一种全自动芽苗机及其控制方法

技术领域

本发明涉及农业切割机械技术领域，具体涉及一种全自动芽苗机及其控制方法。

背景技术

全自动芽苗切割机能够将例如甘蔗等禾本科植物的完整种植物的茎秆切割成适当长度的双节段，作为种苗供后续种植使用。全自动芽苗切割机能够提高种苗制备的效率和质量，减少人力成本。

在全自动芽苗切割机实际工作过程中，因为农业种植物的质量不稳定性，例如某批次的种植物存在纤维较多、茎秆较硬等，在机器运作过程会有很多的意外情况，例如电机过载、电力系统短路等，因此需要实时监测芽苗切割机的电流信息，对于异常情况能够及时的检测。现有的运行状态异常检测功能常常通过机器上部署的传感器或者保险装置实现，但是这种检测手段仅适用于电流异常状态较为剧烈明显的情况，对于一些较小的异常或者发生异常之前的异常趋势无法做到准确的检测识别，进而影响芽苗切割机的工作效率和使用寿命。

发明内容

为了解决现有的全自动芽苗机无法准确识别电流异常状态从而导致影响工作效率和使用寿命的技术问题，本发明的目的在于提供一种全自动芽苗机及其控制方法，所采用的技术方案具体如下：

本发明提出了一种全自动芽苗机控制方法，所述方法包括：

获取全自动芽苗机切割机本体的电流信息；获取所述电流信号上各个数据点多个维度下的信号特征；

获得所有数据点的所有维度信号特征构成的孤立森林；所述孤立森林中属于同一维度的孤立树为维度孤立树；所述孤立森林中的孤立树数量为预设第一数量；

根据每个数据点在所述孤立森林中的异常指数和在不同维度孤立树中的分布信息获得每个数据点的初始异常性；根据所述初始异常性筛选出特征数据点；根据每种所述维度孤立树中所述特征数据点在孤立树上的所述异常指数的波动特征，获得每个维度的维度异常性序列；根据所述维度异常性序列中的数据分布获得每个维度的参考性；

基于所述参考性重新构建孤立森林，获得优化孤立森林；所述优化孤立森林中的孤立树数量大于所述预设第一数量；将所述优化孤立森林中的初始异常性作为每个数据点的优化异常性；根据所述优化异常性判断实时时刻是否出现异常，若出现异常则向所述全自动芽苗切割机本体反馈控制信号。

进一步地，所述信号特征包括电流数据统计特征、周期特征和波形特征；

通过时频转换方法获得所述电流信号的周期长度，根据所述周期长度对所述电流信号进行分段，获得多个分段信号；

将每个分段信号的均值、方差、最大值和最小值作为对应所述分段信号中每个数据点的所述电流数据统计特征；

将所述电流信号进行EMD分解，获得IMF分量以及每个IMF分量上的频率和相位，将每个所述分段信号中的最大频率和最大频率对应的相位作为所述分段信号中每个数据点的周期特征；

获得所述分段信号上的峰值和波形形状，将所述峰值和所述波形形状的算术编码值作为所述分段信号上每个数据点的所述波形特征。

进一步地，所述初始异常性的获取方法包括：

获得每种所述维度孤立树中的孤立树第一数量，将每种所述维度孤立树的所述孤立树第一数量与最大的所述孤立树第一数量的比值作为对应维度的可信度；

根据孤立森林算法获得每个数据点在每个维度下信号特征的所述异常指数，将所述异常指数与对应维度的所述可信度进行加权求和，获得加权异常指数；

获得每个数据点所在孤立树的孤立树第二数量，将所述孤立树第二数量与孤立森林中维度孤立树的总数量的比值，作为对应数据点的数量可信度；

将所述数量可信度与所述加权异常指数的乘积作为所述初始异常性。

进一步地，所述特征数据点的获取方法包括：

将所述初始异常性大于预设初始异常性阈值的数据点作为所述特征数据点。

进一步地，所述维度异常性序列的获取方法包括：

在一个维度下，获得每个孤立树上所有特征数据点的异常指数均值，所有孤立树的所述异常指数均值构成异常指数序列；获得所述异常指数序列的变异系数；计算所述变异系数与对应维度下所述异常指数序列中每个元素的乘积，获得维度异常性序列。

进一步地，所述参考性的获取方法包括：

利用大津阈值算法处理所述维度异常性序列，获得两段子序列；获得两段所述子序列之间的类间方差；获得两段子序列之间的元素数量比值，所述元素数量比值小于等于1；

利用参考性公式获得所述参考性，所述参考性公式包括：

；其中，/>

进一步地，所述优化孤立森林的获取方法包括：

将每个维度的参考性作为构建所述优化孤立森林过程中的随机概率值，利用孤立森林算法获得所述优化孤立森林。

进一步地，所述根据所述优化异常性判断实时时刻是否出现异常的方法包括：

将所述优化异常性大于预设优化异常性阈值的数据点作为异常数据点；若实时时刻的数据点为异常数据点且具有连续预设数量个数据点同为异常数据点，则判断实时时刻出现异常。

进一步地，所述全自动芽苗切割机本体包含有气动配件；

若实时时刻出现异常，则将当前所述气动配件的速度认定为初始速度，按照预设速度增益获得所述初始速度的调整速度，减小当前所述气动配件的速度，直至判定实时时刻没有异常，然后将所述气动配件的速度增加到所述调整速度，若仍可以检测出异常则停止所述芽苗切割机。

本发明还提出了一种全自动芽苗机，包括全自动芽苗切割机本体，所述全自动芽苗机还包括电流监测分析模块，所述电流监测分析模块安装在所述全自动芽苗切割机本体上，所述电流监测分析模块包括电流传感器1、检测导线2、电流放大器3、固定底座4和电流数据分析控制芯片5；所述电流传感器1、所述检测导线2、所述电流放大器3和所述电流数据分析控制芯片5通过所述固定底座4进行固定连接；所述全自动芽苗切割机本体的电流信息通过所述检测导线2传输至所述电流放大器3，经过所述电流放大器3的处理后所述电流传感器1获得电流信号；所述电流数据分析控制芯片5接收所述电流信号并进行数据处理；所述电流数据分析控制芯片实现任意一项所述一种全自动芽苗机控制方法中的数据处理步骤。

本发明具有如下有益效果：

本发明在全自动芽苗机切割机本体上部署有电流监测分析模块，其中通过电流放大器放大电流信息，使得电流传感器能够检测到清晰可用的电流信号，进一步利用电流数据分析控制芯片分析电流信号。考虑到现有的数据异常算法识别出的数据点异常性参考性较弱；并且为了实现及时准确地进行全自动芽苗机的电流异常检测，所参与数据分析的电流信号具有多个维度下的特征，因此电流数据分析控制芯片在现有的孤立森林异常检测算法上进行了改进，首先构建孤立树较少的孤立森林，通过对每个维度下孤立树的特征进行分析，获得初始异常性，利用初始异常性初步评估了每个数据点的异常信息。进一步利用特征数据点在孤立森林中的异常指数分布获得每个维度的参考性。因为电流信息的信号特征维度较多，所以通过获得每个维度的参考性对孤立森林进行重建，使得参考性较大的维度在孤立森林中具有更强的参考信息，即通过孤立树数量较少的孤立森林确定每个维度的准确参考信息，进而重新构建优化孤立森林，使得在异常检测过程中能够检测更精确的异常信息。通过准确识别实时时刻的异常状态并反馈控制信号，实现对全自动芽苗机的异常状态检测和控制，提高了全自动芽苗机的工作效率和使用寿命。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种全自动芽苗机的电流监测分析模块的结构图；

图2为本发明一个实施例所提供的一种全自动芽苗机控制方法流程图。

图中标号为：1、电流传感器；2、检测导线；3、电流放大器；4、固定底座；5、电流数据分析控制芯片；S1、步骤S1；S2、步骤S2；S3、步骤S3；S4、步骤S4。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种全自动芽苗机及其控制方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本发明实施例所提供的一种全自动芽苗机包括全自动芽苗切割机本体，在全自动芽苗切割机本体上还安装有电流监测分析模块，电流监测分析模块用于监测并分析全自动芽苗切割机本体的电流运行数据，因此电流监测分析模块包括电流传感器、检测导线、电流放大器、固定底座和电流数据分析控制芯片。

下面结合附图具体的说明本发明所提供的一种全自动芽苗机及其控制方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种全自动芽苗机的电流监测分析模块的结构图，该电流监测分析模块包括：电流传感器（1）、检测导线（2）、电流放大器（3）、固定底座（4）和电流数据分析控制芯片（5）。其中电流传感器（1）、检测导线（2）、电流放大器（3）和电流数据分析控制芯片（5）通过固定底座（4）进行固定连接，固定底座（4）将电流监测分析模块所涉及到的所有部件集成并安装在全自动芽苗切割机本体上。检测导线（2）用于传输电流信息，全自动芽苗切割机本体通过检测导线（2）将电流信息传递给电流放大器（3），电流放大器（3）将电流信息进行放大，以保证电流传感器（1）获得清楚有效的电流信号。电流传感器（1）将电流信息转换为电流信号后传输给电流数据分析控制芯片（5），电流数据分析控制芯片（5）接受电流信号并进行数据处理。电流数据分析控制芯片（5）能够实现下述实施例中一种全自动芽苗机控制方法中的数据处理步骤。

请参阅图2，其示出了本发明一个实施例所提供的一种全自动芽苗机控制方法流程图，该方法包括：

步骤S1：获取所述电流信号上各个数据点多个维度下的信号特征。

当全自动芽苗切割机本体运行稳定时，其反映出的电流信号整体为正弦交流电，不过在每个数据点之间存在局部的波动，并非平滑的正弦交流电，因此在电流信号中就存在了多个维度下的信号特征，例如幅值、频率、周期等信息。为了实现准确的异常检测需要在多个维度下分析电流信号的特征，避免仅分析一个维度或者少量维度信号特征造成的漏检。因此首先需要获取电流信号上各个数据点在多个维度下的信号特征。需要说明的是，原始的电流信号为一串时序信号，实时时刻与之前的预设时间段下的历史时刻下的电流数据组成电流信号，即电流信号中每个数据点对应一个时刻。在本发明一个实施例中，将电流采集频率设置为0.01秒，即每0.01秒采集一次电流数据，将预设时间段设置为10分钟。

优选地，在本发明一个实施例中信号特征包括电流数据统计特征、周期特征和波形特征，具体获取方法包括：

通过时频转换方法获得电流信号的周期长度，根据周期长度对电流信号进行分段，获得多个分段信号。将每个分段信号的均值、方差、最大值和最小值作为对应分段信号中每个数据点的电流数据统计特征。在本发明实施例中采用傅里叶变换实现时频转换。

将电流信号进行EMD分解，获得IMF分量以及每个IMF分量上的频率和相位，需要说明的是，因为获得的是电流信号的IMF分量的频率和相位，而分段信号属于电流信号的一部分，因此分段信号上同样具有IMF分量的频率和相位信息。将每个分段信号中的最大频率和最大频率对应的相位作为分段信号中每个数据点的周期特征。需要说明的是，EMD分解为本领域技术人员熟知的技术手段，在此不做赘述。

获得分段信号上的峰值和波形形状，将峰值和波形形状的算术编码值作为分段信号上每个数据点的波形特征。在本发明一个实施例中获取峰值后可将其转换为十进制获得其算数编码值；波形形状的描述例如“平滑”、“锯齿状”、“阶梯状”等描述词，将对应描述词进行编码后转换成十进制获得其算数编码值。在本发明其他实施例也可选择其他算数编码方式。需要说明的是，峰值的获取方法可选用多尺度峰值查询方法，信号波形的形状描述的获取方法可选用通过分析数据点信号值分布的方法判断属于何种波形形状，具体方法均为本领域技术人员熟知的技术手段，在本发明其他实施例中也可选用其他现有技术提取对应特征，在此不做限定及赘述。

步骤S2：获得所有数据点的所有维度信号特征构成的孤立森林；孤立森林中属于同一维度的孤立树为维度孤立树；孤立森林中的孤立树数量为预设第一数量。

因为电流信号上的数据点较多，并且每个数据点都具有多维的信号特征，因此若孤立森林的构建不能准确表征电流信号的数据特征，最终执行的异常性分析结果的准确性也会造成影响。因此本发明实施例通过首先构建孤立树较少的孤立森林，分析该孤立森林中各个维度的信息，进而对孤立森林进行重建，获得优化孤立森林，使得最终的异常性分析结果更加准确。因此本发明实施例首先通过设定第一数量，根据第一数量和各个数据的多维信号特征构建孤立森林，即孤立森林中具有较少的孤立树，在后续过程中对较少的孤立树进行分析，分析结果作为重建孤立树时的参考。需要说明的是，在孤立森林中，每个孤立树对应一个维度，一个维度对应多个孤立树，属于统一维度的孤立树为维度孤立树。

在本发明一个实施例中，将第一数量设置为50，每颗孤立树构建时随机选择与

步骤S3：根据每个数据点在孤立森林中的异常指数和在不同维度孤立树中的分布信息获得每个数据点的初始异常性；根据初始异常性筛选出特征数据点；根据每种维度孤立树中特征数据点在孤立树上的异常指数的波动特征，获得每个维度的维度异常性序列；根据维度异常性序列中的数据分布获得每个维度的参考性。

在孤立森林异常检测算法中，可以通过计算节点路径的方法获得每个节点的异常指数，因为在本发明实施例中全自动芽苗机的电流信号具有多个维度下的信号特征，为了准确判断数据点的异常性需要在多个维度下进行联合分析。因为孤立森林算法构建时是随机选择数据进行构建的，因此存在某个数据点在某个维度下的信号特征未被选取到，则该数据点的参考程度较弱，因此在分析数据点异常时不仅需要考虑到孤立树中的异常指数，还需要分析数据点在不同维度孤立树中的分布信息获得每个数据点的初始异常性。通过将异常指数和分布信息进行结合，能够使得获得的初始异常性参考程度更强，方便后续算法的处理。

优选地，在本发明一个实施例中，初始异常性的获取方法包括：

获得每种维度孤立树中的孤立树第一数量，将每种维度孤立树的孤立树第一数量与最大的孤立树第一数量的比值作为对应维度的可信度。即可信度越大说明在孤立森林算法构建过程中所选对应维度的信号特征数据较多，则该维度对应的维度孤立树中体现出的异常指数的可信程度就越大。

根据孤立森林算法获得每个数据点在每个维度下信号特征的异常指数，因为可信度表征了当前孤立森林中维度的可信程度，因此将可信度和获得的异常指数结合，即将异常指数与对应维度的可信度进行加权求和，获得加权异常指数。加权异常指数能够初步修正异常指数，使其包含当前孤立森林中的维度信息特征。

进一步获得每个数据点所在孤立树的孤立树第二数量，将孤立树第二数量与孤立森林中维度孤立树的总数量的比值，作为对应数据点的数量可信度。因为孤立森林构建过程中是随机挑选数据，最终构建出预设第一数量个孤立树，因此存在某个数据点的某些维度的信号特征数据并未选择到，因此孤立树第二数量越大说明该数据点的数据选择的越多，说明该数据点反映出的信息越准确，即数量可信度越大说明对应数据点反应出的异常信息越准确。因此将数量可信度与加权异常指数的乘积作为初始异常性。

在本发明一个实施例中，初始异常性用公式表示为：

；其中，/>

需要说明的是，异常指数的获取方法为孤立森林算法中的现有技术，即计算该数据点在孤立树中对应节点到根节点之间的最短路径，进一步计算所有孤立森林中所有数据点的最短路径的最大值，将最短路径与该最大值的比值作为对应数据的异常指数。具体实现方法为本领域技术人员熟知的技术手段，在此不做赘述。

因为孤立森林算法构建孤立树时的数据是随机选取的，并且在本发明实施例中初次构建孤立森林时所限定的第一数量较少，因此孤立森林中的数据点并非全都具有参考程度，需要筛选出参考程度较大的数据点去分析当前孤立森林中各个维度下的特征。因为初始异常性即包含数据点的异常信息，又包含数据点的可信度信息，因此可将初始异常性作为筛选特征数据点的指标，根据初始异常性筛选出特征数据点。

优选地，在本发明一个实施例中，将初始异常性大于预设初始异常性阈值的数据点作为特征数据点。在本发明一个实施例中将初始异常性进行归一化后将其值域限定在0到1之间，将初始异常性阈值设置为0.7。

如果有特征数据点在某些维度中异常信息较大，在某些维度下一次信息较少，且在异常信息较大的维度中存在多个特征数据点均具有同样较大的异常信息，则说明该异常信息较大的维度与其他维度相比要包含更多异常点信息，即该维度可以对异常点的异常信息进行更好的表示，该维度下异常信息更明显，因此可分析每种维度孤立树中特征数据点在孤立树上的异常信息的波动特征，获得每个维度对应的维度异常性序列，维度异常性序列中每个元素对应该维度孤立树中的一个孤立树。维度异常性序列中的数据分布能够体现出当前维度孤立树中的特征数据点的初始异常性的波动特征，若该序列内元素的数据分布具有清楚的类别界限，则说明当前维度下具有较为明显的异常信息分布信息，即该维度对应的参考性越大。

优选地，在本发明一个实施例中维度异常性序列的获取方法包括：

在一个维度下，获得每个孤立树上所有特征数据点的异常指数均值，所有孤立树的所述异常指数均值构成异常指数序列，获得异常指数序列的变异系数，需要说明的是，变异系数公式为本领域技术人员熟知的现有技术，变异系数体现了当前序列中的数据波动性。计算变异系数与对应维度下异常指数序列中每个元素的乘积，获得维度异常性序列，即通过变异系数将异常指数序列中的数据进行加权，放大异常指数序列中的信息，获得维度异常性序列。

优选地，在本发明一个实施例中，参考性的获取方法包括：

利用大津阈值算法处理维度异常性序列，获得两段子序列；获得两段子序列之间的类间方差；获得两段子序列之间的元素数量比值，元素数量比值小于等于1。需要说明的是，大津阈值算法为本领域技术人员熟知的技术手段，在此不做赘述。

利用参考性公式获得参考性，参考性公式包括：

；其中，/>

步骤S4：基于参考性重新构建孤立森林，获得优化孤立森林；优化孤立森林中的孤立树数量大于预设第一数量；将优化孤立森林中的初始异常性作为每个数据点的优化异常性；根据优化异常性判断实时时刻是否出现异常，若出现异常则向全自动芽苗切割机本体反馈控制信号。

在步骤S3获得了每个维度的参考性，因为参考性是根据异常信息的变化和分布得到的，与异常信息的多少和大小无关，因此尽管步骤S2中的孤立森林是采用较少的第一数量构建的，但是所获得的参考性依然能够表示当前全自动芽苗机的电流信号的各个维度下的信号特征信息。因此可基于每个维度的参考性重新构建孤立森林，获得优化孤立森林，其中优化孤立森林中的孤立树数量大于第一数量，即通过在构建孤立森林过程中引入每个维度的参考性并增加孤立树的数量，使得优化孤立森林中表现出来的异常性更加准确有效，因此将优化孤立森林中每个数据点所体现出的初始异常性作为每个数据点的优化异常性，根据优化异常性能够准确判断实时时刻是否出现异常，并且根据判断结果向全自动芽苗切割机本体反馈控制信号。

优选地，在本发明一个实施例中，优化孤立森林的获取方法包括：

将每个维度的参考性作为构建优化孤立森林过程中的随机概率值，即参考性越大，随机选取时的概率也就越大，能够达到用较少孤立树体现出较为精确的异常信息的效果。利用孤立森林算法获得所述优化孤立森林。

在本发明一个实施例中，设置优化孤立森林中孤立树的数量为500。

优选地，根据优化异常性判断实时时刻是否出现异常的方法包括：

将优化异常性大于预设优化异常性阈值的数据点作为异常数据点；若实时时刻的数据点为异常数据点且具有连续预设数量个数据点同为异常数据点，则判断实时时刻出现异常。在本发明一个实施例中，将优化异常性归一化后，将优化异常性阈值设置为0.7，将预设数量设置为20。

在本发明一个实施例中，电流数据分析控制芯片（5）采用现场可编程逻辑门阵列（Field Programmable Gate Array，FPGA）芯片，FPGA芯片作为专用集成电路领域中的一种半定制电路，能够解决定制电路的不足，又能够克服原有可编程器件门电路有限的缺点。通过可编程功能能够使得实施者自行设置芯片内存贮算法的参数，例如本发明实施例中的第一数量、控制信号等。

优选地，在本发明一个实施例中，全自动芽苗切割机本体包含气动配件，电流检测分析模块安装于气动配件上。如专利CN210551503U提出的一种双牙段甘蔗种苗切割机，其为一种全自动芽苗机，主体包括废料框、机架、成品料框、控制柜、电动切割机、切割感应器、计数器和气动配件。因为气动配件主要实现机械设备的运作、停止和调速功能，因此将电流检测分析模块安装于气动配件上能够减少控制信号传输过程中的失真和噪声，使得全自动芽苗切割机本体在实现控制信号的控制命令时能够做到准确高效。因此在本发明实施例下，电流数据分析控制芯片（5）反馈的控制信号包括：

若实时时刻出现异常，则将当前气动配件的速度认定为初始速度，按照预设速度增益获得初始速度的调整速度，减小当前气动配件的速度，直至判定实时时刻没有异常，然后将气动配件的速度增加到调整速度，若仍可以检测出异常则停止芽苗切割机。通过这种验证式的控制调速，进一步确定全自动芽苗机是否存在运行异常，防止因为数据误差等原因形成的误检。

需要说明的是，电流数据分析控制芯片（5）反馈的控制信号可通过无线传输，也可通过检测导线（2）传递给全自动芽苗切割机本体。

综上所述，本发明实施例提供了一种全自动芽苗机及其控制方法，包括全自动芽苗切割机本体和电流监测分析模块，电流监测分析模块包括电流传感器、检测导线、电流放大器、固定底座和电流数据分析控制芯片。电流数据分析控制芯片通过两次孤立森林的构建，准确识别出实时时刻下电流信号的异常状态，进而进行及时有效的反馈控制信号。本发明实施例通过提高对全自动芽苗机运行异常状态检测的准确性，提高了全自动芽苗机的工作效率和使用寿命。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。