一种基于WiFi设备的粮食霉变检测方法及装置制造方法及图纸

本发明专利技术涉及一种基于WiFi设备的粮食霉变检测方法及装置，获取穿过粮食所在区域的WiFi信号，从WiFi信号中提取信道状态信息的CSI振幅数据，并获取与CSI振幅数据对应的粮食状态，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振幅数据和与粮食状态对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。本发明专利技术利用现有的WiFi设备以及软件算法即可实现对粮食长时间、无间断的霉变检测，检测成本低；而且，利用训练好的振幅状态关系模型，实时性高，有助于农民等更高效、快速地发现粮食是否霉变。

A detection method and device of grain mildew based on WiFi device

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红外光谱来检测粮食霉变时造成的成本高的问题。为解决上述技术问题，本专利技术的技术方案和有益效果为：本专利技术的一种基于WiFi设备的粮食霉变检测方法，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。其有益效果：本专利技术利用WiFi信号通过粮食时，粮食的霉变状态的变化会引起WiFi信号中CSI振幅数据的显著且可测量变化的原理，通过构建神经网络模型，以对粮食是否发生霉变进行检测。该方法利用现有的WiFi设备以及软件算法即可实现对粮食的霉变检测，能够对粮食的霉变状态进行长时间、无间断的检测，无需其他昂贵的传感器，检测成本较低，利于实际应用；而且，该方法利用训练好的振幅状态关系模型，简单且有效，检测实时性较高，有助于农民、经销商等更高效、快速地发现粮食是否霉变，以减少粮食浪费和成本。作为方法的进一步改进，为了准确检测到的粮食的霉变状态，所述粮食霉变包括粮食霉变初期和粮食完全霉变。作为方法的进一步改进，所述神经网络模型为径向基函数神经网络模型。作为方法的进一步改进，为了选择灵敏度更高的子载波的CSI振幅数据以提高粮食霉变检测的准确性，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。作为方法的进一步改进，为了消除异常值和噪声以提高粮食霉变检测的准确性，在对获取的CSI振幅数据进行子载波选择之前，还包括对获取的CSI振幅数据进行滤波预处理的步骤：对获取的CSI振幅数据进行消除异常值滤波处理，和/或对获取的CSI振幅数据进行抑制噪声滤波处理。作为方法的进一步改进，为了提高粮食霉变检测的快速性和准确性，还包括对进行子载波选择后的CSI振幅数据进行归一化处理的步骤。作为方法的进一步改进，所述消除异常值滤波处理为采用Hampel滤波器进行滤波处理。作为方法的进一步改进，所述抑制噪声滤波处理为采用巴特沃斯滤波器进行滤波处理。作为方法的进一步改进，在采用径向基函数神经网络模型时，采用聚类算法确定径向基函数的隐藏神经元的数量，聚类的个数为所述隐藏神经元的数量。本专利技术还提供了一种基于WiFi设备的粮食霉变检测装置，该装置包括存储器和处理器，所述处理器用于执行存储在存储器中的指令以实现上述基于WiFi设备的粮食霉变检测方法，以达到与该方法相同的效果。附图说明图1是本专利技术的方法实施例中通过三种霉变状态的小麦堆收集的CSI原始振幅值示意图；图2是本专利技术的方法实施例中粮食霉变检测方法对应的MiFi系统的架构图；图3是本专利技术的方法实施例中校准前后的第20个子载波收集的CSI数据的示意图；图4是本专利技术的方法实施例中来自三个霉变状态的第20个子载波的CSI数据的频谱示意图；图5是本专利技术的方法实施例中校准后每个子载波的CSI振幅以选择最敏感的子载波的示意图；图6是本专利技术的方法实施例中LOS和NLOS情景下小麦霉变检测准确性的结果图；图7是本专利技术的方法实施例中LOS和NLOS情景中不同天线的平均检测精度的结果图；图8是本专利技术的方法实施例中不同发射器-接收器距离的平均检测精度的结果图。具体实施方式在粮食发生霉变时，例如小麦，为了量化效果，可使用介电常数来表示小麦霉变状态的变化，频域中材料的复相对介电常数ε*可以描述如下：ε*＝ε′-jε″(1)式中，实部ε′为介电常数，表示材料在电场频域中存储能量的能力，虚部ε″是介电损耗因子，通常表示材料的能力，消耗电能，从而影响WiFi信号的衰减和吸收。当WiFi信号通过小麦时，电场强度将随着到小麦表面的距离而变化，这种效应可以通过晶粒介电特性的衰减系数α来捕获：式中，λ0为无线信号的波长。小麦状态从正常到霉变初期和完全霉变的变化将导致小麦温度、水分和外部环境湿度的增加。这些将反过来影响介电常数ε′和介电损耗因子ε″。根据式(2)，衰减系数α也将改变(作为ε′和ε″的函数)，这可以影响电场的能量，与普通小麦相比，小麦霉变对电场的能量影响很大。为了量化这种能量变化，通过分析WiFiCSI振幅信息来检测小麦的霉变状态，不需要昂贵的设备来测量介电常数，以便有效地防治小麦霉变。使用具有开源设备驱动程序的一些商品NIC，可以从Ns子载波收集CSI样本，每个样本包括子载波的振幅和相位。收集的原始数据包括发送天线的数量Ntx，接收天线的数量Nrx，分组发送频率f和CSI数据H。CSI数据H是Ntx×Nrx×Ns张量，由下式给出：对于给定的发射和接收天线对，H中的第k个子载波可以表征为：Hk＝|Hk|·exp{j∠Hk}(4)式中，|Hk|为振幅，∠Hk为相位。小麦霉变不仅会改变整个小麦环境的水分，还会改变整个本文档来自技高网...

【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】
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。

【专利技术属性】
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