訓(xùn)練迭代次數(shù)5 000 次，實(shí)際訓(xùn)練了724 次達(dá)到訓(xùn)練目標(biāo)（訓(xùn)練誤差10-6）.

圖2 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程Fig.2 Training process of BP network

3.3 糧情分級(jí)結(jié)果——BP 神經(jīng)網(wǎng)絡(luò)的驗(yàn)證

為了驗(yàn)證經(jīng)過訓(xùn)練的BP 神經(jīng)網(wǎng)絡(luò)的有效性及健壯性，選取了4 組待分級(jí)樣本進(jìn)行試驗(yàn)，如表3 所示.

“預(yù)判等級(jí)”指人們根據(jù)分級(jí)標(biāo)準(zhǔn)和經(jīng)驗(yàn)劃分的等級(jí)，目的是為了與BP 人工神經(jīng)網(wǎng)絡(luò)判斷的結(jié)論做比較.將這4 組數(shù)據(jù)輸入訓(xùn)練好的BP 神經(jīng)網(wǎng)絡(luò)，輸入X1、X2、X3、X4對(duì)應(yīng)的輸出結(jié)果分別是Y2、Y3、Y2、Y1，如表4 所示.

表3 待測(cè)試樣本Table 3 Samples to be tested

表4 BP 神經(jīng)網(wǎng)絡(luò)輸出結(jié)果Table 4 The output result of BP network

由表4 可知，經(jīng)過人工神經(jīng)網(wǎng)絡(luò)判斷，輸入的X1、X2、X3、X4數(shù)據(jù)所對(duì)應(yīng)的等級(jí)分別為：2 級(jí)、3級(jí)、2 級(jí)、1 級(jí)，結(jié)果除了第4 組外，其他3 組與預(yù)判等級(jí)一致.第4 組數(shù)據(jù)中根據(jù)表2 糧情分級(jí)標(biāo)準(zhǔn)判斷，其溫度糧情參數(shù)值屬1 級(jí)標(biāo)準(zhǔn)，其他濕度、有害氣體、蟲害3 個(gè)糧情值均屬于2 級(jí)，因此預(yù)判等級(jí)為2 級(jí).而BP 神經(jīng)網(wǎng)絡(luò)的1 級(jí)標(biāo)準(zhǔn)的輸出目標(biāo)值為0.974 278，2 級(jí)標(biāo)準(zhǔn)的輸出目標(biāo)值為0.734 173，因此BP 網(wǎng)絡(luò)最終結(jié)果判定為1 級(jí).這種情況的出現(xiàn)認(rèn)為：經(jīng)過學(xué)習(xí)的BP 神經(jīng)網(wǎng)絡(luò)已經(jīng)具備了一定的知識(shí)，它與人的思考方式有一定相似性也有差別，體現(xiàn)了“人”與“機(jī)器“在思維邏輯上的區(qū)別，“人”是從表面上的感性判斷，“機(jī)器”則是從“專家”的角度進(jìn)行的理性判斷.

4 總結(jié)

本研究是具有探索性的初步研究.在給定的分級(jí)標(biāo)準(zhǔn)基礎(chǔ)上，運(yùn)用BP 人工神經(jīng)網(wǎng)絡(luò)對(duì)糧倉環(huán)境的溫度、濕度、有害氣體濃度和蟲害情況進(jìn)行客觀分級(jí)，分級(jí)結(jié)果證明了該方法具有一定的科學(xué)性、可行性及現(xiàn)實(shí)意義.然而在糧食儲(chǔ)藏實(shí)際當(dāng)中還存在很多待解決的問題，如不同地區(qū)、不同季節(jié)、不同類型的糧倉環(huán)境分級(jí)標(biāo)準(zhǔn)不能一刀切，根據(jù)實(shí)際情況制定出適合不同地區(qū)、不同季節(jié)的分級(jí)標(biāo)準(zhǔn)是后續(xù)工作的重點(diǎn)之一.另外，訓(xùn)練成功的神經(jīng)網(wǎng)絡(luò)的廣泛性和適應(yīng)性還需要進(jìn)一步驗(yàn)證.

［1］張芳，王鋒，張校銘，等.單總線數(shù)字溫度傳感器在糧情監(jiān)測(cè)系統(tǒng)中的應(yīng)用［J］.河南工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，32（1）：74-77.

［2］劉朝純.基于FPGA 的糧倉溫濕度模糊監(jiān)控系統(tǒng)［D］.哈爾濱：東北農(nóng)業(yè)大學(xué)，2008.

［3］何曉彤.單片機(jī)控制的倉庫糧食蟲害檢測(cè)報(bào)警系統(tǒng)［J］.電子報(bào)，2012，12：1-2.

［4］李明.基于遺傳算法改進(jìn)的BP 神經(jīng)網(wǎng)絡(luò)的城市人居環(huán)境質(zhì)量評(píng)價(jià)研究［D］.大連:遼寧師范大學(xué)，2007.