小麦仓库变质预测的高效监测框架

《IEEE Transactions on AgriFood Electronics》：Efficient Monitoring Framework for Spoilage Prediction in Wheat Grain Warehouse

　　

摘要：

有效监测粮仓状况对于减少产后损失以及保障粮食在储存和运输过程中的质量至关重要。本研究提出了一种基于温度、相对湿度以及二氧化碳浓度等参数的实时变质评估分析框架。通过部署经过校准的高精度传感器网络，可持续监测粮堆内的环境条件与生化变化。收集到的多变量时间序列数据可通过22种深度学习模型进行分析，这些模型能够识别与变质过程相关的空间和时间规律。空间-时间特征映射有助于定位局部变质热点，而序列建模则可用于捕捉动态的呼吸作用趋势。该监测系统包含14个传感器，分布在19根电缆上，每个传感器的数值都会在固定时间点被记录下来。系统同时整合了环境变量（环境温度、环境相对湿度、二氧化碳浓度以及内部相对湿度）与各传感器及电缆的实时数据，从而实现热分布分析、异常检测以及跨节点的多变量预测。通过控制性储存试验进行的实验验证表明，该系统对二氧化碳浓度的预测准确率为95.54%，相对湿度的预测准确率为95.38%，而温度的预测准确率则为98.89%，这样就能在粮食出现物理变质之前的30天内发出早期预警。该框架还设置了自适应阈值，可实现自动的环境控制，及时采取通风或干燥等措施。该系统的结果被分为多个阶段：二氧化碳浓度阶段、湿度阶段、温度阶段以及综合最终阶段，从而清晰地显示粮食的安全状况与警戒级别。总体而言，该系统为智能粮仓储存提供了强大、可扩展且以数据为驱动的基础……

查看更多