薯类作物含水量测量方法和装置

技术领域

本发明属于农业智能装备技术领域，具体的说是涉及一种薯类作物含水量测量方法与装置。

背景技术

我国是农业生产大国，在农作物种植面积广、总产量高居世界前列，薯类作物在收获后需要进行仓储，以便后期取用和长时间储存，薯类在仓储过程中多是堆积在一起的，仓储过程中，无法检测其含水量等数据，长时间的堆积后容易出现腐烂、霉变等情况，因此需要定期对仓储中的薯类进行含水量检测，通过对其水分精准测量，可对具体薯类的品种、保存方法、保存环境等问题做出具体的分析，对于研究薯类的保存期限有很大帮助。目前薯类作物的水分测量大多为人工干预，通过人工操作对单位体积内的薯类进行称重和计算。这种测量方式不仅操作繁琐，而且精确度较低，误差范围较大，且工作量巨大，投入成本较高。

发明内容

本发明的目的是针对目前薯类作物的水分测量大多为人工干预，通过人工操作对单位体积内的薯类进行称重和计算。测量不仅操作繁琐，而且精确度较低，误差范围较大，且工作量巨大，投入成本较高等问题，提出一种薯类作物含水量测量方法与装置，可替代人工传统测产操作的繁琐工序，以提高水分测量的精确度，从而进一步提高薯类作物的保存期限。

本申请提供的薯类作物含水量测量方法和装置采用如下技术方案：

薯类作物含水量测量方法，其特征在于，包括以下步骤：

薯类通过安装支架内的传送带输送至旋转平台上，通过安装支架上的光源和图像采集器进行图像采集，通过数据处理器内含水量识别算法进行检测。

根据权利要求1所述的薯类作物含水量测量方法，其特征在于，所述含水量识别算法包括：

获取薯类图片，将预处理的图片进行标记，并对图像进行适当的变形；

采用神经网络模型对图片进行训练，完成模型训练；

对薯类进行含水量的检测。

将含水量信息传送到数据处理器中。

所述标记和变形的方法包括：

将样本数据进行标签化，利用图像的物理变换分别对图像进行上下、左右翻转，然后再旋转扩展样本以产生足够多的训练数据。

所述神经网络模型进行训练的方法包括：

使用有监督的学习方式对样本进行训练，采用BP网络结构，包括输入层、隐含层、输出层三层，输入层单元数为4个，分别为491、772、824和870 nm 4个特征波段，选择非线性的Sigmoid型函数作为模型的作用函数。

一种薯类作物含水量测量装置，其特征在于，包括安装支架、传送管、光源、图像采集器、旋转平台、数据处理器；

所述安装支架上连接有传送管，所述安装支架上还连接设有光源、图像采集器，且所述图像采集器的镜头方向正对传送管；

所述传送管出料口内上转动设有旋转平台，出料口下方为传送带；

传送管的下料口正好可以对准传送带上，便于将检测过的薯类落在传送带上进行传送。

所述安装支架上固定设有数据处理器，所述数据处理器内存有检测薯类作物含水量的识别算法。

进一步的，所述传送带为透明材质，旋转平台上安装有清理器。

通过采用上述技术方案，旋转管体与清理器滑动接触，当旋转管体转动时，旋转管体与清理器相对转动，清除了旋转管体上的污垢，保证了透明材质始终清洁。

进一步的，所述光源的色温为6500K。

进一步的，所述数据处理器上外接有信息显示系统。

信息显示系统可以实时显示薯类粒的含水量。

综上所述，本发明包括以下至少一种有益技术效果：

1.本发明装置结构简单，运动工作原理清晰，设备制造成本较低，利于普及使用。

2.本发明可替代人工传统测产操作的繁琐工序，测量误差范围小，测量精度高，可减少薯类腐烂、霉变等情形，进一步提高薯类作物的保存期限。

3.本发明可以实现薯类含水量的快速检测，提高检测效率。

附图说明

图1 为本发明测量方法流程示意图。

图2 为本发明装置结构示意图。

图中：安装体1、传送管2、光源3、图像采集器4、旋转管体5、数据处理器6、信息显示系统7、清理器8、传送带9。

具体实施方式

下面结合附图和具体实施方式，进一步阐明本发明，应理解这些实施方式仅用于说明本发明专利而不用于限制本发明专利的范围，在阅读了本发明专利之后，本领域技术人员对本发明专利的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

如图1所示，薯类作物含水量测量方法，薯类通过安装支架内的传送带输送至旋转平台上，通过安装支架上的光源和图像采集器进行图像采集，通过数据处理器内含水量识别算法进行检测。

含水量的识别算法，包括：

步骤1：将预处理的图片进行标记，并对图像进行适当的变形，将样本数据进行标签化，利用图像的物理变换分别对图像进行上下、左右翻转，然后再旋转扩展样本以产生足够多的训练数据；

步骤2：采用神经网络模型对图片进行训练，完成模型训练，使用有监督的学习方式对样本进行训练，采用BP网络结构，包括输入层、隐含层、输出层三层，输入层单元数为4个，分别为491、772、824和870 nm 4个特征波段，选择非线性的Sigmoid型函数作为模型的作用函数，对应籽粒特征和含水量之间的关系模型；

步骤3：对薯类粒进行含水量的检测；

步骤4：将薯类粒含水量信息传送到数据处理器中；

如图2所示，一种薯类粒含水量的测量装置，包括：安装体1，安装体1上上转动连接有传送管2，安装体1上还设置有光源3，光源3的色温为6500K，光源3照射的位置正对传送管2，安装体1上还固定连接有图像采集器4，且图像采集器4的镜头方向正对传送管2，传送管2底部中心设有旋转管体5，旋转管体5为透明材质，传送管2中下落的薯类经过旋转管体，光源正好照射到旋转管体中，且旋转管体中下落的薯类正好图像采集器进行图像采集。

使用时，本发明的目的在于提供一种测量薯类粒含水量的方法与装置，安装体1上的传送管2，薯类粒经过传送管2，在重力的作用下到达旋转管体5，在光源3的照射下，薯类粒在旋转管体5处被图像采集器4采集到照片，经旋转管体5的薯类粒落到传送上，经过传送带传送。

数据处理器6中存储了已经训练好的数据模型，具体的训练过程是对图像进行预处理，保证获取的图像有较小的冗余和更好的画质，在模型训练过程中，需要对图像中的数据进行标注，方便更好的辨认和后续的训练，在经过图像的标注后，对现有的标注图像进行物理变换分别对图像进行上下、左右翻转，然后再旋转扩展样本以产生足够多的训练数据。采用神经网络模型对图片进行训练，完成模型训练，使用有监督的学习方式对样本进行训练，采用BP网络结构，包括输入层、隐含层、输出层三层，输入层单元数为4个，分别为491、772、824和870 nm 4个特征波段，选择非线性的Sigmoid型函数作为模型的作用函数，对应籽粒特征和含水量之间的关系模型。经过上述的训练过程，对图像的识别模型已经训练成功。

对图像采集器4中的图像，数据处理器4中存储了已经训练好的数据模型进行辨认完成检测，模型对薯类粒进行含水量的检测，将薯类粒信息传送到数据处理器6中，数据处理器6上外接有信息显示系统7，信息显示系统7可以实时显示薯类粒的含水量。当旋转管体5上布满灰尘，传送管2上安装有清理器8，当旋转管体5转动时，旋转管体5与清理器8相对转动，清除了旋转管体5上的污垢，保证了透明材质始终清洁。