文献类型： 中文期刊

作者： 孟志军 ¹ ; 刘淮玉 ¹ ; 安晓飞 ² ; 尹彦鑫 ² ; 金诚谦 ³ ; 张安琪 ² ;

作者机构： 1.黑龙江八一农垦大学工程学院

2.国家农业智能装备工程技术研究中心

3.农业农村部南京农业机械化研究所

关键词： 小麦;秸秆;含水率;检测模型;电容;麻雀搜索算法

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2022 年 53 卷 002 期

页码： 231-238,245

收录情况： EI ; 北大核心 ; CSCD

摘要： 为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43% ~25.89%的秸秆在频率0.05 ~ 100 kHz、容积密度90.03 ~179.42 kg/m3和温度25 ~40℃内的电容,利用连续投影法(Successive projections algorithm,SPA)和主成分分析法(Principal component analysis,PCA)对原始数据进行预处理,提取特征频率,选用反向传播神经网络(Back propagation neural network,BPNN)在全频率及2个特征频率下分别建立秸秆含水率、容积密度、温度的定量分析模型,引入麻雀搜索算法(Sparrow search algorithm,SSA)优化反向传播神经网络模型.试验结果表明,基于全频率构建的模型较基于SPA算法构建的模型预测效果略好,综合考虑模型复杂度和预测性能,本研究选用基于SPA算法结合SSA算法优化后的BP神经网络模型(SPA-SSA-BP)作为小麦秸秆含水率的检测模型,其预测集R2p、RMSEP和RPDP分别为0.9832、0.00550和7.715.利用该模型对13个含水率为10.62% ~ 25.59%的秸秆样本进行预测,含水率预测结果的相对误差为-5.27% ~5.52%,其中96.8%的预测误差在±5%以内.由此说明,模型具有较高的准确性和较好的鲁棒性.