張德賢，張 苗※，張慶輝，張 元

（1. 河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院，鄭州 450001；2. 糧食信息處理與控制教育部重點實驗室，鄭州 450001）

·農(nóng)產(chǎn)品加工工程·

基于底面壓強的糧倉儲量估測方法

張德賢1,2，張 苗1,2※，張慶輝1,2，張 元2

（1. 河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院，鄭州 450001；2. 糧食信息處理與控制教育部重點實驗室，鄭州 450001）

準確快速地獲得糧倉儲糧的數(shù)量是保障國家倉儲安全的關(guān)鍵問題。該文構(gòu)建了基于壓力傳感器的糧倉數(shù)量在線檢測的理論模型，揭示了糧倉儲量與糧倉底面和側(cè)面壓強的理論關(guān)系；同時針對糧倉底面壓強分布的不均勻性和隨機性，提出了基于內(nèi)外圈兩圈布置的壓力傳感器布置模型和基于多項式展開的糧倉數(shù)量在線檢測模型，并給出了具體的建模算法。實倉檢測結(jié)果表明：所提出的糧倉儲量在線檢測模型檢測誤差低于2.5%，且檢測系統(tǒng)成本低，可滿足國家糧倉儲量在線實時監(jiān)測的實際需要。

壓力；傳感器；模型；儲糧數(shù)量；壓力傳感器布置；檢測精度

張德賢，張 苗，張慶輝，張 元. 基于底面壓強的糧倉儲量估測方法[J]. 農(nóng)業(yè)工程學(xué)報，2017，33(10)：287－294. doi：10.11975/j.issn.1002-6819.2017.10.038 http://www.tcsae.org

Zhang Dexian,Zhang Miao,Zhang Qinghui, Zhang Yuan. Granary storage quantity detection method based on bottom pressure estimation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(10): 287－294. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.10.038 http://www.tcsae.org

0 引 言

如何快速、準確地獲得儲糧的數(shù)量與區(qū)域分布是保障國家糧食數(shù)量安全的關(guān)鍵技術(shù)，目前實際應(yīng)用的糧倉儲量檢測方法主要包括稱重法和測量計算法[1-2]，這些方法在大規(guī)模清倉查庫中存在效率低、工作量大、成本高、檢測誤差大等問題。

糧堆是一種具有生命特征和特殊性質(zhì)的散粒體。近年來顆粒物質(zhì)的靜態(tài)性質(zhì)、振動行為、流動特性等研究逐步成為一個活躍的研究領(lǐng)域[3-9]。糧倉側(cè)壁壓力[10]、散糧堆底部壓力分布的隨機性等問題也進行了大量研究[11-12]。在糧倉儲量檢測領(lǐng)域，國內(nèi)外開展了基于三維激光掃描[13-18]、電磁波探測[19-24]、雙目立體視覺[25-26]等技術(shù)的儲量檢測方法，這些方法基本上屬于基于糧倉體積檢測和基于糧堆密度檢測的質(zhì)量估計方法，仍存在著如何有效解決由于糧堆密度分布的不均勻性和水分、雜質(zhì)等含量的不確定性以及檢測系統(tǒng)的復(fù)雜性等問題。針對上述糧倉儲量檢測方法的局限性，基于壓力傳感器的糧倉儲量檢測方法逐步受到關(guān)注[27-30]。

根據(jù)國家糧倉儲糧和清倉查庫相關(guān)規(guī)范要求[1]，糧倉數(shù)量在線檢測一般要求檢測誤差小于3%，連續(xù)監(jiān)測時間大于 3a，同時由于糧食和糧倉數(shù)量巨大，糧食價格低，要求檢測系統(tǒng)成本低、安裝維護簡便，因此檢測的高精度與檢測系統(tǒng)的低成本是糧倉數(shù)量在線檢測系統(tǒng)研制必需滿足的基本要求。基于上述需求和目前國內(nèi)外在該領(lǐng)域的研究成果，本文著重研究基于壓力傳感器的糧倉儲量檢測的理論模型，從理論上揭示糧倉儲量與糧倉底面和側(cè)面壓強的理論關(guān)系，并在此基礎(chǔ)上探索基于糧倉底面壓強估計的糧倉儲量在線檢測模型和具體檢測方法，為糧倉儲量在線檢測提供新的技術(shù)手段。

1 檢測理論模型

糧倉有平房倉、淺圓倉、筒倉等類型，根據(jù)糧倉出入糧操作規(guī)范，糧食入倉后，糧堆頂部要求攤平，因此，平房倉糧堆形狀為不同尺寸的立方體，淺圓倉、筒倉糧堆形狀為不同尺寸的圓柱體。在糧堆頂部攤平的條件下，平方倉糧堆受力如圖 1所示，其他類型糧倉的糧堆受力情況與之相同，只是糧堆形狀不同。糧堆受力由底面壓力和側(cè)面摩擦力兩部分組成，糧倉糧堆重量為糧堆底面壓力與糧堆側(cè)面摩擦力之和。因此，糧倉糧堆重量與糧倉壓強分布具有下式所示的關(guān)系：

式中W為糧倉糧堆重量，N；SB、SF分別為糧堆底面和側(cè)面；分別為糧堆底面SB和側(cè)面SF中點的壓強，kPa；fF(s)為糧堆和糧倉側(cè)面之間的摩擦系數(shù)。式（1）右邊第一項為糧堆底面壓力作用項，第二項為糧堆側(cè)面摩擦力作用項。式（1）表明，在糧堆頂部攤平的條件下，對于現(xiàn)有常用的平房倉、淺圓倉、筒倉等類型糧倉，糧倉糧堆重量僅與QB(s)分布、QF(s)分布、fF(s)以及糧堆底面SB和側(cè)面SF的形狀尺寸有關(guān)。

圖1 平房倉糧堆受力示意圖Fig.1 Schematic diagram of grain bulk force of horizontal bin

將糧堆底面SB離散分割為nB個等面積小區(qū)域，各區(qū)域面積為DAB，各區(qū)域重心處壓強為將糧堆側(cè)面SF離散分割為nF個等面積小區(qū)域，各區(qū)域面積為DAF，各區(qū)域重心處壓強為由式（1）則有

針對平房倉、淺圓倉、筒倉等類型糧倉，整理式（2）有

式中AB為糧堆底面面積，m2；CB為糧堆底面周長，m；H為糧堆高度,單位m；為糧堆底面壓強均值，kPa；為糧堆側(cè)面壓強均值，

針對平房倉、淺圓倉、筒倉等類型糧倉，由式（4）可以看出，對于給定的糧倉和糧食種類，由于參數(shù)AB、CB和fF為定值，則糧倉糧堆重量與且僅與糧堆底面壓強均值側(cè)面壓強均值和糧堆高度H有關(guān)。

對于給定糧倉和糧堆重量W，令

式中QBNF為糧倉底面等效零內(nèi)摩擦壓強，kPa。

顯然，糧倉底面等效零內(nèi)摩擦壓強QBNF為糧倉內(nèi)摩擦為0時的糧倉底面壓強。由式（1），當糧倉糧堆內(nèi)摩擦趨于 0時，必有底面各點壓強

將式（6）代入式（4）則有

式（6）和式（7）為基于壓力傳感器的糧倉儲量檢測理論模型。該模型表明糧倉儲量檢測的核心問題在于糧倉糧堆等效零內(nèi)摩擦底面壓強的估計，只要以足夠精度獲得糧堆等效零內(nèi)摩擦底面壓強估計則可以足夠精度估計出糧倉儲量估計。對于現(xiàn)有常用的平房倉、淺圓倉、筒倉等類型糧倉，糧倉結(jié)構(gòu)型式相同但底面面積不同，這種基于糧倉糧堆等效零內(nèi)摩擦底面壓強估計的糧倉儲量檢測方法，有助于提高糧倉儲量檢測模型的適用性。

由式（6）和式（7）可以看出，對于給定的糧倉和糧食種類，糧堆底面與糧倉側(cè)面之間的平均摩擦系數(shù)fF為常數(shù)，糧倉儲量與且僅與糧堆底面壓強均值側(cè)面壓強均值以及糧堆高度H有關(guān)。因此基于壓力傳感器的糧倉儲量檢測的核心在于和H三參數(shù)的檢測與估計，只要準確檢測與估計出這3個參數(shù)，則可以準確估計出糧倉儲量。同時，使壓力傳感器數(shù)量少、成本低是保證基于壓力傳感器的糧倉儲量檢測的實用性的關(guān)鍵問題，因此如何以較少的壓力傳感器實現(xiàn)底面壓強均值側(cè)面壓強均值和糧堆高度H三參數(shù)的準確檢測與估計是基于壓力傳感器的糧倉儲量檢測的關(guān)鍵問題。

2 檢測模型

2.1 糧倉底面壓力傳感器布置模型

糧堆是一種具有生命特征和特殊性質(zhì)的散離體。大量糧食顆粒組成的體系具有特別的性質(zhì)。1）相關(guān)研究表明[6-7]，糧倉內(nèi)糧食顆粒中的力會通過不均勻力鏈傳遞，不像固體和液體中的應(yīng)力會均勻分布，糧倉底面和側(cè)面壓強分布具有明顯的不均勻性和隨機性。2）由式（4）可以看出，糧堆重量為糧堆底面壓強均值與糧堆側(cè)面壓強均值的加權(quán)和。因此對于給定糧倉、糧食種類和糧堆高度H，糧堆重量一定，則必存在反變關(guān)系，減少會導(dǎo)致增大，反之亦然。

根據(jù)糧倉儲量檢測糧堆的上述特性，如果不考慮壓強分布的隨機性，則側(cè)面摩擦力對底面各點壓強的影響程度主要取決于各點與側(cè)面墻的距離，若距離相等，則側(cè)面摩擦力影響程度應(yīng)基本相同，各點的壓強也基本相同。因此，可通過與側(cè)面墻距離相等底面點壓強的平均，來消除底面壓強分布的隨機性。同時，與側(cè)面墻距離近的測量點壓強則更能體現(xiàn)側(cè)面壓強的變化，而與側(cè)面墻距離遠的測量點壓強則更能體現(xiàn)底面壓強的變化。因此可分別采用多個不同傳感器來檢測估計和

基于上述分析，為了在保證隨機性消除效果的同時，盡可能降低檢測系統(tǒng)的成本，本文提出的基于內(nèi)外圈兩圈布置的糧倉底面壓力傳感器布置模型如圖 2所示。對于通常使用的平房倉和筒倉，底面壓力傳感器按外圈和內(nèi)圈兩圈布置，每圈10～15個壓力傳感器，圓圈為壓力傳感器布置位置，外圈壓力傳感器均與側(cè)面墻距離為d，內(nèi)圈傳感器均與側(cè)面墻距離為D。不同倉型可采用類似的方式布置。

圖2 糧倉底面壓力傳感器布置模型Fig.2 Pressure sensor layout model at bottom of granary

對于圖 2所示的傳感器布置模型，由于外圈壓力傳感器與側(cè)面墻距離近，其輸出值受側(cè)面摩擦力影響大，側(cè)面摩擦力大則外圈壓力傳感器輸出值變大，反之亦然，因此可利用外圈壓力傳感器輸出值均值描述大小。同理，由于內(nèi)圈壓力傳感器與側(cè)面墻距離遠，其輸出值受側(cè)面摩擦力影響小，內(nèi)圈壓力傳感器輸出值主要體現(xiàn)底面壓強的變化，因此可利用內(nèi)圈壓力傳感器輸出值均值描述大小。

因此，該布置模型通過布置兩圈多個壓力傳感器并采用兩圈壓力傳感器輸出值均值而分別構(gòu)建的估計量，實現(xiàn)的有效檢測與估計。

從布置位置上，外圈壓力傳感器與側(cè)面墻距離d應(yīng)盡可能小，而內(nèi)圈傳感器與側(cè)面墻距離D應(yīng)盡可能大。實際試驗表明，當外圈壓力傳感器與側(cè)面墻距離d=0時，輸出值的波動性明顯增大，將影響檢測精度，因此可取0d≤1，一般取d=1 m。對于外圈壓力傳感器,在方便裝卸糧食的條件下，應(yīng)適當增大D，因此可取D>2 m，一般取4 m左右。為了保證糧倉儲量檢測模型的通用性，各檢測糧倉的內(nèi)外圈壓力傳感器與側(cè)面墻距離d和D應(yīng)相同。

圖3a為糧庫實倉糧堆底面沿寬度方向的壓強分布測量結(jié)果，底面壓力傳感器布置如圖3b所示，沿寬度方向均勻布置 5排，分別用 L1、L2、L3、L4、L5表示，各排均勻布置10個傳感器。糧食種類為小麥，糧堆高度為2.5 m。從圖3中可以看出：1）第1和第5排由于靠近側(cè)面墻，由于側(cè)面摩擦的影響，其傳感器均值有所減少，其他排離側(cè)面墻2 m以上，其傳感器均值基本接近。2）第1排傳感器均值略小于第5排，則第2排傳感器均值略大于第 4排，這表明，接近墻的排與其臨近排的傳感器均值具有負相關(guān)性，線性相關(guān)系數(shù)可達-0.7。因此采用圖 2所示的糧倉底面兩圈傳感器布置模型，可以利用外圈傳感器輸出值均值構(gòu)建糧倉側(cè)面壓強估計，利用內(nèi)圈傳感器輸出值均值構(gòu)建糧倉底面壓強估計，外圈傳感器輸出值均值和內(nèi)圈傳感器輸出值均值既可以體現(xiàn)糧倉底面壓強均值和側(cè)面壓強均值的大小，也可體現(xiàn)糧倉底面壓強均值和側(cè)面壓強均值的負相關(guān)性。

綜合上述，圖 2所示的糧倉底面壓力傳感器布置模型僅在糧倉底面布置壓力傳感器，從而便于傳感器安裝；采用外圈和內(nèi)圈兩圈布置，利用外圈傳感器輸出值均值構(gòu)建糧倉側(cè)面壓強估計，利用內(nèi)圈傳感器輸出值均值構(gòu)建糧倉底面壓強估計，從而有效消除了糧倉底面壓強分布的不均勻性和隨機性的影響。并在保證糧倉底面和側(cè)面壓強估計精度的同時，有效減少了傳感器數(shù)量，降低了檢測系統(tǒng)的成本。

圖3 糧堆底面各排壓強分布與傳感器布置圖Fig.3 Pressure distribution in each row and pressure sensor layout at bottom of granary

2.2 糧倉儲量檢測模型

式（13）為本文提出的基于底面壓強估計的糧倉儲量檢測模型。該模型利用內(nèi)外圈傳感器輸出值均值的多項式構(gòu)建和H的估計，并根據(jù)糧倉儲量檢測樣本，自動辨識多項式系數(shù)和項的最佳最大階數(shù)，具體方法下節(jié)描述，從而保證了檢測模型的檢測精度。同時通過引入?yún)?shù)Kc，使模型充分體現(xiàn)糧倉形狀與尺寸對糧倉儲量檢測的影響，提高了所建模型對糧倉種類的適用性。

3 檢測模型建模算法

根據(jù)上述，式(13)所示的檢測模型的建模算法描述如下：

輸入：多元回歸建模樣本集SM，最大階數(shù)選擇樣本集SO，測試樣本集ST，最大階數(shù)選擇限制

1）根據(jù)設(shè)定NB選擇范圍選擇范圍按大小順序抽取一組項最大階數(shù)

3） 依據(jù)式(14)所示的誤差模型計算最大階數(shù)選擇樣本集SO和多元回歸樣本SM的檢測誤差

4） 依據(jù)式(15)所示的項最佳最大階數(shù)優(yōu)化模型優(yōu)化選擇項最佳最大階數(shù)若轉(zhuǎn)1）；

4 檢測試驗與分析

4.1 試驗糧倉檢測模型建模與檢測結(jié)果

試驗所采用的平房倉長9 m，寬4.2 m，面積為37.8 m2，為0.698。試驗采用專用電容式壓力傳感器，誤差為5‰，傳感器布置如圖4所示，外圈傳感器個數(shù)為24（1#～24#），距側(cè)面墻1 m，內(nèi)圈傳感器個數(shù)為13（25#～37#），距側(cè)面墻2 m。試驗糧食種類為玉米，儲量約160 t，共進行4次試驗。取由于樣本較少，以1～3次試驗為回歸樣本，以試驗4作為項最高階數(shù)選擇樣本和測試樣本。所建模型最佳最大階數(shù)其他參數(shù)如表1所示，儲量計算結(jié)果如表2所示。

圖4 平房倉底面壓力傳感器布置Fig.4 Pressure sensor layout at bottom of horizontal bin

表1 試驗糧倉模型系數(shù) a B(m)和 a F(n,m)Table 1 Model coefficient a B(m)and a F(n,m)of test granary

表2 試驗糧倉儲量計算結(jié)果Table 2 Results of storage quantity of test granary

由表 2所示的糧倉儲量計算結(jié)果可以看出，采用式（13）所示的基于底面壓強估計的糧倉儲量檢測模型具有理想的建模精度和檢測精度。

4.2 通州糧倉檢測模型建模與檢測結(jié)果

對于通州糧庫的5個不同大小的平方倉，儲糧種類為玉米和稻谷，儲量分別為4 145、7 539、7 959、7 500 和 6 351t。采用專用電容式壓力傳感器，誤差為5‰。根據(jù)如圖2所示傳感器布置模型，各倉分別布置20～25個傳感器。經(jīng)過近1a檢測，獲得檢測樣本3 290個。選取703個作為建模樣本，其中，463個作為多元回歸樣本，240個作為項最大階數(shù)選擇樣本，其他作為測試樣本。根據(jù)式（13）所示的基于底面壓強估計的糧倉儲量檢測模型，所建模型最佳最大階數(shù)其他參數(shù)如表3所示，儲量檢測結(jié)果如圖5所示。

表3 通州庫模型系數(shù) a B(m)和 a F(n,m)Table 3 Model coefficienta B(m)and a F(n,m)of Tongzhou granary

圖5 通州庫所有樣本儲量相對誤差Fig.5 Relative error of grain storage quantity for all samples of Tongzhou granary

從圖 5可以看出，對于相同倉型、不同大小、不同儲糧種類的樣本數(shù)據(jù)進行建模，所得模型對于檢測點的檢測誤差均小于2%，可以滿足糧倉儲量檢測的要求。根據(jù)前述分析可以看出，由于糧倉類型和儲糧種類的不同，糧堆的側(cè)面壓強和底面壓強會有所不同，因此從理論上講，根據(jù)糧倉類型和儲糧種類分別建模，將會有助于進一步提高糧倉儲量檢測的精度。

4.3 洪澤齊河糧庫檢測模型建模與檢測結(jié)果

對于洪澤和齊河的 3個糧倉，儲糧種類為小麥和稻谷，儲糧數(shù)量分別為2 455.6、2 009.98和2 100t。采用和通州糧庫不同量程的新型專用電容式壓力傳感器，誤差為5‰，根據(jù)如圖2所示傳感器布置模型，各倉分別布置20～25個傳感器。經(jīng)近半年檢測獲得檢測樣本501個。選取297個作為建模樣本，其中，197個作為多元回歸樣本集，100個作為項最大階數(shù)選擇樣本集，其他作為測試樣本。所建模型最佳最大階數(shù)其他參數(shù)如表4所示，糧倉儲量檢測結(jié)果如圖6所示。

表4 洪澤齊河模型系數(shù) a B(m)和 a F(n,m)Table 4 Model coefficient a B(m)and a F(n,m)of Hongze & Qihe granary

圖6 洪澤齊河庫所有樣本儲量相對誤差Fig.6 Relative error of grain storage quantity for all samples of Hongze & Qihe granary

從圖 6可以看出，對于相同倉型、大小相似、不同儲糧品種的糧倉數(shù)據(jù)建模，所有檢測點的檢測誤差均小于0.3%，可以滿足糧倉儲量檢測的要求，這也證明了所提出的式(13)模型和建模方法的可行性與有效性。

5 結(jié) 論

1）構(gòu)建了基于壓力傳感器的糧倉數(shù)量在線檢測的理論模型，從理論上揭示糧倉儲量與糧倉底面和側(cè)面壓強的理論關(guān)系,證明了基于壓力傳感器的糧倉數(shù)量在線檢測的可行性。

2）根據(jù)糧倉儲量在線檢測精度和可靠性的要求，針對糧倉底面壓強分布的不均勻性和隨機性等糧堆物理特性以及糧堆側(cè)面與底面壓力的相互作用關(guān)系，提出了基于內(nèi)外圈兩圈布置的壓力傳感器布置模型，利用外圈傳感器輸出值均值構(gòu)建糧倉側(cè)面壓強估計，利用內(nèi)圈傳感器輸出值均值構(gòu)建糧倉底面壓強估計，從而有效消除了糧倉底面壓強分布的不均勻性和隨機性的影響。并在保證糧倉底面和側(cè)面壓強估計精度的同時，有效減少了傳感器數(shù)量，降低了檢測系統(tǒng)的成本。

3）提出了基于底面壓強估計的糧倉儲量檢測模型，給出了具體的建模算法。該模型利用內(nèi)外圈傳感器輸出值均值的多項式構(gòu)建糧倉底面、側(cè)面壓強均值和糧堆高度的估計，并根據(jù)糧倉儲量檢測樣本，自動辨識多項式系數(shù)和多項式最佳最大階數(shù)，從而保證了檢測模型的檢測精度。同時通過引入糧倉的周長面積比，使模型充分體現(xiàn)糧倉形狀與尺寸對糧倉儲量檢測的影響，提高了所建模型對糧倉種類的適用性。

4）實際糧倉儲量檢測結(jié)果表明所提出的糧倉儲量檢測檢測模型的檢測誤差小于2.5%，證明了所提出的糧倉儲量檢測模型與方法的有效性，可以滿足國家糧倉儲量檢測的要求。

[1]任正曉. 糧食庫存檢查實務(wù)[M]. 北京：中國商業(yè)出版社，2007.

[2]楊雷東，吳炳方，李強子，等. 糧倉儲糧數(shù)量探測新方法探討[J]. 糧食儲藏，2010，39(5)：49－54.

[3]Biarrez J, Gourves R. Powder andgrains[M]. Rotterdam:Balkema, 1989.

[4]胡林，龍為，張濤，等. 顆粒物質(zhì)中壓力隨高度的變化規(guī)律[J]. 物理實驗，2002，22(11)：46－48.Hu Lin, Long Wei, Zhang Tao, et al. Law of pressure changing with height in granular materials[J]. Physics Experimentation,2002, 22(11): 46－48. (in Chinese with English abstract)

[5]厚美瑛，陸坤權(quán). 奇異的顆粒物質(zhì)[J]. 新材料產(chǎn)業(yè)，2001(2)：26－28.

[6]陸坤權(quán)，劉寄星.顆粒物質(zhì)(上)[J]. 物理，2004，33(9)：629－635.Lu Kunquan, Liu Jixing. Granular matter (part Ⅰ) [J].Physics, 2004, 33(9): 629－635. (in Chinese with English abstract)

[7]陸坤權(quán)，劉寄星. 顆粒物質(zhì)(下)[J].物理，2004，33(10)：713－721.Lu Kunquan, Liu Jixing. Granular matter (part Ⅱ) [J].Physics, 2004, 33 (10): 713－721. (in Chinese with English abstract)

[8]馬征，李耀明，徐立章.農(nóng)業(yè)工程領(lǐng)域顆粒運動研究綜述[J].農(nóng)業(yè)機械學(xué)報，2013，44(2)：22－29.Ma Zheng, Li Yaoming, Xu Lizhang. Summarize of particle movements research in agricultural engineering realm [J].Transactions of the Chinese Society of Agricultural Machinery, 2013, 44(2): 22－29. (in Chinese with English abstract)

[9]胡國琦. 顆粒物質(zhì)流動和靜態(tài)若干問題的研究[D]. 杭州：浙江大學(xué)，2006.Hu Guoqi. Study on Flowing and Static Properties of Granular Matter[D]. Hangzhou: Zhejiang University, 2006.(in Chinese with English abstract)

[10]蘇樂逍. 立筒倉內(nèi)糧食靜壓力的應(yīng)力分析[J]. 鄭州糧食學(xué)院學(xué)報，1997，18(3)：70－74.

[11]王錄民，劉永超，許啟鏗，等.散糧堆底部壓力實測研究[J].河南工業(yè)大學(xué)學(xué)報(自然科學(xué)版)，2013，34(4)：1－4 Wang Lumin, Liu Yongchao, Xu Qikeng, et al. Research on site measurement of base pressure of bulk grain pile[J].Journal of Henan University of Technology (Natural Science Edition). 2013, 34(4), 1－4. (in Chinese with English abstract)

[12]陳家豪，韓陽，許啟鏗，等. 高大平房倉散裝糧糧堆底部壓力的試驗研究[J].河南工業(yè)大學(xué)學(xué)報(自然科學(xué)版)，2016，37(2)：22－25.Chen Jiahao, Han Yang, Xu Qikeng, et al. The bottom pressure of granular grain pile in large ware house[J]. Journal of Henan University of Technology (Natural Science Edition),2016, 37(2), 22－25. (in Chinese with English abstract)

[13]RenG C, Yang Y, Guo H C.Intelligent grain storage measurement system design and research[C]. FEMET, 2012,430－432: 1881－1885.

[14]李凱.糧倉儲糧體積測量中激光點云數(shù)據(jù)處理技術(shù)[D].北京：首都師范大學(xué)，2011.Li Kai. Processing Technology of Point Cloud Data Obtained by Laser Scanner in Granary Storage Volume Detection[D].Beijing: Capital Normal University, 2011. (in Chinese with English abstract)

[15]趙燕東，涂佳炎，劉圣波，等. 基于 WPF的糧倉三維激光測繪系統(tǒng)設(shè)計與開發(fā)[J]. 農(nóng)業(yè)工程學(xué)報，2016，32(11)：265－270.Zhao Yandong, Tu Jiayan, Liu Shengbo,et al. Design and development of system for mapping granary on basis of WPF 3D application[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016,32(11): 265－270. (in Chinese with English abstract)

[16]邵晴，徐濤，吉野辰萌，等. 基于三維激光掃描技術(shù)的糧食儲量監(jiān)測系統(tǒng)的設(shè)計與試驗[J]. 農(nóng)業(yè)工程學(xué)報，2015，31(20)：262－267.Shao Qing, Xu Tao, Yoshino Tatsuo, et al. Design and experiment for grain storage monitoring system based on 3-D laser scanning technology[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(20): 262－267. (in Chinese with English abstract)

[17]李鵬.糧倉儲量三維激光掃描快速測量技術(shù)研究[D].北京：清華大學(xué)，2010.Li Peng. Research on Rapid Measurement Technology for Grain Storage Volume Basedon Three Dimensional Laser Scanning[D]. Beijing: Tsinghua University, 2010. (in Chinese with English abstract)

[18]李秀華. 基于激光測距技術(shù)的糧食數(shù)量無損關(guān)鍵技術(shù)研究[D]. 長春：吉林大學(xué)，2014.Li Xiuhua. Research on the Key Techniques of Grain Quantity Measurement Based on Laser Ranging[D]. Changchun:Jilin University, 2014. (in Chinese with English abstract)

[19]于素萍，毛偉偉，秦瑤. 基于探地雷達的糧倉探測技術(shù)研究[J]. 信陽師范學(xué)院學(xué)報(自然科學(xué)版)，2015，28(1)：133－135.Yu Suping, Mao Weiwei, Qin Yao. Granary detection technical research based on ground penetrating radar[J]. Journal of Xinyang Normal University (Natural Science Edition), 2015,28(1): 133－135. (in Chinese with English abstract)

[20]秦瑤，陳潔，方廣有.糧倉儲量信息無損探測技術(shù)研究[J].中國糧油學(xué)報，2010，25(4)：51－55.Qin Yao, Chen Jie, Fang Guangyou. Non-destructive detection of barn reserves information[J]. Journal of the Chinese Cereals and Oils Association, 2010, 25(4): 51－55. (in Chinese with English abstract)

[21]付麥霞，廉飛宇，錢向明，等. 應(yīng)用探地雷達技術(shù)探測糧倉異物[J]. 河南工業(yè)大學(xué)學(xué)報(自然科學(xué)版)，2008，29(4)：50－55.Fu Maixia, Lian Feiyu, Qian Xiangming, et al. Research on foreign-body detection in granary using ground penetrating radar technique[J]. Journal of Henan University of Technology (Natural Science Edition), 2008, 29(4): 50－55.(in Chinese with English abstract)

[22]Trabelsi S, Nelson S O. On the accuracy of bulk density and moisture content prediction in wheat from near-field freespace measurements[J]. Technisches Messen, 2007, 74(5):280－289.

[23]Venkatesh MS, Raghavan GS V. An overview of microwave processing and dielectric properties of agri-food materials[J].Biosystems Engineering, 2004, 88(1): 1－18.

[24]周飛.倉外探測小麥密度及數(shù)量的反演研究[D]. 鄭州：河南工業(yè)大學(xué)，2010.Zhou Fei. Inversion Study on the Density and Quantity of Wheat in the Outside of the Barn[D]. Zhengzhou: Henan University of Technology, 2010. (in Chinese with English abstract)

[25]宋立明，李秀華，李萬龍. 基于計算機視覺的儲備糧智能稽核方法[J]. 吉林大學(xué)學(xué)報(信息科學(xué)版)，2013，31(1)：107－112.Song Liming, Li Xiuhua, Li Wanlong. Survey on reserved grain intelligent audit methods based on computer vision[J].Journal of JilinUniversity (Information Science Edition),2013,31(1): 107－112. (in Chinese with English abstract)

[26]方興林.基于雙目立體視覺的儲備糧數(shù)量智能識別算法研究[D]. 重慶：重慶交通大學(xué)，2009.Fang Xinglin. Research on Intelligent Identification Algorithm of Grain Reserve Quantity Based on Binocular Stereo Vision[D]. Chongqing: Chongqing Jiaotong University, 2009.(in Chinese with English abstract)

[27]張德賢，楊鐵軍，傅洪亮，等. 糧倉儲糧數(shù)量在線檢測模型[J]. 自動化學(xué)報，2014，40(10)：2213－2220.Zhang Dexian, Yang Tiejun, Fu Hongliang, et al. An online detection model of granary storage quantity[J]. Acta Automatica Sinica, 2014, 40(10): 2213－2220. (in Chinese with English abstract)

[28]張德賢，楊鐵軍，傅洪亮，等. 基于壓力傳感器的糧倉儲糧數(shù)量在線檢測方法[J]. 中國糧油學(xué)報，2014，29(4)：98－103.Zhang Dexian, Yang Tiejun, Fu Hongliang, et al. An on-line detection method of granary storage quantity based on pressure sensor[J]. Journal of the Chinese Cereals and Oils Association, 2014, 29(4): 98－103. (in Chinese with English abstract)

[29]Fan Chao, Zhang Dexian, Fu Hongliang. Design of the measurement node of the grain quantity monitoring system based on the CAN-bus[J]. Journal of Agricultural Mechanization Research, 2010(1): 211－214.

[30]Fan Chao, Zhang Yuan, Zhang Dexian. Research on the monitoring system of the grain quantity based on the CAN-bus[C]//International Conference on Computer Engineering and Technology, 2010(1): 458－460.

Granary storage quantity detection method based on bottom pressure estimation

Zhang Dexian1,2, Zhang Miao1,2*, Zhang Qinghui1,2, Zhang Yuan2
(1.School of Information Science and Engineering, Henan University of Technology, Zhengzhou450001,China;2.Grain Information Processing and Control, Key Laboratory of Ministry of Education, Zhengzhou450001,China)

Automatic detection of granary storage quantity with fast speed and high accuracy is an important technology for national food security. In this paper, according to the characteristics of grain bulk in different granary type (flat warehouse,squat silo and vertical silo), the mathematical relationship between granary storage quantity and the bottom/side pressure of granaries is established, and a new on line model for the grain storage quantity measurement is also proposed. For the given grain and storage type, the storage quantity is only related to the bottom pressure and side pressure on the granary and the grain height in the granary, which makes it possible to measure the storage quantity with pressure sensors; as long as the above pressure value and grain height are determined, the storage quantity can be obtained with high accuracy. According to the measurement requirement on the accuracy and robustness on the grain storage quantity, the pressure sensors are arranged as 2 circles, and each circle includes multiple pressure sensors. There exist the inhomogeneity and randomness of the pressure value on the bottom and side of the granary, and therefore more sensors are needed which can detect the pressure value on the bottom and side with high accuracy. However, the more the pressure sensor used, the higher the cost of measurement system.Based on the tradeoff on the cost and accuracy, the setup of 2 circles is proposed to measure the pressure value with high accuracy. The inner circle which is far from the side wall provides the pressure value on the granary bottom and the outer circle which is close to the side wall provides the pressure value on the granary side. For this method, the setup of 2 circles not only eliminates the inhomogeneity and randomness of the granary pressure value measurement, but also reduces the number of the required pressure sensors. With the pressure values obtained, according to the principle model of the storage quantity measurement, this paper proposes a new model based on polynomial expansion to measure the storage quantity. The model uses the polynomial of the average of the values output by the inner pressure sensors to estimate the bottom pressure value,uses the polynomial of the average of the values output by the outer pressure sensors to estimate the side pressure value, and obtains the grain height based on the above 2 polynomials. The proposed model can obtain the polynomial coefficient and order based on the test sample of the granary storage quantity automatically, which provides the high accuracy on the grain storage quantity measurement based on the pressure sensors. At the same time, the information of granary type such as granary shape and size is also introduced in the model, which improves the practicality for the granary of different types in the proposed model. Real practical storage quantity detection results show that the detection error of the proposed model is less than 2.5%, and the cost is reduced significantly, which demonstrate that the proposed granary storage quantity detection model is effective and well meets the demand of national granary storage quantity detection.

pressure; sensors; models; storage quantity; pressure sensor layout; detection accuracy

10.11975/j.issn.1002-6819.2017.10.038

TP23

A

1002-6819(2017)-10-0287-08

2016-12-29

2017-02-14

國家科技支撐計劃（2013BAD17B04）；河南省科技廳自然科學(xué)項目（172106000013）；糧食信息處理與控制教育部重點實驗室開放基金課題（KFJJ2016102）；國家自然科學(xué)基金項目（U1404617）

張德賢，男（漢族），河南新密人，教授、博導(dǎo)，主要研究方向為智能信息處理、糧食信息技術(shù)。Email：zdx@haut.edu.cn

※通信作者：張 苗，女（漢族），河南開封人，副教授、博士生，主要研究方向為智能信息處理。Email：zhangmiao7414@sina.com