粮食安全,看得见管得好

正中央经济工作会议提出,要深化粮食收储制度改革。当前,粮食储藏安全由数量安全向数量安全、质量安全、生态安全并重转变的过程中,粮食仓储技术将发挥越来越重要的作用。中国储备粮管理总公司(以下简称中储粮)运用互联网技术建立起智能化粮库系统,确保了储粮数量与质量。远程监控粮情信息每个粮库安装100多个摄像头、数千个粮温传感器,并与互联网相连,全系统近千个库点汇集起来,构成了全国粮食行业最大的物联网以前,每一个粮仓就是一个独立的储粮单位,     

我国粮情测控系统的应用与发展

本文从通信技术的角度总结了我国储粮企业广泛使用的基于RS485总线技术的粮情测控系统和基于工业现场总线技术的粮情测控系统的优缺点,探讨了基于Zig Bee技术的无线粮情测控系统的优缺点,基于LoRa技术的无线粮情测控系统的优缺点,对未来基于物联网通信技术的无线粮情测控系统进行了展望。     

低功耗物联网技术在粮情测控系统中的应用

粮情测控系统在我国储粮企业中有着广泛的应用,但目前技术相对落后,缺乏低功耗物联网等新技术的吸收利用。本文对粮情测控系统的应用现状进行了初步调研和分析,开展了以物联网技术为基础的粮情测控系统应用研究,探索职业院校产教融合专业发展的特色之路。     

APPLE Ⅱ PLUS微型计算机用于大型粮仓群粮温检测与处理系统的硬件及软件设计

概述 目前,大型立筒式金属粮仓和砖仓已在国家粮库和国营农场大量使用。为保证安全储粮,必须解决仓内粮温检测问题。一个千吨粮仓,按粮储管理的要求,需要埋设16根测温电缆,每根电缆接有8个测温元件,即每仓共有测温点8×16=128个。一个大型仓群,一般拥有数十乃至数百个大型粮仓,即有数千到数万个测温点。为掌握粮情变化,必须对上述数千乃至数万个点的粮温随时进行采集、记录和分析。这一工作,依靠传统方法显然难以完成。建立微机粮温检测及处理系统则可使这一问题顺利解决。 系统应具有下列功能。     

多元线性回归函数式结合无线传感器对粮仓温度的预测研究

在粮食储藏过程中,温度作为粮库粮情的一个重要参数,对粮食霉变以及粮库中虫灾、鼠患等的发生有极大的影响。试验在模拟的粮仓中采用无线传感器网络技术对粮库温度进行监测,在监测数据的基础上,运用普通最小二乘法(OLS)构建数学模型对粮仓温度进行预测。结果表明:该方法设计合理,误差较小,有较强的可操作性,并且方便快捷、成本低廉,有助于粮仓高效低能的正常运转。     

机械通风储粮

机械通风储粮机械通风储粮技术是粮食仓储行业对储粮进行管理的一项技术措施，它是将动体物理、机械原理应用到储粮领域，以改良储粮环境为手段，提高粮食的储藏稳定性，确保储存安全。其主要机理是：利用动力机械，通过粮堆内预设通风系统，将粮堆孔隙空气强力吸出，在粮...     

基于时空关联性的温室环境多传感器数据融合

为满足温室环境测控系统中传感器数据需具有鲁棒性的要求,提出一种基于时空关联性的温室环境多传感器数据融合算法。利用时间预测算法对环境数据的时间相关性进行预测,利用同质和异质传感器的特点对环境参数进行空间相似性预测。利用改进型支持度函数算法对基于时空关联性的预测值进行数据融合,并对数据融合的效果进行验证。结果表明,时间相关性、空间相似性预测算法的预测效果较好,且以时空预测值为输入变量时,改进型支持度函数的数据融合算法能够有效地将环境数据预处理的时空关联性预测值赋予动态的加权值,并且其数据融合结果优于平均值算法、传统支持度函数算法,数据融合产生的最优估计值更能真实地反映温室环境的变化,具有可靠性和准确性。     

粮堆结露现象分析及机械通风处理技术

成安县是河北省集中产粮县之一,采用机械化通风科学储粮技术比较普遍,安全效果明显。在机械通风的过程中,要随时注意检测粮情的变化。笔者通过对大气、仓内、粮堆三者温度、湿度相关数据的记载、分析研究和总结,提出了安全储藏粮食的一些经验和观点。     

基于ACO-SVM的粮虫特征提取研究

[目的]研究基于ACO-SVM的粮虫特征提取,探讨粮虫特征提取的可行性。[方法]通过分析储粮害虫图像识别系统中的1个关键环节——特征提取,提出把支持向量机(Support vector machine,简称SVM)算法中交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的1个重要因子,将蚁群优化算法(Ant Colony Optimization,简称ACO)应用于粮虫特征的自动提取。[结果]该算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上。[结论]该研究表明蚁群优化算法在粮虫特征提取中的应用是可行的。     

基于ACO-SVM的粮虫特征提取研究(英文)

[目的]研究基于ACO-SVM的粮虫特征提取,探讨粮虫特征提取的可行性。[方法]通过分析储粮害虫图像识别系统中的1个关键环节——特征提取,提出把支持向量机(Support vector machine,简称SVM)算法中交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的1个重要因子,将蚁群优化算法(Ant Colony Optimization,简称ACO)应用于粮虫特征的自动提取。[结果]该算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上。[结论]该研究表明蚁群优化算法在粮虫特征提取中的应用是可行的。