粮仓粮食数量监测技术研究现状与展望

李 智, 张艳飞, 杨卫东, 但乃禹, 李 磊, 张 蕙, 陈卫东

(河南省粮食光电探测与控制重点实验室1,郑州 450001)

(河南工业大学信息科学与工程学院2,郑州 450001)

(粮食储运国家工程研究中心3,郑州 450001)

(河南工业大学粮食和物资储备学院4,郑州 450001)

粮食作为经济社会平稳发展的基础,提高粮食安全保障能力对维护社会经济稳定发展至关重要,因此需加快建设国家粮食安全产业链[1-3]。粮食安全也是国家安全的重要组成部分,主要目标包括数量真实、质量良好、储存安全[4-6]。由于粮食库存数量庞大且储存周期较长,监管难度较大,亏库、虚报库存、以陈顶新等违法违规事件时有发生。为加强监管,国家有关部门定期组织粮食库存检查,包括每十年进行一次的全国政策性粮食库存数量和质量大清查,以及每年的政策性粮食抽查等,重点对库存粮食数量、质量、轮换、购销政策执行等方面进行检查。

清查和抽查基本上依靠传统人工方式进行检查和稽核,存在效率低、成本高等问题。除依靠人工检查的方式外,近年来在粮食数量监测方面也出现了一些新技术。目前常见的粮仓粮食数量监测技术有压力传感器、三维激光扫描、超声波、雷达、图像处理等,还可利用粮仓粮温时空相关性判断粮食库存状态。文章从成本、效率、精度、操作复杂程度、系统维护便捷性等方面对上述粮食数量监测技术的优缺点进行了分析,最后对粮仓粮食数量监测技术的未来发展趋势作出了展望。

1 研究现状

目前关于粮仓粮食数量监测的方法主要分为2类:一类是直接测量法,包括人工称重和压力传感器测量;另一类是间接测量法,通过利用各种技术手段测量粮仓体积、结合粮食密度从而间接获得粮食数量,主要运用的技术有三维激光扫描技术、超声波技术以及图像处理技术等。关于粮仓粮食库存状态也可基于粮温时空相关性进行判断。

1.1 压力传感器技术

压力传感器可感受压力信号,进而获取粮仓的压力信息。通过在粮仓分散设置大量压力传感器,收集到粮食对粮仓侧壁以及粮仓底部的压力,利用压力与粮仓内粮食重力的转换关系,可得到粮食数量。

由于粮仓粮堆的形状不规律,粮仓侧壁与粮食摩擦力的影响会导致粮仓侧壁压力传感器测量结果不精确。张德贤等[7,8]通过分析与研究,证明了在粮堆成分复杂以及摩擦力的影响下,会导致压力传感器输出的数值具有随机性,为提高粮仓压力值测量的准确性,建立了粮仓压力传感器布置模型和粮仓储粮数量检测模型,最后实验结果误差小于3%。

此外,压力传感器输出的异常值也影响检测结果的准确性。为降低异常值对检测结果的影响,张鑫基于深度学习算法对压力传感器检测得到的数据进行了分析和优化,设计了双圈传感器布置模型(如图1所示),针对实际测量中传感器输出会有异常值的情况,提出数据预处理的方法并设计了基于深度学习的储粮数量检测模型,实验结果证明该模型有效克服了异常值的影响,提高了检测精度[9]。徐路路等[10]在张鑫[9]的模型基础上进行了改进,采用BP神经网络对重构数据进行拟合,提高了储粮数量检测的智能性。如今也基于神经网络设计了储粮数量检测模型,在对多种仿生优化算法进行对比之后,选择蚁群优化算法对单圈压力传感器的目标矩阵进行降维优化,实验结果表明,储粮数量检测模型误差基本控制在1%以内[11]。

图1 双圈传感器布置模型[9]

1.2 三维激光扫描及其他测距技术

通过三维激光扫描和其他测距技术可得粮仓粮堆体积,结合粮堆密度计算得出粮仓粮食数量。

1.2.1 三维激光扫描技术

三维激光扫描技术又称实景复原技术,主要依靠激光进行测距、角度测量、扫描等操作[12]。其中激光测距是三维激光扫描技术的重要组成部分之一,可得到被测物体的纹理、三维坐标等信息。该技术的出现很好的解决了以往人工测量粮仓粮食数量效率低、准确度不高、劳动强度大等问题。

三维激光扫描粮仓后获取的原始点云数据需进行去噪、简化等预处理工作。丁孝银等[13]选用Leica Scan Station2三维激光扫描仪作为采集数据的实验仪器,通过对粮仓进行实地勘测,得到三维点云数据,在对数据拼接、滤波、去噪等操作后建模,最后计算得到粮堆体积。王卉采用组合滤波的方法对点云数据进行去噪处理,使用随机采样一致性算法分割冗余的地面点云,并精简点云数据,最后利用投影法求得料堆体积,不仅可以防止精简数据时丢失信息,还可提升测量效率[14]。

此外,为了满足实际应用需要,还需对点云数据进行表面重建,其中表面重建通常采用三角剖分法。该方法将每个三角形与三维激光扫描仪采集到的粮面高度信息进行空间拟合。陈博等[15]采用Delaunay三角剖分法对激光扫描采集的散乱点云数据构建三角网络,还原未获取的点云数据,具体过程如图2所示,最后拟合得到粮堆三维视图,得到粮堆体积,进而求出粮食数量。

图2 三角形网格划分过程框图[15]

为了解决粮堆体积测量精度不高,粮堆密度测量方法落后的问题,杨雷东等[16-19]提出一种粮仓储粮数量探测的新方法,该方法结合三维激光扫描和电磁波技术,首先采用三维激光扫描技术获得完整的粮堆三维点云数据,利用反光点与被测粮仓的位置关系,还原出仓壁、仓底的位置,得到粮堆的体积;之后,借助介质的介电常数与其密度之间的关系,通过探地雷达等电磁波技术测量在不同密度下的粮堆密度对应的介电常数,推断出粮堆密度与介电常数的关系,进而得到粮堆密度。根据粮堆体积和堆积密度,可得到粮仓粮食的具体数量。

为提升便携性,吴才章等[20]设计了手持式的粮食库存数量检测仪器,该仪器主要测量粮仓高度信息,以微处理器为控制核心,与激光测距传感器和倾角传感器相结合的方法。经验证,该仪器在粮库实地检测效果良好,误差均在3%以内。

1.2.2 其他测距技术

除激光测距技术以外,其他例如超声波、雷达、红外线等测距技术的测量精度也比较高。其中超声波和雷达技术目前在粮仓粮食数量监测方面进行了初步应用,具有测量精度高、应用范围广泛等优点,但易受到外界因素干扰,对环境要求比较高。

1.2.2.1 超声波

超声波是一种测距的技术,其原理是利用超声波在介质中传播遇到物体会反射回波,根据已知超声波在介质中的速度和传播时间,可计算出仪器与被测物体的距离。

超声波检测具有速度快,灵敏度高,精度较高,测量仪器比较小、方便测量等优点,可实时输出测量结果。林翰利用超声波的优点和测距原理,得到粮面到仓顶的距离,并设计了粮食仓储管理系统。该系统以可视化的方式实时查看粮仓的粮食数量以及变化情况[21]。

1.2.2.2 雷达

雷达是一种特殊形式的电磁波,在真空或环境变化大的条件下也能传播,可穿透气体、蒸汽、粉尘等干扰源,具有传播速度快等特点,在工业测量中应用较为广泛。

雷达天线在粮面移动,可实现对粮仓水平面整体和垂直面分层的扫描,进而实现对粮仓粮堆体积和粮食数量的动态监测。张新新等[22]提出基于雷达电磁波对粮仓粮食数量测量的方法,该方法根据雷达电磁波在粮堆不同深度的反馈的信息不同,计算出介电常数分布,进而得出粮堆在不同深度下一维密度,最后多次对粮堆进行纵横扫描得到粮堆密度三维立体分布,假设粮堆体积已知,通过积分即可求得粮堆重量。该方法具有测量范围大,避免布设大量电缆,效率更高,受外界干扰小等优点。

根据雷达反射的特点,通过雷达扫描也可得仓内三维图像,目前世界上已有相关的仪器被投入使用在仓库物料中,如俄罗斯生产的3D雷达物位扫描仪[23],其原理是利用内置5个天线连续发送电磁波,多点扫描,该仪器可实现对料面不间断扫描,测量范围比单点雷达更大,穿透性也更强,精度更高。通过传感器采集反馈的信息,并经过三维立体成像技术得到仓内三维图像。在粮食行业,Enes[24]提出基于宽波束雷达的粮位测量方法,主要利用三根天线发送电磁波,得到粮食表面的笛卡尔坐标,从而得到粮面的三维高度信息,并推导出相应的公式计算出粮仓粮食的体积,实验结果误差小于3%。

1.3 图像识别技术

主要包括单目测量和双目测量技术。

1.3.1 单目测量

单目测量主要根据单个摄像头获取图像信息,通过二维图像中的深度信息来获取三维空间物体信息。该方法具有结构简单,成本低,原理简单等优点,但单个摄像头采集的二维图像信息较少,需加入足够的先验知识才能准确构建三维立体模型。

针对袋装粮数量的测量,利用单目视觉准确识别袋装粮的边缘信息是判断粮食数量的关键。为得到粮仓袋装粮数量,林鹰等结合边缘检测等平面图像识别技术,主要利用监控采集粮仓的图像,运用中值滤波技术对图像降噪处理,采用sobel边缘检测算子并选取阈值提取出目标的边缘信息,根据袋装粮食的特点采用闭合化的方法对图像中粮袋数目进行计数,最后得到粮仓袋装粮的数量[25]。

针对大型散装粮库,通常会为了方便储存和管理,对粮面进行刮平处理,使粮面近似为一个平面,因此若得到粮面深度信息和粮库底面积,就可求出粮库的粮食数量。不过单目视觉并不能直接通过图像测量粮面的深度信息。为此,有研究设计了基于图像处理的自动调焦系统[26-28],如图3所示。该系统通过变焦镜头获取焦距和像距双脉冲数,根据光学成像原理分析出焦距、像距与物距之间的关系,选取Brenner函数评价图像的质量并用搜索算法选出清晰图像。其中刘崇展[28]在张戈[26]的基础上进行大量实验并建立数据库,通过神经网络对数据进行训练,得到焦距和像距跟物距之间的非线性关系,并解决了单目视觉测距精度不高,响应速度慢等问题。实验结果相对误差小于3%,且最大方差为1.850,系统整体比较稳定。

图3 基于图像处理的自动调焦系统[27]

1.3.2 双目测量

双目视觉可采集到图像深度信息,克服单目测量采集信息不完整的缺点,具有非接触、高精度、快速等优点。针对袋装粮,方兴林[29]提出一种基于双目立体视觉的储备粮数量智能识别算法,该算法选择粮袋边缘作为匹配基元,针对双目立体视觉中的立体匹配问题提出基于链码向量的边缘特征立体匹配算法,为了克服获取视差信息算法单一的缺陷,提出了基于标尺识别的视差获取算法。

针对散装粮体积不规则难以直接测量的问题,丁嗣禹等提出一种基于双目视觉不规则堆料的体积测量方法。在图像预处理之后采用半全局块匹配的算法对图像信息进行立体匹配得到视差图,为使视差图效果更好,采用中值滤波等方法降噪,对于目标区域的提取用阈值分割算法,最后根据得到的堆料深度信息和三维坐标信息,采用基于每个像素点求出平均深度,计算得出堆料体积,堆料体积测量示意图如图4所示[30]。梁乐[31]不仅基于半全局立体匹配算法进行不规则物体体积测量,还实现了基于图论的最小分割算法的体积测量。通过实验,得到采用基于图论最小切割的匹配算法测量的平均误差为3.6%,比半全局立体匹配算法更精确,适合用在静态不规则物体体积的测量。

图4 堆料体积测量示意图[30]

1.4 基于粮温时空相关性

除几种能具体测出粮仓储粮数量的监测方法外,还可利用不同状态下粮仓温度分布的差别来判断粮仓库存状态,为清仓查库工作提供线索。通过对粮仓温度监控还可分析和预测粮堆结露和霉变位置[32,33]。目前我国大部分粮库都已经安装温度测量系统,若利用这些温度测量系统得到的历史数据判断粮仓库存状态,将会节省加装其他传感器带来的成本增加问题。崔宏伟等[34]通过分析粮温时空相关性,设定粮堆异常判断阈值,并设计了储粮数量监管系统。但该系统只能检测粮仓异常时段,具体判断粮仓库存状态还需人工分类。

针对需大量人工进行粮仓库存状态归类分析的问题,朱浩天[35]将粮仓库存状态分为数量异常和质量异常,统计分析了粮温数据的变化规律,结合储粮基本状态提取关键阈值,并根据阈值设计了储粮监管系统,实现对储粮基本状态的分析判断。为进一步提高对储粮状态判断的准确性,Wu等[36,37]归纳总结粮仓状态对应的历史粮温统计特征,最终实现监测粮仓库存数量以及质量的变化,并提出一种基于储粮温度场时空分布的分析算法,可分析温度场的特征和不规则性,并在500多个粮库中的历史温度数据中进行测试,实验结果平均准确率达到94%。

2 对比

关于粮仓粮食数量的测量,文章主要介绍了压力传感器、激光,超声波,雷达测距技术、图像识别等技术。技术的主要检测原理和优缺点如表1所示。

表1 几种粮仓测量方法的对比

3 总结与展望

文章主要综述了几种关于粮仓粮食数量的监测技术以及应用现状,分析了压力传感器、测距以及图像处理等技术在实际应用中成本、效率、精度、系统操作复杂度等方面的优缺点,最后对未来粮仓粮食数量监测技术的发展进行展望。目前部分成果已经在粮食行业得到了实际应用,并取得了较好效果。随着科学技术的进一步发展,将为粮食行业的粮食数量监测和信息化监管提供更好支撑。

实时、高效、低成本的粮仓粮食数量检测技术已经成为未来发展的趋势。目前现有的粮仓粮食数量监测技术虽能够在一定程度上减轻粮食数量清查的工作量,但成本偏高、部署复杂。随着机器视觉技术的发展和边缘计算设备算力的提升,基于单目视觉的图像识别技术成本低,部署便捷,可利用粮仓内已有的摄像机采集粮堆图像信息,采用图像分割技术获取边缘像素坐标,对比分析粮面边缘像素变化情况从而对粮食数量变化进行动态监测,并通过借助参照物信息计算粮仓粮堆体积和粮食数量,进而实现粮仓粮食数量的动态监管。该方法易实现、成本低、效率高,可为今后粮仓粮食数量监测工作提供新的思路。