冲量式谷物流量传感器测产信号处理方法

为研究冲量式谷物流量传感器背景振动噪声的提取及剔除方法,以减小背景振动噪声对其测产精度的影响,设计了一套冲量式谷物流量传感器室内标定台架,通过变频调速器控制驱动电机实现输粮搅龙和刮板升运器转速的改变以模拟联合收割机的不同田间工况,并对双板差分冲量式谷物流量传感器的测产信号处理方法进行了研究。通过算术均值滤波初步滤除测量板和参考板输出信号中的随机噪声,通过对参考板滤波输出信号的离散傅里叶变换(discrete Fourier transform,DFT)提取背景噪声的频谱特性,通过测量板和参考板DFT结果的频域差分实现测量板输出信号中背景噪声的剔除,对频域差分结果进行离散傅里叶逆变换(inverse discrete Fourier transform,IDFT)即可得到剔除了背景振动噪声后的传感器输出信号,再对其进行二次算术均值滤波,即得到最终的测产输出信号。通过室内台架标定,建立了谷物籽粒流量与测产输出信号和升运器速度之间的标定模型,并进行了室内模拟测产试验。试验结果表明:谷物流量范围为0.5~2.3 kg/s时,在不同的变频调速器输出频率下,最大测产误差不大于3.1%,测产精度较高且比较稳定,频域差分处理方法能较好地实现双板差分冲量式谷物流量传感器背景振动噪声的剔除。该研究可为冲量式谷物流量传感器测产系统的开发提供参考。     

嵌入式谷物流量传感器设计与试验

为进一步提高双平行梁谷物测产系统的集成度以便于推广应用,提出一种嵌入式谷物质量流量传感器。设计了基于混合信号控制器HY16F188和嵌入式处理器STM32F405的信号采集处理模块。其中HY16F188负责谷物冲击信号的后置放大和AD转换,STM32F405则主要完成自适应噪声对消算法,输出谷物质量流量信号。基于MFC设计了配套的上位机软件,用于谷物产量显示、存储和产量图生成。为验证传感器性能,2016年11月在扬州市江都区的实际生产稻田进行了空载振动试验、标定试验、测产试验。空载振动试验分成原地小油门、原地大油门和行走等3种工况,振动干扰噪声幅度降低了97.4%。标定试验中采用线性关系对传感器进行标定,通过直线拟合获得了标定系数。选择3个不同田块开展测产试验,共计进行8次实际测产试验,获得了产量分布图,可以直观看出农田各位置的谷物产量分布情况。大田测产试验结果表明最大测量误差小于7.4%。该研究可为精准农业谷物在线测产研究提供参考。     

小波包-局部最相关算法提高土壤有机碳含量高光谱预测精度

高光谱遥感可以实现水稻土排水期有机碳含量的快速预测,但土壤反射率受多种噪声的影响,有机碳光谱信号探测受阻,预测模型性能低下,如何在去除噪声的同时最大限度地保持有机碳光谱信号十分重要。以原状新鲜水稻土为研究对象,采用Bior1.3小波系对反射光谱进行1~7层小波包变换,通过相关分析确定最大分解层;将原始反射率至最大分解层以内的各层光谱相关系数组成相关系数集,采用局部最相关算法(local correlation maximization,LCM)构造土壤有机碳最优光谱;最后基于最优光谱建立有机碳含量偏最小二乘预测模型并进行分析。结果显示:1)随着小波包分解层数的增加,土壤反射率与有机碳含量的相关性不断增强,到第6层达到最高,确定为小波包最大分解层;2)基于LCM构造的最优光谱比未去噪光谱平滑,比小波包去噪光谱保留了更多光谱细节;3)未去噪光谱、小波包去噪光谱和LCM最优光谱有机碳预测模型的验证决定系数分别为0.693、0.727和0.781,均方根误差为1.952、1.840和1.679 g/kg,残留预测偏差为1.85、1.97和2.17。小波包-局部最相关算法在去噪同时有效保持了土壤有机碳光谱信号,可提高水稻土有机碳含量高光谱预测精度。     

基于双树复小波包变换的滚动轴承故障诊断

针对滚动轴承故障的振动信号具有非平稳特性,存在强烈噪声干扰,难以提取故障特征频率的情况,提出了基于双树复小波包变换阈值降噪的故障诊断方法.首先将非平稳的故障振动信号进行双树复小波包分解,得到不同频带的分量;然后对每个分量求其峭度值和相关系数并进行比较;最后选取峭度值和相关系数较大的分量进行软阈值降噪和双树复小波包重构,即可有效地消除振动信号中噪声的干扰,同时保留信号中的有效信息即实现了故障特征信息的提取.本文对轴承外圈故障试验和实际工程数据进行了相关分析,并对比传统离散小波包降噪的效果,本文方法处理后的信号冲击周期性更好,较理想地去除了噪声的影响,验证了该方法可以有效地去除噪声并提取滚动轴承故障的特征信息.     

Contourlet变换为农产品图像去噪的有效方法

农产品图像去噪是农业图像处理中最基本、最重要的工作之一。现有小波去噪方法存在各向同性的缺陷,从而限制了其去噪的效果。针对这一问题,提出了一种基于Contourlet变换的农产品图像去噪算法,该方法充分利用了Contourlet变换具有的多分辨率、各向异性和稀疏性的优点。算法首先对含噪农产品图像进行塔形方向滤波器组(pyramidal directional filter bank,PDFB)分解,然后通过多尺度萎缩阈值进行高频子带去噪,保留信号系数并抑制噪声系数,最后通过Contourlet反变换得到去噪后的图像,实现农产品图像的去噪。为了验证Contourlet变换的去噪效果,分别采用小波去噪、中值滤波、均值滤波、高斯滤波和维纳滤波对常见农产品图像进行了对比试验。试验结果表明,基于Contourlet变换的图像去噪方法应用于农产品图像去噪具有信噪比高、视觉效果好等优点,将Contourlet变换用于农产品图像去噪是有效的、可行的。     

基于光电传感技术的薄层水流流速测量系统构建与试验

为减小染色法测量坡面水流流速的误差,提高染色法测量准确度,根据染色示踪剂在水中扩散引起颜色发生变化的特性,结合漫反射型模拟量光电颜色传感器和数据采集卡采集信号,通过小波变换对信号进行去噪,研发一种基于光电传感技术的薄层水流流速测量系统。以流量法为参照,确定该系统传感器最优数据采集距离为0.6～0.8 m;传感器数据采集距离为0.7 m时,该系统测量数据最小相对误差仅为0.48%,变异系数15%。相比染色法,该系统与流量法拟合的决定系数在0.90以上,大于染色法的决定系数0.75。表明薄层水流流速测量系统优于染色法,可以用坡面薄层水流试验研究中。     

基于自适应小波偏微分方程的蝗虫切片图像去噪

蝗虫显微切片图像在获取的过程中不可避免地会受到噪声污染,其纹理、边缘与噪声又都属于高频分量,单独使用小波变换或偏微分方程(partial differential equation,PDE)扩散的方法都不能在有效去噪的同时保持边缘、纹理等。针对这一问题,提出了基于自适应小波PDE的去噪算法。首先对蝗虫切片含噪图像进行sym5小波软阈值去噪,分解层数根据去噪后图像的PSNR(peak signal to noise ratio)值自适应地选择,阈值门限使用Birge-Massart处罚算法获取。然后在此去噪的基础上进行Perona-Malik(PM)模型去噪,迭代次数根据去噪后图像的PSNR值自适应地选择,梯度阈值根据图像自身的2范数获取。为了验证所提出算法的去噪性能,进行了与常用去噪算法的对比试验。试验结果表明:视觉上,采用本文算法去噪后的图像噪声点较少且边缘、纹理清晰;客观上,采用该文算法去噪后的图像PSNR值比使用维纳滤波高出2 d B左右,比使用中值滤波高出3 d B左右,比使用小波阈值去噪高出2 d B左右,比使用PM模型去噪高出1 d B左右,并且在结构相似性(structural similarity image measurement,SSIM)上采用该文算法去噪后的图像与原始图像的相似度最高。因此,将自适应小波PDE的算法应用于蝗虫切片去噪是可行的、有效的,为其后续处理提供了技术支持。     

基于双树复小波包变换能量泄漏特性分析的齿轮故障诊断

为有效利用双树复小波包变换提取齿轮故障特征信息,提出基于双树复小波包能量泄漏特性分析的故障诊断方法。首先根据高斯白噪声频率充满整个频带的特性,通过双树复小波包变换对高斯白噪声进行分解,利用频带能量泄漏的定量分析方法,验证了双树复小波包变换具有较低的频带能量泄漏特性;其次利用双树复小波包变换逐层分解信号,对每层分解所得分量求其FFT谱的峭度,得到基于双树复小波包变换的谱峭度图,根据图中峭度最大的原则,可以自动准确的选择信号分解最佳层数和最佳分量;最后将基于双树复小波包变换的谱峭度图的故障诊断方法应用于实际工程中,对齿轮故障振动信号进行分析,选择最佳分解层数和分量后利用希尔伯特包络解调,有效准确地提取了故障特征信息,验证了方法的可行性和有效性。该研究可为旋转机械设备中齿轮箱故障诊断的故障特征提取提供参考。     

基于小波去噪与SVR的小麦冠层含氮率高光谱测定

为改进小麦冠层含氮率的高光谱测定模型,以正交试验筛选出小波去噪的最优参数组合（小波类型取haar,分解层数为5,阈值方案选择Fixed form threshold,噪声结构定为Unscaled white noise）,并利用去噪后的小麦冠层光谱建立偏最小二乘回归（PLS）模型,对不同预处理方法进行比较分析。发现采用小波去噪结合一阶导数能最有效消除原始光谱的背景信息,此时PLS模型校正集均方根误差（RMSEC）为0.260,预测集均方根误差（RMSEP）为0.288。对经一阶导数结合小波去噪后的光谱用主成分分析（PCA）进行降维,以前6个主成份为输入变量,建立最小二乘支撑向量机回归模型（LS-SVR）,其RMSEC与RMSEP分别为0.154与0.259,具有比PLS模型更高的精度。结果表明：以小波去噪结合一阶导数去除小麦冠层反射光谱中的土壤背景信息以提高模型的精度是可行的,且LS-SVR是建模的优选方法。     

基于层内和层间相关性的小波图像去噪

小波图像去噪已经成为图像去噪的主要方法之一。利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,传统的小波去噪方法大致有小波阈值收缩去噪算法、小波模极大值去噪算法。由于小波系数间存在很大的相关性,本文提出了一种基于层内和层间相关性的小波去噪方法,利用图像细节信息在不同尺度及同一尺度上的相关性进行滤波,达到对低信噪比的图像去噪的目的。在实验中,将本文去噪的结果与Donoho的硬阈值作了比较,结果显示本文方法能获得较好的去噪效果。     

基于称重法的联合收获机测产方法

针对精准农业田间信息获取技术的研究,提出了一种基于称重法的联合收获机收获粮食产量分布信息测量方法。该方法利用传统联合收获机的粮食传输特点,采用了螺旋推进称质量式技术实现了联合收获机产量流量测量,解决了计量装置、动力直接传输和有效信号提取等问题。利用短时小波滤波等方法处理实时流量数据,结合全球定位系统（GPS）定位信息实现了联合收获机粮食流量动态计量以及田间粮食产量分布信息的获取。试验结果表明,台架试验误差小于2%。该方法可以完成粮食产量分布信息的获取工作。     

希尔伯特变换与小波去噪提高暂态电能质量扰动检测与定位精度

在噪声污染严重情况下实现暂态电能质量扰动准确定位非常困难,该文提出了一种将希尔伯特-黄变换与小波去噪相结合的新方法来解决这一难题。该方法首先利用希尔伯特移相处理信号,获得含噪声的扰动信号包络,再利用小波去噪方法去除噪声信号,从而获得可准确定位扰动起止时刻的扰动信号,并通过扰动定位算法实现扰动起止时刻定位。算例表明,该方法在噪声较高的情况下可替代提升小波方法实现准确定位,通过比较,这种先提取、后去噪的方法比先去噪、后提取的方法定位精度高、稳定性好,该研究可为电力系统故障诊断及暂态保护提供参考。     

光电信号与收割机谷物产量数据转换模型的构建与验证

为了准确获取联合收割机作业过程中的谷物产量信息,自主研发了基于光电漫反射原理的联合收割机谷物产量计量系统。系统主要由传感器模块、数据采集模块、GPS模块和谷物产量计量显示终端组成。在研究了联合收割机田间工作状态和籽粒升运器刮板谷堆近似模拟形状的基础上,提出了分段式光电信号与收割机谷物产量数据转换模型。同时为了进一步消除收割机作业过程中产生的奇异点数据,提出了基于籽粒升运器转速的双阈值动态均值滤波的数据预处理方法。结果表明,采用该方法可以有效剔除奇异点数据,提高产量数据整体平滑度。田间试验结果表明,在考虑升运器转速条件下,该研究提出的分段式谷物产量数据转换模型动态验证误差小于3.50%,满足联合收割机谷物产量计量的实际需要。     

光电漫反射式联合收割机谷物产量计量系统研发与性能试验

为了进一步提高联合收割机谷物产量计量系统的精度,自主研发了基于光电漫反射原理的谷物产量计量系统。系统主要由传感器模块、数据处理模块、GPS模块和谷物产量计量显示终端组成。光电式谷物产量计量系统计量作业时,当联合收割机籽粒升运器刮板输送谷物经过漫反射型谷物体积传感器时,会间歇性的阻断光路,从而产生脉宽信号,脉宽信号大小与刮板上谷物厚度成正比,同时升运器转速传感器输出转速信号,谷物产量计量数据处理模块将采集到的2路传感器信号进行放大、滤波和A/D转换后与GPS模块采集的联合收割机行进速度、经纬度信息由RS485总线传输至光电谷物产量计量软件系统,经光电式谷物产量模型处理后,将产量信息、速度信息、位置信息等实时显示在终端上。为了验证光电式谷物产量计量系统的性能,分别开展了室内主要传感器性能台架试验和系统田间动态性能验证试验,试验中谷物喂入量在0.1~6 kg/s范围内,台架试验表明升运器转速传感器测量误差小于2.00%,漫反射型谷物体积传感器测量误差小于3.50%。田间动态性能验证试验结果表明光电式谷物产量计量系统运行稳定,系统检测结果与实际测量结果决定系数R~2达到0.848 4,测产误差最大为3.51%,满足田间实际测产需要,为精准农业变量作业提供了科学依据。     

谷物联合收割机远程测产系统开发及降噪试验

为降低田间振动干扰对谷物产量检测精度的影响,同时增加测产系统的实用性,设计了一种基于CAN总线技术、无线通信技术以及计算机网络技术的新型谷物智能测产系统。系统包括车载子系统和远程监测子系统2个部分,实现了谷物产量的现场监测、产量图绘制、远程监控与收获作业管理等功能。车载部分设计了弧形冲量传感器,提出了机械减振和双板差分方法来降低收割机振动对谷物流量测量的影响,采用数字阈值滤波的方法来提高谷物产量的测量精度,并建立了总产量和单位面积产量的数学模型。田间动态试验结果表明双板回归差分方式滤除干扰的效果优于直接差分,其最大测产误差为8.03%,测产平均误差为3.27%,最大测产误差比直接差分方式降低了7.12个百分点,最后绘制了试验地块的产量分布图。另外,系统的远程监控部分开发了界面友好的收获作业管理系统,实现了谷物产量的远程监测与管理。系统总体运行性能良好,满足了测产需要。     

基于剪切波和全变分的农田遥感图像去噪去伪影方法

农田遥感图像在采集过程中会受到噪声影响,为得到准确的农田遥感图像数据,应对获取的农田遥感图像进行去噪预处理。农田遥感图像中的纹理承载了重要信息,在图像降噪的同时保持或增强图像纹理具有重要意义。由于纹理和噪声一样,在频域表现为高频信号,以分解和重构算法为基础的常见滤波(含小波变换)方法在降噪的同时,也会造成纹理清晰度的下降。该文结合农田遥感图像纹理呈现出来的直线特性,将剪切波(Shearlet)和变分理论相结合,提出了一种新的遥感农田图像保纹理降噪方法。该方法首先对较大的遥感图像分块进行shearlet变换,在降噪的同时识别不同图块图像的纹理含量;对细小纹理含量较少的平滑区域,采用保边降噪变分模型去除shearlet变换带来的人工伪影。为避免子图块边界带来的边界效应,该文基于中心仿射变换理论提出了一种新的图像延拓方法,有效提高了图像降噪的效果。试验结果表明,该文算法去噪后的峰值信噪比(peak signal to noise ratio,PSNR)平均值比全变分模型去噪算法大1 d B,该文算法去噪后的PSNR平均比曲线波去噪算法大2 d B。同基于Symmlet小波的Shearlet算法相比,该文算法处理后农田遥感图像中伪影减少,在高斯噪声标准偏差σ为10、20和30 d B时,峰值信噪比PSNR分别提高了13.99%、9.69%和7.75%。     

基于反射光谱预处理的苹果叶片叶绿素含量预测

以苹果叶片叶绿素含量为研究对象,定量研究了光谱数据预处理方法对光谱特征提取及叶绿素含量预测模型的影响。首先,比较了苹果叶片原始反射率光谱、小波包去噪反射率光谱、反射率一阶差分光谱、先小波包去噪后一阶差分光谱、先一阶差分后小波包去噪光谱这5种光谱的波段间相关系数以及光谱与叶绿素含量间的相关系数,建立了叶绿素含量预测逐步回归模型并对建模结果进行了比较分析。结果表明单纯3层sym8小波包去噪可使光谱曲线平滑,但不会明显提高模型精度;一阶差分虽然放大了局部噪声,但是消除了基线漂移影响,可提高模型精度;先差分后小波包去噪比先小波包去噪后差分具有更高的峰值信号噪声比,更低的均方误差与最大误差,建模结果也显示出同样的结果。因此,先差分后小波包去噪算法可认为是一种有效的苹果叶片叶绿素含量预测光谱预处理方法。利用这一方法建立了苹果叶片叶绿素含量预测模型,获得了较高的预测精度。该研究可用于对苹果树营养状态的评价并指导按需施肥。     

基于噪声类型及强度估计的狭叶锦鸡儿叶切片图像盲去噪

狭叶锦鸡儿叶切片显微图像在获取过程中不可避免的受到噪声污染,会对后续处理造成不良影响。针对现有噪声类型未知,去噪算法存在速度慢、效果不理想等问题,该文提出图像噪声类型估计-强度估计-去噪这一处理过程,实现对狭叶锦鸡儿叶切片显微图像降噪目的。首先采用平滑区直方图重构和拟合法确定噪声类型;然后在此基础上,应用基于图像块的SVD(singular valuable decomposition,SVD)域图像噪声强度估计法对噪声标准差进行估计;最后在确定噪声类型和强度基础上,采用几何均值滤波(geometric mean filtering,GMF)和三维块匹配滤波(block-matching and 3-D filtering,BM3D)对图像进行联合去噪。试验结果表明:该文噪声类型估计法估计出切片图像噪声类型为加性高斯噪声,高斯函数对随机选取的15幅狭叶锦鸡儿叶切片图像平滑区域直方图数据点拟合优度2R均值为0.996,平均均方根误差RMSE(root mean squared error,RMSE)为0.144 6;采用该文噪声强度估计法估计出的切片图像噪声标准差???[2.5,4.0],处理标准差较小噪声,该文算法处理精度、运行速度和稳定性等方面存在明显优势;GMF-BM3D算法在较好去除图像噪声同时,极大的保留了图像纹理、边缘和细节等信息,同时极大的提高了算法运行速度,处理后的图像BRISQUE(blind/referenceless image spatial quality evaluator,BRISQUE)值为10左右,相当于原图BRISQUE值的1/2左右。与传统BM3D算法相比,去噪效果相当,但耗时约相当于传统BM3D算法的1/9。与小波去噪算法(wavelet threshold,WT)算法相比,虽速度相对较慢,但去噪后图像BRISQUE值比使用WT法低4左右。因此,该算法较好实现了对狭叶锦鸡儿叶切片图像准确降噪,为其后续处理提供了可靠技术支持。