雾滴粒径检测方法、装置、系统、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种雾滴粒径检测方法、装置、系统、电子设备及存储介质，该方法包括：获取雾滴撞击采集板所产生的激振信号；对所述激振信号进行特征分析，得到信号特征图谱；基于所述信号特征图谱确定所述雾滴群的各谱段雾滴分布信息，基于所述雾滴群的各谱段雾滴分布信息确定雾滴粒径统计学分布结果。上述技术方案，通过对激振信号进行特征分析，得到了信息丰富的信号特征图谱，为得到高精度的雾滴群的各谱段雾滴分布信息提供了基础，从而可以根据雾滴群的各谱段雾滴分布信息确定雾滴粒径统计学分布结果，并且上述确定雾滴粒径统计学分布结果的过程无需人工测量雾滴尺寸，提高了雾滴粒径测量效率。滴粒径测量效率。滴粒径测量效率。

【技术实现步骤摘要】
雾滴粒径检测方法、装置、系统、电子设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种雾滴粒径检测方法、装置、系统、电子设备及存储介质。

技术介绍

[0002]在农业、工业降温、除尘用大型喷头生产设计中，喷洒雾滴粒径的统计学分布规律是评价喷头雾化性能的关键指标。
[0003]大型喷头具有喷雾流量大、覆盖范围广、雾滴粒径大等特点。传统喷头雾滴粒径测量方法主要为激光粒度仪测量、油膜法测量，激光粒度仪是利用激光衍射原理换算雾滴粒径，对测量场所的环境光线要求严格，需要特定的测量环境；油膜法测量是将雾滴收集到油膜内部，然后人工测量油膜中悬浮的雾滴尺寸，而大型喷头喷雾流量大，雾滴进入油膜后极易产生堆积现象，严重影响雾滴粒径测量结果。
[0004]在实现本专利技术的过程中，专利技术人发现现有技术中至少存在以下技术问题：上述现有技术方案，存在雾滴粒径测量效率低的问题。

技术实现思路

[0005]本专利技术提供了一种雾滴粒径检测方法、装置、系统、电子设备及存储介质，以实现自动测量雾滴粒径，解决雾滴粒径测量效率低的问题。
[0006]根据本专利技术的一方面，提供了一种雾滴粒径检测方法，包括：获取雾滴群撞击采集板所产生的激振信号；对所述激振信号进行特征分析，得到信号特征图谱；基于所述信号特征图谱确定所述雾滴群的各谱段雾滴分布信息；基于所述雾滴群的各谱段雾滴分布信息确定雾滴粒径统计学分布结果。
[0007]根据本专利技术的另一方面，提供了一种雾滴粒径检测装置，包括：激振信号获取模块，用于获取雾滴群撞击采集板所产生的激振信号；信号特征分析模块，用于对所述激振信号进行特征分析，得到信号特征图谱；分布信息确定模块，用于基于所述信号特征图谱确定所述雾滴群的各谱段雾滴分布信息；雾滴粒径分布统计模块，用于基于所述雾滴群的各谱段雾滴分布信息确定雾滴粒径统计学分布结果。
[0008]根据本专利技术的另一方面，提供了一种雾滴粒径检测系统，包括：雾滴采集器和终端，所述雾滴采集器与所述终端通信连接；所述雾滴采集器，用于采集雾滴撞击采集板所产生的激振信号，并将所述雾滴撞击采集板所产生的激振信号发送至所述终端；所述终端，用于接收所述雾滴撞击采集板所产生的激振信号，对所述激振信号进行特征分析，得到信号特征图谱，所述雾滴群的各谱段雾滴分布信息，基于所述雾滴群的各
谱段雾滴分布信息确定雾滴粒径统计学分布结果。
[0009]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的雾滴粒径检测方法。
[0010]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的雾滴粒径检测方法。
[0011]本专利技术实施例的技术方案，通过获取雾滴撞击采集板所产生的激振信号；对激振信号进行特征分析，得到了信息丰富的信号特征图谱，为得到高精度的雾滴群的各谱段雾滴分布信息提供了基础，从而可以根据雾滴群的各谱段雾滴分布信息确定雾滴粒径统计学分布结果，并且上述确定雾滴粒径统计学分布结果的过程无需人工测量雾滴尺寸，提高了雾滴粒径测量效率。
[0012]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0013]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1是根据本专利技术实施例一提供的一种雾滴粒径检测方法的流程图；图2是根据本专利技术实施例二提供的一种雾滴粒径检测方法的流程图；图3是根据本专利技术实施例二提供的二维特征图谱确定过程的流程图；图4是根据本专利技术实施例二提供的复调制处理过程的流程图；图5是根据本专利技术实施例三提供的一种雾滴粒径检测方法的流程图；图6是根据本专利技术实施例四提供的一种雾滴粒径检测方法的流程图；图7是根据本专利技术实施例四提供的一种雾滴粒径统计模型的统计学曲线图；图8是根据本专利技术实施例四提供的一种雾滴粒径统计分布规律的流程图；图9是根据本专利技术实施例四提供的一种雾滴粒径检测装置的结构示意图；图10是根据本专利技术实施例五提供的一种雾滴粒径检测系统的结构示意图；图11是根据本专利技术实施例五提供的一种布置于厂房的雾滴粒径检测系统的结构示意图；图12是根据本专利技术实施例五提供的一种雾滴采集器的结构示意图；图13是实现本专利技术实施例的雾滴粒径检测方法的电子设备的结构示意图。
具体实施方式
[0015]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0016]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0017]实施例一图1为本专利技术实施例一提供的一种雾滴粒径检测方法的流程图，本实施例可适用于自动确定喷头所喷洒雾滴粒径的情况，该方法可以由雾滴粒径检测装置来执行，该雾滴粒径检测装置可以采用硬件和/或软件的形式实现，该雾滴粒径检测装置可配置于计算机终端中。如图1所示，该方法包括：S110、获取雾滴群撞击采集板所产生的激振信号。
[0018]示例性地，采集板可以包括但不限于激振传感器和雾滴撞击板，激振传感器可以吸附设置在雾滴撞击板上，振动传感器用于采集雾滴撞击板所产生的激振信号，并通过有线或无线的通信方式将激振信号传输至计算机终端中，实现激振信号的获取。
[0019]S120、对所述激振信号进行特征分析，得到信号特征图谱。
[0020]可以理解的是，信号特征分析是从信号中获取信息的过程，换而言之，信号特征图谱中包含了激振信号丰富的特征信息。信号特征分析方法可以包括但不限于基于时域特征分析方法，基于频域特征分析方法，基于时频域特征分析方法等，在此不做限定。
...

【技术保护点】

【技术特征摘要】
1.一种雾滴粒径检测方法，其特征在于，包括：获取雾滴群撞击采集板所产生的激振信号；对所述激振信号进行特征分析，得到信号特征图谱；基于所述信号特征图谱确定所述雾滴群的各谱段雾滴分布信息；基于所述雾滴群的各谱段雾滴分布信息确定雾滴粒径统计学分布结果。2.根据权利要求1所述的方法，其特征在于，所述获取雾滴群撞击采集板所产生的激振信号，包括：接收预设窗口时间内雾滴群撞击采集板所产生的激振信号。3.根据权利要求1所述的方法，其特征在于，所述信号特征图谱包括时域特征图谱和频域特征图谱；所述对所述激振信号进行特征分析，得到信号特征图谱，包括：确定所述激振信号的时域信息和频域信息；基于所述激振信号的时域信息确定时域特征图谱；基于所述激振信号的频域信息确定频域特征图谱。4.根据权利要求3所述的方法，其特征在于，所述基于所述激振信号的时域信息确定时域特征图谱，包括：基于所述激振信号的时域信息确定向量内积矩阵；对所述向量内积矩阵进行灰度值匹配，得到时域特征图谱。5.根据权利要求3所述的方法，其特征在于，所述基于所述激振信号的频域信息确定频域特征图谱，包括：对所述激振信号的频域信息进行复调制处理，得到频域复序列；基于所述频域复序列确定角度变量和半径变量；基于所述角度变量和所述半径变量确定变量乘积矩阵；对所述变量乘积矩阵进行灰度值匹配，得到频域特征图谱。6.根据权利要求1所述的方法，其特征在于，所述基于所述信号特征图谱确定所述雾滴群的各谱段雾滴分布信息，包括：将所述信号特征图谱分别输入至预先训练完成的雾滴谱段识别模型和谱段雾滴密度识别模型，得到所述雾滴群的各谱段雾滴分布信息，所述雾滴群的各谱段雾滴分布信息包括雾滴谱段和谱段雾滴密度；其中，所述预先训练完成的雾滴谱段识别模型，由样本特征库中的信号特征图谱以及所述信号特征图谱对应的雾滴谱段信息，对初始神经网络模型进行训练得到；所述预先训练完成的谱段雾滴密度识别模型，由样本特征库中的信号特征图谱以及所述信号特征图谱对应的雾滴密度信息，对初始神经网络模型进行训练得到。7.根据权利要求6所述的方法，其特征在于，所述雾滴谱段识别模型通过如下步骤预先训练得到：获取样本特征库；将所述样本特征库中的多组标定信号特征图谱、以及各所述标定信号特征图谱对应的谱段信息作为模型训练样本；基于所述模型训练样本对初始神经网络模型进行训练，得到所述雾滴谱段识别模型。
8.根据权利要求6所述的方法，其特征在于，所述谱段雾滴密度识别模型通过如下步骤预先训练得到：获取样本特征库；将所述样本特征库中的多组标定信号特征...

【专利技术属性】
技术研发人员：陈晨，薛新宇，顾伟，周立新，蔡晨，周晴晴，丁素明，崔龙飞，乐飞翔，
申请(专利权)人：农业农村部南京农业机械化研究所，
类型：发明
国别省市：