The invention relates to a method and device for detecting grain mildew based on WiFi device, which obtains the WiFi signal passing through the area where the grain is located, extracts CSI amplitude data of channel state information from the WiFi signal, and obtains the grain state corresponding to CSI amplitude data, the grain state includes normal food and grain mildew; constructs a neural network model, uses the CSI amplitude data and grain Food state trains the neural network model to get the amplitude state relation model; obtains the WiFi signal passing through the area where the grain to be detected, extracts the CSI amplitude data from the WiFi signal passing through the area where the grain to be detected, and inputs it into the amplitude state relation model to get the grain state to be detected. By using the existing WiFi device and software algorithm, the invention can realize the long-term and uninterrupted moldy detection of grain, with low detection cost; moreover, by using the trained amplitude state relation model, the real-time performance is high, which is helpful for farmers and the like to find out whether the grain is moldy more efficiently and quickly.
【技术实现步骤摘要】
一种基于WiFi设备的粮食霉变检测方法及装置
本专利技术属于粮食霉变检测
,具体涉及一种基于WiFi设备的粮食霉变检测方法及装置。
技术介绍
粮食(例如小麦、大米)霉变可导致人类储存谷物的污染,营养物质的流失和食源性疾病。粮食霉变的主要原因包括微生物和环境因素。霉变通常由收获期间粮食颗粒中的微生物和贮藏期间的粮仓微生物引起。另一方面,粮食霉变也受到粮仓类型、温度、湿度和其他环境因素的影响。在粮食霉变的早期阶段,如果及时采取措施,粮食仍将具有使用价值。当粮食完全发霉时,它将失去使用价值,应尽快销毁,以免造成人类疾病。实时、非破坏性和低成本的粮食霉变检测系统对于确保粮食储存的高安全性非常有用。由于专业知识的缺乏和测试设备的高成本,许多农民和经销商无法及时检测粮食状况,如若能够快速检测粮食中的霉变便可以帮助农民,使经销商和零售商实现更高效、更安全的粮食储存,减少粮食的浪费和成本。以低成本快速检测粮食中的霉变是一项巨大的挑战。目前,粮食霉变的检测主要依靠人工检测,主要是根据视觉检查和检查员的嗅觉经验来判断粮食霉变程度。手动方法耗时耗力,容易出错,对快速检测谷物霉变没有多大帮助。为了提高检测效率,可使用成本较高的传感器来用于粮食霉变检测,如电子鼻传感器和近红外光谱。而且,需将这些传感器大面积铺设在检测区域内,以对整个检测区域的小麦均检测到,无疑增加了检测成本,阻碍了它们的广泛应用。
技术实现思路
本专利技术提供了一种基于WiFi设备的粮食霉变检测方法及装置,用以解决使用电子鼻传感器和近 ...
【技术保护点】
1.一种基于WiFi设备的粮食霉变检测方法,其特征在于,包括如下步骤:/n获取穿过粮食所在区域的WiFi信号,从所述WiFi信号中提取信道状态信息的CSI振幅数据,并获取与所述CSI振幅数据对应的粮食状态,所述粮食状态包括粮食正常和粮食霉变;/n构建神经网络模型,利用获取的CSI振幅数据和与CSI振幅数据对应的粮食状态对所述神经网络模型进行训练,得到振幅状态关系模型;/n获取穿过待检测粮食所在区域的WiFi信号,从穿过待检测粮食所在区域的WiFi信号中提取CSI振幅数据,并输入至振幅状态关系模型中,得到待检测粮食的粮食状态。/n
【技术特征摘要】 【专利技术属性】
1.一种基于WiFi设备的粮食霉变检测方法,其特征在于,包括如下步骤:
获取穿过粮食所在区域的WiFi信号,从所述WiFi信号中提取信道状态信息的CSI振幅数据,并获取与所述CSI振幅数据对应的粮食状态,所述粮食状态包括粮食正常和粮食霉变;
构建神经网络模型,利用获取的CSI振幅数据和与CSI振幅数据对应的粮食状态对所述神经网络模型进行训练,得到振幅状态关系模型;
获取穿过待检测粮食所在区域的WiFi信号,从穿过待检测粮食所在区域的WiFi信号中提取CSI振幅数据,并输入至振幅状态关系模型中,得到待检测粮食的粮食状态。
2.根据权利要求1所述的基于WiFi设备的粮食霉变检测方法,其特征在于,所述粮食霉变包括粮食霉变初期和粮食完全霉变。
3.根据权利要求1所述的基于WiFi设备的粮食霉变检测方法,其特征在于,所述神经网络模型为径向基函数神经网络模型。
4.根据权利要求1所述的基于WiFi设备的粮食霉变检测方法,其特征在于,在对所述神经网络模型进行训练时,还包括对获取的CSI振幅数据进行子载波选择的步骤:计算每个子载波的CSI振幅数据,选择CSI振幅数据的平均绝对偏差高于设定偏差的子载波的CSI振幅数据对所述神经网络模型进行训练。
技术研发人员:杨卫东,胡鹏明,张元,魏蔚,李智,秦瑶,朱春华,蒋玉英,张文帅,陈星星,
申请(专利权)人:河南工业大学,
类型:发明
国别省市:河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。