电阻和电容信息融合的籽棉回潮率检测

宋方丹,张若宇,杨 萍,张梦芸,李 浩,夏 彬

(1.石河子大学 机械电气工程学院,新疆 石河子 832003;2.农业农村部西北农业装备重点实验室,新疆 石河子 832003;3.中华全国供销合作总社 郑州棉麻工程技术设计研究所,郑州 450004)

0 引言

籽棉回潮率是指籽棉中所含水分的质量与干燥籽棉质量的百分比。籽棉回潮率的精准测定,对于各单位之间的公平计算、合理堆放以及进一步的合理加工都是至关重要的[1]。目前,籽棉回潮率测定主要由棉检人员使用手持式回潮率测定仪将电极探针插入运棉车中测得该车棉花的回潮率。由于探针长度限制,该方法仅能对运棉车表层棉花进行检测,且测量精度差、效率低[2-3]。

电阻法是发展较早且属于比较成熟的棉花回潮率检测方法,具有成本低、易实现和时间短的优点,但同时存在检测精度难以保证的问题。景军锋等[4]依据电阻法检测回潮率的原理,设计开发了织物回潮率在线测量装置的软件程序来计算织物回潮率。贾冬等[5]基于电阻法测量原理设计了一种棉包回潮率自动检测装置。电容法检测精度较高,但由于使用的不稳定性,发展还不成熟,在棉花回潮率的检测中相关研究比较少。吴昕等基于电容法测湿的原理,设计了一种结构简单的微型湿度探针。马广宇[7]根据水稻含水率介电特性差异性变化,对平行板电容式水稻含水率在线检测装置进行了优化设计。信息融合技术是一种数据处理的新兴技术,在近几年得到惊人发展并已进入诸多应用领域。多传感器信息融合具有增强数据真实性、增加数据可用性、提高目标检测准确率和可靠性等优势[8]。Palacios-Morillo使用颜色与光谱信息数据融合的方法来对不同辛辣程度的辣椒进行分级。金作徽等利用加速度传感器对称重传感器信号的动态补偿校准和支持向量回归方法,开发了一个用于在线核桃质量检测的多传感器信息融合系统来实现对核桃质量的在线检测。

综上所述,国内外学者在棉花回潮率检测方面的相关研究较多,且大多依据单一原理进行回潮率检测。针对以上问题,本文使用信息融合技术对籽棉回潮率检测方法进行探索,为开发一种基于电阻和电容信息融合的籽棉回潮率检测系统提供基础。首先,提出采用平行板结构集成电阻检测板与电容检测板采集回潮率信息,使用标准电阻和标准电容分别对电阻检测板和电容检测板进行可靠性验证;然后,进行单一电阻法、单一电容法、电阻电容信息融合法与八篮烘箱方法的籽棉回潮率检测对比试验。同时,采用有监督的机器学习算法通过数据训练对籽棉样本的电阻值、电容值和八篮烘箱测量值进行信息融合,利用多元线性回归(MLR)、偏最小二乘回归(PLSR)、支持向量回归(SVR)和反向传播神经网络(BPNN)算法进行信息融合建模,并通过建立评价指标体系选出较优的模型。

1 材料与方法

1.1 基于电阻电容信息融合的籽棉回潮率检测原理及试验平台

1.1.1检测原理

依据电阻法和电容法检测籽棉回潮率的原理及特点,提出了一种平行板传感器。该传感器整体设计为平行板式,分为上下两个空心圆板,上圆板为电容的正电极,下圆板为电容的负电极,而两电极间的介质空腔为电容的介质层,如图1所示。根据试验平台的压棉装置结构,设置平行板传感器的正负极之间的距离L=20mm,设置平行极板外径D=290mm。当内径d=270mm时,测得的电阻值与电容值的预测回潮率可覆盖被测棉样的回潮率区间为4%～14%。

图1 平行板传感器结构Fig.1 Parallel plate sensor structure

融合检测原理示意图如图2所示。检测时,使用自制平行极板同时作为电阻检测正负极和平行板电容器上下极板,设置切换电路使电阻值检测与电容值检测交替进行,电阻值通过电阻检测板的串口返回,电容值通过电容检测板自带的LabView软件读取;将电阻值和电容值保存在同个文件夹内,使用python软件提取电阻值与电容值并在原始数据上进行信息融合与回潮率预测。

图2 信息融合检测原理示意图Fig.2 Schematic diagram of information fusion detection principle

1.1.2试验平台

籽棉回潮率检测系统结构如图3所示。其硬件部分主要包括传送模块、压棉模块、棉样盒、平行极板、光电传感器、机架、PLC控制单元和计算机等;软件部分主要包括系统控制模块和回潮率预测模块。

1.光轴固定板 2.电动推杆 3.光轴 4.定位座 5.压棉板 6.平行极板 7.机架 8.传送带 9.对射型光电传感器 10.棉样盒图3 籽棉回潮率检测系统结构示意图Fig.3 Structure diagram of cotton moisture regain detection system

1.2 电阻与电容检测板可靠性验证试验

1.2.1电阻检测板可靠性验证试验

使用标准电阻对试验平台中采用的电阻检测板(MJAZ-I-R型,郑州棉麻工程技术研究所)进行可靠性验证。标准电阻采用民中电工仪器厂ZX21型旋转式电阻箱,准确度等级0.1级,测量范围0～99999.9Ω,标准温度20℃。试验主要利用单因素试验的方法,研究标准电阻与测量电阻值之间的关系。标准电阻使用旋转式电阻箱调节获得,测量电阻值使用MAJZ-I-R型电阻检测板测得,使用数据分析软件SPSS对测得的两组数据进行统计分析。

1.2.2电容检测板可靠性验证试验

使用标准电容对试验平台中采用的电容检测板(AD7746EB,Analog Devices)进行可靠性验证。电容检测板满刻度电容变化范围±4pF,准确度4fF,工作温度-40～125℃,标准电容采用瓷片电容器(电容大小1pF、2pF、4pF)。利用单因素试验的方法,研究标准电容与测量电容值的关系。测量电容值使用AD7746EB电容检测板,由于电容检测数值微有浮动,每个电容值测10组数据取其均值;使用数据分析软件SPSS对两组数据进行统计分析。

1.3 试验样本制备

以收购环节籽棉为研究对象,试验所用籽棉均来自新疆石河子总场,如图4所示。所有样本制备前置于干燥环境中3个月,使得所有样本的初始条件相同(回潮率均低于4%)。在此,共制备100组籽棉样本,回潮率水平在4%～14%之间,此时的样本水分含量能够覆盖籽棉在自然情况下所能达到的水分含量区间。通过全自动智能型恒温恒湿培养箱(HWS-80B,北京市恒诺利兴科技有限公司)调湿来制备棉样,具体制备方法如下:

图4 籽棉样本Fig.4 Seed cotton samples

1)将棉样分成10组,每组3500g,制备回潮率水平为4%～14%之间的籽棉样本;

2)将3500g棉样分成10份,使用精度0.01g的电子天平(天孚牌系列天平,常熟市金羊砝码仪器有限公司)每份称取350g,分别编号1～100;

3)将分好的棉样置于恒温恒湿箱中调湿,恒温恒湿箱参数设置:温度30℃,湿度调节45%～90%RH,培养时间为2h;

4)培养完成后重新称重,取350g棉样装入密封袋中静置。

所有棉样静置3h以上,在精度为0.01g的天平上定期称重;当连续3次所称质量与前次质量之间的变化小于0.01 g时认为棉样达到了吸湿平衡[11]。

1.4 数据采集

1.4.1籽棉电阻值与电容值采集试验

室内温度24～28℃,室内湿度27%～28%RH。制备好的100组棉样,每组350g,取300g用于籽棉回潮率检测试验平台测得棉样的电阻值与电容值。电阻值通过电阻检测板测得,因为测得数据有轻微浮动,故测3次取其平均值。电容值通过电容检测板测得,因为电容数据易受周围环境影响而变化,故对电容值变化曲线进行滤波处理以获得较稳定的电容值。

1.4.2籽棉真实回潮率采集试验

烘箱法[12](GB/T 6102.1-2006)是国家标准规定的棉花回潮率检测方法。剩余的50g棉样用于八篮恒温烘箱(YG767,常州市第一纺织设备有限公司)检测,其硬件参数如下:室温-150℃,控温精度 ±1℃,干燥时间不超过40min,可测得被测棉样的真实回潮率。制备好的100组棉样其真实回潮率数据分布覆盖了回潮率4%～14%的区间。真实回潮率的计算公式[13]为

(1)

式中W—棉样所含水分的质量对棉样干燥质量的百分比,即回潮率;

W2—棉样实际质量,即实重或湿重;

W1—棉样干燥质量,即干重。

1.5 数据预处理方法

1.5.1归一化

归一化是数据标准化的方法之一,将有量纲的数据转换为无量纲的数据,把数据映射到[0,1]范围内[14]。计算公式为

(2)

其中,x为当前值;min为最小值;max为最大值;x*为归一化值。

1.5.2异常数据剔除

马氏距离(Mahalanobis distance)是度量学习中一种常用的距离指标,基于马氏距离的异常值检测是数据处理的常用方法。用于计算某一点A到某一总体G之间的距离测度[15],其公式为

(3)

其中,A为某一样本点的值;G为某一总体;μ为G总体的各维度均值;Σ为F总体的协方差矩阵。

1.6 信息融合方法

1.6.1硬件条件与数据集划分

硬件环境为联想XiaoXinAir14ALC,CPU为AMD Ryzen 5 500U with Radons Graphhics 2.10GHz处理器,内存16G;系统为Windows 11家庭中文版64位。软件开发的编程软件环境为Python3.9,同时导入NumPy、Pandas、Scikt-Learn、OpenCV-Python和Tkinter等模块库为基础开发条件。

在训练模型之前,首先对采集的棉样数据进行整理和数据集的划分,以棉样的电阻值和电容值作为输入,以棉样的真实回潮率作为输出;之后,将100组样本按照7:3的比例划分为训练集和测试集,将变量和预测数据分别存入数据表。

1.6.2信息融合模型

1)多元线性回归。回归分析是用来评估变量之间关系的统计过程。线性回归(Linear regression,LR)可以解释自变量X与因变量Y之间的关系,即因变量怎样随着自变量的变化而变化。一般线性回归只有一个自变量,多元线性回归(Multiple linear regression,MLR)就是一般线性回归有多个自变量的情形[16]。多元线性回归的表达式可以写成

y∧=w1·x1+w2·x2+…+wn·xn+b

(4)

其中,x为自变量;w为每个x的影响力度,即权重;n为特征的个数;y＾为预测值;b为截距。

2)偏最小二乘回归。偏最小二乘回归(Partial least Squares Regression,PLSR)是一种多因变量Y对多自变量X的回归建模方法,其在建立回归的过程中既考虑了尽量提取Y和X中的主成分(Principal Component Analysis,PCA),又考虑了使分别从X和Y提取出的主成分之间的相关性最大化[17]。

3)支持向量回归。支持向量回归(Support Vector Regression,SVR)是一种回归算法,工作原则类似于支持向量机(Support Vector Machine,SVM),可以说SVR是SVM在因变量为数值变量或连续变量情况下的应用。SVR的基本思想是通过φ(x)将非线性的低维不可分割数据x映射到高维特征空间F,并在该特征空间中执行线性SVR,支持向量回归算法主要由核函数、损失函数、容量控制来确定[18]。

4)反向传播神经网络。反向传播神经网络(BackpropagationNeuralNetwork,BPNN)被认为是最常用的预测方法,由输入层、隐藏层和输出层3层组成,如图5所示。其中,隐藏层在输入层和输出层之间传递着重要的信息[19]。

图5 神经网络结构Fig.5 Neural network structure

1.6.3评价指标

对籽棉回潮率检测模型的评测有两个标准,即回潮率检测准确率和运行效率。检测准确率通过对比回潮率预测结果与真实回潮率检测结果获得,运行效率是通过对检测程序的运行时间进行计时获得。

1)回潮率检测准确率。决定系数R2在0～1之间,越接近于1,说明模型的预测效果越好;越接近于0,说明模型的预测效果越差;当然也存在负值,此时说明模型的效果非常差[20]。

(5)

均方根误差(RMSE)是计算每一个样本的预测值与真实值差的平方,然后求和再取平均值。该指标计算的是拟合数据和原始数据对应样本点误差的平方和的均值。均方根误差就是在均方误差的基础上再开方,其值越小说明拟合效果越好[21]。

(6)

2)运行效率。主要指运行时间t,对系统软件的运行时间测试利用Python中的time()函数实现的。

2 结果与分析

2.1 电阻与电容检测板可靠性验证

在ZX21型旋转式电阻箱的量程内取14个值测量,获得标准电阻与测量电阻数据。对标准电阻与测量电阻值进行回归拟合,结果如图6(a)所示。由图6(a)可知:测量电阻值随着标准电阻的增加而增加,其拟合曲线为y=0.976x-0.310,决定系数R2=0.9998。这表明,电阻检测板可靠,可用于籽棉回潮率的检测试验中。

图6 可靠性验证回归分析结果Fig.6 Reliability verification regression analysis results

对标准电容与测量电容值进行回归拟合。结果如图6(b)所示。由图6(b)可知:测量电容随着标准电容的增加而增加,且两组数据基本一致,其拟合曲线为y=0.9603x+ 0.07558,决定系数R2=0.9662。这表明,电容检测板可靠,可用于籽棉回潮率的检测试验中。

2.2 数据预处理结果

2.2.1数据归一化

在进行数据分析之前,对收集的数据进行了整理和描述性的统计分析。试验获得的数据中,电阻值的单位为0.1kΩ,电容值的单位为 pF,八篮烘箱获得的回潮率测量值单位为 %。因此,需要对采集到的3组数据进行归一化处理,统一量纲。在此,数据预处理采用数据分析软件SPSS,数据采集及其归一化数据统计结果如表1所示。

表1 数据采集及其归一化Table 1 Collected data and normalization

2.2.2异常数据剔除

对归一化后的3组数据进行三维马氏距离判别剔除异常样本,判别结果如图7所示。其中,x轴R_ko为归一化后的电阻值,y轴C_pF为归一化后的电容值,z轴M_eb为归一化后的八篮烘箱测量回潮率值。使用这3组数据在三维空间中画出散点图,用圆形(o)绘制所有样本点,星号(*)代表检测出的异常值。由判别结果图可以看出:本数据中无异常值,无需进行异常样本剔除处理。

2.3 不同模型结果对比

采用多元线性回归模型MLR、偏最小二乘回归模型PLSR、支持向量回归模型SVR和反向传播神经网络模型BPNN对测试集数据分别进行单一电阻、单一电容和信息融合建模,测试集模型评价结果如表2所示。由表2以看出:基于电阻电容信息融合的籽棉回潮率检测方法预测效果优于单一电阻和单一电容的检测方法。

表2 信息融合模型回潮率评价结果Table 2 Evaluation results of moisture regain of information fusion model

4种模型中的信息融合模型预测结果均优于单一电阻或单一电容的模型预测结果。其中,MLR由于使用线性函数对数据进行拟合,拟合结果对数据的表达度不高,因此MLR的评价结果均低于其他3种。PLSR是在MLR的基础上增加了主成分分析和相关性最大化的基本算法,由于模型参数较少,不用提取主成分,因此PLSR的检测结果与MLR基本一致。SVR允许在不改变解释变量的情况下构建非线性模型,由于其对模型的解释度较好,SVR的单一电阻模型、单一电容模型和信息融合模型的RMSE和R2相对于MLR和PLSR都有了明显的提高。BPNN信息融合模型的RMSE为0.0504%,均方根误差相对于MLR和PLSR降低了0.0738个百分点、相对于SVR降低了0.0583个百分点;决定系数R2为0.8966,决定系数相对于MLR和PLSR提高了0.1656,相对于SVR提高了0.1028。PLSR的程序运行时间为0.0100s,SVR的程序运行时间为0.0898s,BPNN的程序运行时间为0.6690s,由于神经网络结构的复杂性,BPNN的运行时间相对于PLSR和SVR较高,但低于1s,在人的感官上区别不明显。也就是说,BPNN模型能够有效提升籽棉回潮率的检测精度且检测速度较快,从而验证了提出方法的有效性。

3 结论

1)使用标准电阻和标准电容分别对基于电阻法和电容法的籽棉回潮率检测板进行可靠性验证试验,利用SPSS对试验数据进行回归分析,结果决定系数R2分别为0.9998、0.9662,证明了以上两个检测板的可靠性。

2)对比分析了单一电阻法、单一电容法、电阻电容信息融合法检测数据的决定系数和均方根误差,表明电阻电容信息融合方法的回潮率检测效果较好。对比了线性回归方法(MLR)、偏最小二乘回归(PLSR)、支持向量回归(SVR)、反向传播神经网络(BPNN)等4种算法的籽棉回潮率检测系统决定系数R2、均方根误差RMSE和运行时间t,结果表明:BPNN算法的各项评价指标最高,决定系数R2为0.8966,均方根误差RMSE为0.0504%,程序运行时间t为0.6690 s。

3)提出的电阻电容信息融合的籽棉回潮率检测方法适用于收购环节的机采籽棉。该方法优于传统的单一电阻和单一电容籽棉回潮率检测方法,能更快速、准确地测得籽棉回潮率,为收购环节籽棉回潮率检测提供了新思路。