糧庫糧情智能監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)分析

【摘? 要】隨著時代的發(fā)展，糧庫糧情智能監(jiān)測系統(tǒng)的建設(shè)，能夠?qū)崿F(xiàn)對糧庫糧情進(jìn)行實時監(jiān)測的目的，進(jìn)而使糧食儲備中霉變感染問題能夠得到良好的控制。對此，文章針對糧庫糧情智能監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)進(jìn)行了分析。

【關(guān)鍵詞】糧庫糧情;智能監(jiān)測系統(tǒng);設(shè)計;分析

引言

糧食儲藏工作對于一個國家而言是至關(guān)重要的，與國家的安全發(fā)展及社會穩(wěn)定之間存在著直接關(guān)系?；诂F(xiàn)代化電子科技、計算機技術(shù)等獲得了快速發(fā)展，PC機作成為其中的控制中心，通過對分線器的有效利用，來具體對多點溫度進(jìn)行相應(yīng)的采集。但是對于儲糧早期發(fā)生感染霉變的情況，當(dāng)前階段始終是糧情監(jiān)控過程中的難點。因此，必須要對糧食儲藏早期發(fā)生霉變感染的主要因素進(jìn)行了解，進(jìn)而采取相應(yīng)有效性的安全防護(hù)對策，這對于糧食儲藏安全而言是極為關(guān)鍵的。

1.糧庫糧情智能監(jiān)測系統(tǒng)的主要結(jié)構(gòu)與設(shè)計

1.1糧庫糧情智能監(jiān)測系統(tǒng)的相關(guān)結(jié)構(gòu)

能夠?qū)Z庫內(nèi)糧情產(chǎn)生影響的因素是多方面的，比如糧庫外界的環(huán)境在天氣與季節(jié)發(fā)生變化的時候，都會對糧庫內(nèi)部的溫度、濕度以及二氧化碳濃度等重要參數(shù)產(chǎn)生嚴(yán)重的影響，相應(yīng)的糧情監(jiān)控裝置必須要具備對糧庫內(nèi)外相關(guān)的參數(shù)變化實現(xiàn)實時監(jiān)控的能力，以保證相關(guān)的數(shù)據(jù)具有實時有效性，從而使得外界環(huán)境帶來的干擾得到降低。為了能夠?qū)崿F(xiàn)對糧庫內(nèi)外的各項參數(shù)進(jìn)行實時監(jiān)控，比如溫度、濕度和二氧化碳濃度這幾方面的參數(shù)，需要實施相關(guān)糧情智能監(jiān)測系統(tǒng)結(jié)構(gòu)的設(shè)計。糧情監(jiān)控系統(tǒng)需要通過一體化氣體管道采樣的方式來具體實現(xiàn)，而在實施多參數(shù)采集的時候，可以采用多傳感器組成方式下的嵌入式ARM9系統(tǒng)來具體實施，進(jìn)而實現(xiàn)對各項參數(shù)實施實時監(jiān)控以及相應(yīng)傳輸與處理工作，以保證獲得的相關(guān)數(shù)據(jù)參數(shù)切實真實有效。由多傳感器組成檢測設(shè)備是較為敏感的，通過這種敏感陣列來對糧庫室內(nèi)的各項信息進(jìn)行捕捉是較為全面的，尤其是對溫度、濕度以及二氧化碳濃度等相關(guān)信息參數(shù)的收集。針對糧庫內(nèi)實施多點實時敏感信息的采集、放大、轉(zhuǎn)換以及處理的時候，主要是通過STC單片機來具體構(gòu)成的。其中主要有15個采集區(qū)域，這些采集區(qū)域的實測值主要是通過STC單片機的內(nèi)置算法加權(quán)并經(jīng)過相應(yīng)的融合處理之后，在再對相關(guān)的綜合值進(jìn)行獲取，并將其傳輸給上位機-嵌入式ARM9核心控制器當(dāng)中。

1.2糧庫糧情智能監(jiān)測控系統(tǒng)的相關(guān)設(shè)計

糧庫糧情智能監(jiān)測系統(tǒng)能夠?qū)崿F(xiàn)對相關(guān)信號的采集與處理工作。因此，需要結(jié)合糧情的信號情況實施智能監(jiān)測系統(tǒng)信號采集以及處理裝置的設(shè)計，上位機的硬件平臺為嵌入式ARM9，并將S3C2440A這一核心處理器作為重要基礎(chǔ)，通過對人機交互方式的充分使用，能夠更加鮮明直觀的對信息進(jìn)行采集、融合處理以及預(yù)測。下位機則是通過對STC單片機控制模塊的充分利用，來分別對信號采集、外圍設(shè)備控制單元等方面的構(gòu)建。其中，信號采集單元是由多個模塊組合而成的，主要包括電源、信號放大濾波以及A/D轉(zhuǎn)換等;外圍的設(shè)備控制單元也是由多個部分組成的，主要包括外圍控制總線、控制裝置、多氣體采集的切換通道等等。當(dāng)前階段采用的糧情智能監(jiān)測系統(tǒng)軟件，一般為Microsoft VisualStudio 2010開發(fā)平臺，所使用的開發(fā)語言為VC++開發(fā)語言，并且建立起了MFC-智能糧庫監(jiān)測系統(tǒng)工程應(yīng)用程序。

2.糧庫糧情智能監(jiān)測系統(tǒng)設(shè)計的相關(guān)結(jié)果與現(xiàn)實分析

2.1糧庫糧情信息的加權(quán)融合分析

由于每個地理區(qū)域的糧庫氣體環(huán)境的流通性存在著差異性，為了能夠使其存在的誤差得以消除，可以采用15個采集區(qū)域的數(shù)據(jù)進(jìn)行相應(yīng)的融合，并將其作為一組預(yù)測因子，在開始相關(guān)試驗之前應(yīng)該先對相關(guān)的傳感器實施相應(yīng)的標(biāo)定與修正處理工作，并建立在拉依達(dá)準(zhǔn)則的基礎(chǔ)上，來針對多傳感器采集到的所有區(qū)域的數(shù)據(jù)信息，來具體實施粗大誤差的有效剔除，然后有效地實現(xiàn)對相關(guān)實測正常數(shù)據(jù)具體實施加權(quán)融合，并將相關(guān)加權(quán)融合之后所獲得的平均值，作為糧庫糧情監(jiān)測模型建設(shè)時的重要輸入因子。

2.2在糧庫糧情中建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型

BP神經(jīng)網(wǎng)絡(luò)在實際使用中具有良好的優(yōu)勢，其能夠?qū)崿F(xiàn)對相對復(fù)雜的非線性系統(tǒng)中的自適應(yīng)性、自學(xué)習(xí)能力等方面是比較強的，在逼近非線性函數(shù)的時候能夠以任意精度來具體實現(xiàn)，促使糧庫在多因素環(huán)境方面的特征要求獲得滿足。因此，在具體實施實驗糧情監(jiān)測裝置設(shè)置的時候，可以采用3層反饋神經(jīng)網(wǎng)絡(luò)算法來具體實施相關(guān)的學(xué)習(xí)、訓(xùn)練以及預(yù)測環(huán)節(jié)，主要是由于這種方式具有很強的適應(yīng)性。隱含層是對輸入輸出進(jìn)行相應(yīng)連接的重要橋梁，通常默認(rèn)隱含層節(jié)點的個數(shù)為12，通過logsig來實現(xiàn)傳遞函數(shù);微生物活性值指標(biāo)具有歸一化的特征并作為輸出層，選用transig來具體實施相應(yīng)的函數(shù)傳遞。針對糧庫內(nèi)外環(huán)境差值實施相應(yīng)的預(yù)測，發(fā)現(xiàn)倉內(nèi)環(huán)境預(yù)測法達(dá)到6000次左右的時候能夠?qū)崿F(xiàn)最小誤差，當(dāng)差值預(yù)測處于2500次左右的時候能夠使系統(tǒng)達(dá)到最小誤差，使得學(xué)習(xí)速度獲得了明顯加快，并且能夠使系統(tǒng)要求中的最小誤差獲得滿足。

2.3糧庫糧情預(yù)測結(jié)果的分析

依據(jù)生物學(xué)的相關(guān)研究成果及結(jié)果分析，來進(jìn)行糧庫環(huán)境模型的建立，針對糧庫二氧化碳濃度進(jìn)行逆向推導(dǎo)，并作為對糧情進(jìn)行判定的相關(guān)標(biāo)準(zhǔn)，可見微生物活性值能夠直觀地對儲糧的具體安全狀況進(jìn)行反映。因此，網(wǎng)絡(luò)輸出層的相關(guān)安全指標(biāo)主要采用微生物活性值，通常此輸出層的安全指標(biāo)被默認(rèn)為歸一化的活性值。這里在對BP神經(jīng)網(wǎng)絡(luò)糧情監(jiān)測模型進(jìn)行建立的時候，主要采用2017年—2018年某市小麥的信息樣本作為相關(guān)的訓(xùn)練數(shù)據(jù)，將2018年—2019年的小麥信息樣本來具體實施的相應(yīng)的預(yù)測與驗證工作。為了能夠?qū)⑵渲械恼`差波動性進(jìn)行消除，在選取最終輸出指標(biāo)的時候，需要采取10次預(yù)測結(jié)果所得的算術(shù)平均值來作為相關(guān)指標(biāo)。在相關(guān)模型建立的時候，主要采用的輸入因子為糧庫內(nèi)外環(huán)境的溫度、濕度以及CO2濃度等方面的差值信息，針對糧情信息實施相應(yīng)的預(yù)測工作，這樣使得輸出指標(biāo)能夠與期望值更加接近，其中預(yù)測的最大絕對誤差為0.02，而最大相對誤差則為5.66%;而在對溫度、濕度以及二氧化碳的濃度具體實施預(yù)測時則采用常規(guī)值來具體實施。因此，所選用的差值預(yù)測結(jié)果在精度方面更高、在誤差方面也會更小。

3.結(jié)束語

總而言之，通過糧庫糧情智能監(jiān)測系統(tǒng)的設(shè)計，并針對建立起來的糧情預(yù)測模型來具體實施相應(yīng)的實例驗證。文章選取15個區(qū)域采樣的氣體環(huán)境信息作為相關(guān)樣本，并將管道循環(huán)切換作為相應(yīng)的采樣方式。通過BP神經(jīng)網(wǎng)絡(luò)的有效建立，來實現(xiàn)對糧情安全級別模型的預(yù)測。依據(jù)相關(guān)結(jié)果表明，將倉內(nèi)外氣體環(huán)境的差值作為對糧庫糧情的相關(guān)輸入因子，該系統(tǒng)預(yù)測的最大絕對誤差及最大相對誤差分別為0.02與5.56%，并且糧情誤差曲線收斂方面在整體上是比較平滑的，使得曲線中存在的局部波動得到了有效抑制，從而使得外界環(huán)境對糧庫糧情判定結(jié)果更加準(zhǔn)確。

參考文獻(xiàn)

[1]孫曉全，周光，何志鋒，馬劉正，蘇睿，江敏，胡建東.糧庫糧情智能監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)[J].河南農(nóng)業(yè)大學(xué)學(xué)報，2020，54（02）：237-242.

[2]龍夏，檀明，王曉峰，劉原.糧庫糧情智能監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)[J].牡丹江師范學(xué)院學(xué)報（自然科學(xué)版），2019（04）：5-8.

[3]田琴.大數(shù)據(jù)分析在用電采集數(shù)據(jù)分析與智能監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)[J].電子測試，2018（06）：90-91.

[4]王愛珍. 龍門國家糧庫糧情溫濕度監(jiān)測系統(tǒng)的設(shè)計及實現(xiàn)[D].電子科技大學(xué)，2005.

作者簡介：宋夕洋（1975.04-），男，山東沂水人，本科，漢族，中級職稱，研究方向為糧食工程。