粮库粮情智能监测系统的设计与实现分析

【摘  要】随着时代的发展，粮库粮情智能监测系统的建设，能够实现对粮库粮情进行实时监测的目的，进而使粮食储备中霉变感染问题能够得到良好的控制。对此，文章针对粮库粮情智能监测系统的设计与实现进行了分析。

【关键词】粮库粮情;智能监测系统;设计;分析

引言

粮食储藏工作对于一个国家而言是至关重要的，与国家的安全发展及社会稳定之间存在着直接关系。基于现代化电子科技、计算机技术等获得了快速发展，PC机作成为其中的控制中心，通过对分线器的有效利用，来具体对多点温度进行相应的采集。但是对于储粮早期发生感染霉变的情况，当前阶段始终是粮情监控过程中的难点。因此，必须要对粮食储藏早期发生霉变感染的主要因素进行了解，进而采取相应有效性的安全防护对策，这对于粮食储藏安全而言是极为关键的。

1.粮库粮情智能监测系统的主要结构与设计

1.1粮库粮情智能监测系统的相关结构

能够对粮库内粮情产生影响的因素是多方面的，比如粮库外界的环境在天气与季节发生变化的时候，都会对粮库内部的温度、湿度以及二氧化碳浓度等重要参数产生严重的影响，相应的粮情监控装置必须要具备对粮库内外相关的参数变化实现实时监控的能力，以保证相关的数据具有实时有效性，从而使得外界环境带来的干扰得到降低。为了能够实现对粮库内外的各项参数进行实时监控，比如温度、湿度和二氧化碳浓度这几方面的参数，需要实施相关粮情智能监测系统结构的设计。粮情监控系统需要通过一体化气体管道采样的方式来具体实现，而在实施多参数采集的时候，可以采用多传感器组成方式下的嵌入式ARM9系统来具体实施，进而实现对各项参数实施实时监控以及相应传输与处理工作，以保证获得的相关数据参数切实真实有效。由多传感器组成检测设备是较为敏感的，通过这种敏感阵列来对粮库室内的各项信息进行捕捉是较为全面的，尤其是对温度、湿度以及二氧化碳浓度等相关信息参数的收集。针对粮库内实施多点实时敏感信息的采集、放大、转换以及处理的时候，主要是通过STC单片机来具体构成的。其中主要有15个采集区域，这些采集区域的实测值主要是通过STC单片机的内置算法加权并经过相应的融合处理之后，在再对相关的综合值进行获取，并将其传输给上位机-嵌入式ARM9核心控制器当中。

1.2粮库粮情智能监测控系统的相关设计

粮库粮情智能监测系统能够实现对相关信号的采集与处理工作。因此，需要结合粮情的信号情况实施智能监测系统信号采集以及处理装置的设计，上位机的硬件平台为嵌入式ARM9，并将S3C2440A这一核心处理器作为重要基础，通过对人机交互方式的充分使用，能够更加鲜明直观的对信息进行采集、融合处理以及预测。下位机则是通过对STC单片机控制模块的充分利用，来分别对信号采集、外围设备控制单元等方面的构建。其中，信号采集单元是由多个模块组合而成的，主要包括电源、信号放大滤波以及A/D转换等;外围的设备控制单元也是由多个部分组成的，主要包括外围控制总线、控制装置、多气体采集的切换通道等等。当前阶段采用的粮情智能监测系统软件，一般为Microsoft VisualStudio 2010开发平台，所使用的开发语言为VC++开发语言，并且建立起了MFC-智能粮库监测系统工程应用程序。

2.粮库粮情智能监测系统设计的相关结果与现实分析

2.1粮库粮情信息的加权融合分析

由于每个地理区域的粮库气体环境的流通性存在着差异性，为了能够使其存在的误差得以消除，可以采用15个采集区域的数据进行相应的融合，并将其作为一组预测因子，在开始相关试验之前应该先对相关的传感器实施相应的标定与修正处理工作，并建立在拉依达准则的基础上，来针对多传感器采集到的所有区域的数据信息，来具体实施粗大误差的有效剔除，然后有效地实现对相关实测正常数据具体实施加权融合，并将相关加权融合之后所获得的平均值，作为粮库粮情监测模型建设时的重要输入因子。

2.2在粮库粮情中建立BP神经网络预测模型

BP神经网络在实际使用中具有良好的优势，其能够实现对相对复杂的非线性系统中的自适应性、自学习能力等方面是比较强的，在逼近非线性函数的时候能够以任意精度来具体实现，促使粮库在多因素环境方面的特征要求获得满足。因此，在具体实施实验粮情监测装置设置的时候，可以采用3层反馈神经网络算法来具体实施相关的学习、训练以及预测环节，主要是由于这种方式具有很强的适应性。隐含层是对输入输出进行相应连接的重要桥梁，通常默认隐含层节点的个数为12，通过logsig来实现传递函数;微生物活性值指标具有归一化的特征并作为输出层，选用transig来具体实施相应的函数传递。针对粮库内外环境差值实施相应的预测，发现仓内环境预测法达到6000次左右的时候能够实现最小误差，当差值预测处于2500次左右的时候能够使系统达到最小误差，使得学习速度获得了明显加快，并且能够使系统要求中的最小误差获得满足。

2.3粮库粮情预测结果的分析

依据生物学的相关研究成果及结果分析，来进行粮库环境模型的建立，针对粮库二氧化碳浓度进行逆向推导，并作为对粮情进行判定的相关标准，可见微生物活性值能够直观地对储粮的具体安全状况进行反映。因此，网络输出层的相关安全指标主要采用微生物活性值，通常此输出层的安全指标被默认为归一化的活性值。这里在对BP神经网络粮情监测模型进行建立的时候，主要采用2017年—2018年某市小麦的信息样本作为相关的训练数据，将2018年—2019年的小麦信息样本来具体实施的相应的预测与验证工作。为了能够将其中的误差波动性进行消除，在选取最终输出指标的时候，需要采取10次预测结果所得的算术平均值来作为相关指标。在相关模型建立的时候，主要采用的输入因子为粮库内外环境的温度、湿度以及CO2浓度等方面的差值信息，针对粮情信息实施相应的预测工作，这样使得输出指标能够与期望值更加接近，其中预测的最大绝对误差为0.02，而最大相对误差则为5.66%;而在对温度、湿度以及二氧化碳的浓度具体实施预测时则采用常规值来具体实施。因此，所选用的差值预测结果在精度方面更高、在误差方面也会更小。

3.结束语

总而言之，通过粮库粮情智能监测系统的设计，并针对建立起来的粮情预测模型来具体实施相应的实例验证。文章选取15个区域采样的气体环境信息作为相关样本，并将管道循环切换作为相应的采样方式。通过BP神经网络的有效建立，来实现对粮情安全级别模型的预测。依据相关结果表明，将仓内外气体环境的差值作为对粮库粮情的相关输入因子，该系统预测的最大绝对误差及最大相对误差分别为0.02与5.56%，并且粮情误差曲线收敛方面在整体上是比较平滑的，使得曲线中存在的局部波动得到了有效抑制，从而使得外界环境对粮库粮情判定结果更加准确。

参考文献

[1]孙晓全，周光，何志锋，马刘正，苏睿，江敏，胡建东.粮库粮情智能监测系统的设计与实现[J].河南农业大学学报，2020，54（02）：237-242.

[2]龙夏，檀明，王晓峰，刘原.粮库粮情智能监测系统的设计与实现[J].牡丹江师范学院学报（自然科学版），2019（04）：5-8.

[3]田琴.大數据分析在用电采集数据分析与智能监测系统的设计与实现[J].电子测试，2018（06）：90-91.

[4]王爱珍. 龙门国家粮库粮情温湿度监测系统的设计及实现[D].电子科技大学，2005.

作者简介：宋夕洋（1975.04-），男，山东沂水人，本科，汉族，中级职称，研究方向为粮食工程。