[发明专利]一种粮仓储粮数量平行检测方法

说明书

本发明属于人工智能应用在粮食储藏技术领域，具体涉及一种粮仓储粮数量平行检测方法，首先，采用混合数据生成方法根据真实数据样本产生虚拟数据样本，然后，分别输入平行检测模型，其中初级层采用分解条件模糊推理进行特征抽取，经过特征共享层实现虚实数据特征互动，根据目标函数设计实现多层特征抽取，接着，经过回归层输出粮食数量；为进一步提高泛化能力，采用区间二型模糊集成的虚实互动平行检测模型，最终输出由真实数据驱动的区间二型模糊推理系统得到；本发明的粮仓储粮数量平行检测方法检测结果精度高、模型泛化能力强，具有重要技术应用和推广价值。

技术领域

本发明属于人工智能应用在粮食储藏技术领域，具体涉及一种粮仓储粮数量平行检测方法。

背景技术

粮仓储粮数量是粮库检测的最核心部分。目前国内外学者主要探索和研究两种粮仓储粮数量检测方式，一种就是通过直接检测粮仓粮食的实际重量，进而获得直观的数据；另外一种就是通过测量粮仓粮堆的体积，以一定的运算规则进行计算获得粮堆重量。它们分别被称为直接法和间接法。直接法测量结果准确且操作方便，但是相关设备造价高昂，易受到人为干扰，对储粮的监管方面比较薄弱，不适于清仓查库。间接法根据使用的检测手段不同，分为激光扫描法、测距法、图像识别法和压力传感器法。其中压力传感器法以其准确的测量结果和低廉的使用成本得到广泛重视。岳智岫等建立基于Janssen原理的指数关系储粮数量检测模型，采用BP神经网络对数据进行预处理，构建基于指数关系项的多项式模型，降低检测系统的误差，使其可以实时有效地检测粮仓储粮数量。庞闻辉等分析了基于传感器中值均值与标准差的数据预处理方法，研究了基于改进的布谷鸟搜索算法优化Janssen神经网络检测模型的建模方法。李贝等着重研究了SVR算法在检测粮仓储粮数量方面的应用。通过使用压力传感器网络采集仓底压力,并利用SVR算法做储粮数量回归预测。张鑫等提出了一种深度受限玻尔兹曼机与支持向量回归机结合的储粮数量检测方法，该方法以内外圈压力传感器输出值均值作为输入，通过深度受限玻尔兹曼机对数据集进行重构，再利用支持向量回归进行拟合回归。在以上研究中，虽然取得了较之前方法更加准确的粮堆测重结果，但是其性能有限模型泛化能力不佳。

发明内容

为了解决现有技术中存在的问题，本发明提出了一种粮仓储粮数量平行检测方法，以粮仓储粮数量为研究对象，采用平行检测为研究手段，重点研究在真实实验样本数据获得成本较高条件下采用真实实验数据样本和生成的虚拟数据样本在特征空间的“互动”设计集成平行检测模型，实现了对粮仓储粮数量的高精度检测。

为解决上述技术问题，本发明采用以下的技术方案：

本发明提供的一种粮仓储粮数量平行检测方法，包含以下步骤：

采用混合数据生成方法根据真实数据样本产生虚拟数据样本；

构建基于特征共享的虚实互动平行检测模型，将真实数据样本和虚拟数据样本分别输入平行检测模型进行处理，输出粮食数量；

构建区间二型模糊集成的虚实互动平行检测模型，将多组平行检测模型的输出分别输入集成平行检测模型进行处理，得到最终输出粮食数量。

进一步地，混合数据生成方法采用基本数据生成方法和生成对抗网络混合模式。

进一步地，采用基本数据生成方法和生成对抗网络混合模式根据真实数据样本产生虚拟数据样本，包括：

对于真实数据样本训练得到随机函数连接分解模糊神经网络；

采用基本数据生成方法，对于高维压力传感器数据输入向量加入高斯噪声，初步生成多组虚拟输入数据样本；

采用生成对抗网络对上面初步生成的多组虚拟输入数据样本和真实实验输入数据样本通过对抗训练，最终生成多组虚拟输入数据样本；

将上面最终生成的多组虚拟输入数据样本输入之前训练好的随机函数连接分解模糊神经网络计算得到相应储粮数量标签。