糧倉糧食數量監測技術研究現狀與展望

李 智, 張艷飛, 楊衛東, 但乃禹, 李 磊, 張 蕙, 陳衛東

(河南省糧食光電探測與控制重點實驗室1,鄭州 450001)

(河南工業大學信息科學與工程學院2,鄭州 450001)

(糧食儲運國家工程研究中心3,鄭州 450001)

(河南工業大學糧食和物資儲備學院4,鄭州 450001)

糧食作為經濟社會平穩發展的基礎,提高糧食安全保障能力對維護社會經濟穩定發展至關重要,因此需加快建設國家糧食安全產業鏈[1-3]。糧食安全也是國家安全的重要組成部分,主要目標包括數量真實、質量良好、儲存安全[4-6]。由于糧食庫存數量龐大且儲存周期較長,監管難度較大,虧庫、虛報庫存、以陳頂新等違法違規事件時有發生。為加強監管,國家有關部門定期組織糧食庫存檢查,包括每十年進行一次的全國政策性糧食庫存數量和質量大清查,以及每年的政策性糧食抽查等,重點對庫存糧食數量、質量、輪換、購銷政策執行等方面進行檢查。

清查和抽查基本上依靠傳統人工方式進行檢查和稽核,存在效率低、成本高等問題。除依靠人工檢查的方式外,近年來在糧食數量監測方面也出現了一些新技術。目前常見的糧倉糧食數量監測技術有壓力傳感器、三維激光掃描、超聲波、雷達、圖像處理等,還可利用糧倉糧溫時空相關性判斷糧食庫存狀態。文章從成本、效率、精度、操作復雜程度、系統維護便捷性等方面對上述糧食數量監測技術的優缺點進行了分析,最后對糧倉糧食數量監測技術的未來發展趨勢作出了展望。

1 研究現狀

目前關于糧倉糧食數量監測的方法主要分為2類:一類是直接測量法,包括人工稱重和壓力傳感器測量;另一類是間接測量法,通過利用各種技術手段測量糧倉體積、結合糧食密度從而間接獲得糧食數量,主要運用的技術有三維激光掃描技術、超聲波技術以及圖像處理技術等。關于糧倉糧食庫存狀態也可基于糧溫時空相關性進行判斷。

1.1 壓力傳感器技術

壓力傳感器可感受壓力信號,進而獲取糧倉的壓力信息。通過在糧倉分散設置大量壓力傳感器,收集到糧食對糧倉側壁以及糧倉底部的壓力,利用壓力與糧倉內糧食重力的轉換關系,可得到糧食數量。

由于糧倉糧堆的形狀不規律,糧倉側壁與糧食摩擦力的影響會導致糧倉側壁壓力傳感器測量結果不精確。張德賢等[7,8]通過分析與研究,證明了在糧堆成分復雜以及摩擦力的影響下,會導致壓力傳感器輸出的數值具有隨機性,為提高糧倉壓力值測量的準確性,建立了糧倉壓力傳感器布置模型和糧倉儲糧數量檢測模型,最后實驗結果誤差小于3%。

此外,壓力傳感器輸出的異常值也影響檢測結果的準確性。為降低異常值對檢測結果的影響,張鑫基于深度學習算法對壓力傳感器檢測得到的數據進行了分析和優化,設計了雙圈傳感器布置模型(如圖1所示),針對實際測量中傳感器輸出會有異常值的情況,提出數據預處理的方法并設計了基于深度學習的儲糧數量檢測模型,實驗結果證明該模型有效克服了異常值的影響,提高了檢測精度[9]。徐路路等[10]在張鑫[9]的模型基礎上進行了改進,采用BP神經網絡對重構數據進行擬合,提高了儲糧數量檢測的智能性。如今也基于神經網絡設計了儲糧數量檢測模型,在對多種仿生優化算法進行對比之后,選擇蟻群優化算法對單圈壓力傳感器的目標矩陣進行降維優化,實驗結果表明,儲糧數量檢測模型誤差基本控制在1%以內[11]。

圖1 雙圈傳感器布置模型[9]

1.2 三維激光掃描及其他測距技術

通過三維激光掃描和其他測距技術可得糧倉糧堆體積,結合糧堆密度計算得出糧倉糧食數量。

1.2.1 三維激光掃描技術

三維激光掃描技術又稱實景復原技術,主要依靠激光進行測距、角度測量、掃描等操作[12]。其中激光測距是三維激光掃描技術的重要組成部分之一,可得到被測物體的紋理、三維坐標等信息。該技術的出現很好的解決了以往人工測量糧倉糧食數量效率低、準確度不高、勞動強度大等問題。

三維激光掃描糧倉后獲取的原始點云數據需進行去噪、簡化等預處理工作。丁孝銀等[13]選用Leica Scan Station2三維激光掃描儀作為采集數據的實驗儀器,通過對糧倉進行實地勘測,得到三維點云數據,在對數據拼接、濾波、去噪等操作后建模,最后計算得到糧堆體積。王卉采用組合濾波的方法對點云數據進行去噪處理,使用隨機采樣一致性算法分割冗余的地面點云,并精簡點云數據,最后利用投影法求得料堆體積,不僅可以防止精簡數據時丟失信息,還可提升測量效率[14]。

此外,為了滿足實際應用需要,還需對點云數據進行表面重建,其中表面重建通常采用三角剖分法。該方法將每個三角形與三維激光掃描儀采集到的糧面高度信息進行空間擬合。陳博等[15]采用Delaunay三角剖分法對激光掃描采集的散亂點云數據構建三角網絡,還原未獲取的點云數據,具體過程如圖2所示,最后擬合得到糧堆三維視圖,得到糧堆體積,進而求出糧食數量。

圖2 三角形網格劃分過程框圖[15]

為了解決糧堆體積測量精度不高,糧堆密度測量方法落后的問題,楊雷東等[16-19]提出一種糧倉儲糧數量探測的新方法,該方法結合三維激光掃描和電磁波技術,首先采用三維激光掃描技術獲得完整的糧堆三維點云數據,利用反光點與被測糧倉的位置關系,還原出倉壁、倉底的位置,得到糧堆的體積;之后,借助介質的介電常數與其密度之間的關系,通過探地雷達等電磁波技術測量在不同密度下的糧堆密度對應的介電常數,推斷出糧堆密度與介電常數的關系,進而得到糧堆密度。根據糧堆體積和堆積密度,可得到糧倉糧食的具體數量。

為提升便攜性,吳才章等[20]設計了手持式的糧食庫存數量檢測儀器,該儀器主要測量糧倉高度信息,以微處理器為控制核心,與激光測距傳感器和傾角傳感器相結合的方法。經驗證,該儀器在糧庫實地檢測效果良好,誤差均在3%以內。

1.2.2 其他測距技術

除激光測距技術以外,其他例如超聲波、雷達、紅外線等測距技術的測量精度也比較高。其中超聲波和雷達技術目前在糧倉糧食數量監測方面進行了初步應用,具有測量精度高、應用范圍廣泛等優點,但易受到外界因素干擾,對環境要求比較高。

1.2.2.1 超聲波

超聲波是一種測距的技術,其原理是利用超聲波在介質中傳播遇到物體會反射回波,根據已知超聲波在介質中的速度和傳播時間,可計算出儀器與被測物體的距離。

超聲波檢測具有速度快,靈敏度高,精度較高,測量儀器比較小、方便測量等優點,可實時輸出測量結果。林翰利用超聲波的優點和測距原理,得到糧面到倉頂的距離,并設計了糧食倉儲管理系統。該系統以可視化的方式實時查看糧倉的糧食數量以及變化情況[21]。

1.2.2.2 雷達

雷達是一種特殊形式的電磁波,在真空或環境變化大的條件下也能傳播,可穿透氣體、蒸汽、粉塵等干擾源,具有傳播速度快等特點,在工業測量中應用較為廣泛。

雷達天線在糧面移動,可實現對糧倉水平面整體和垂直面分層的掃描,進而實現對糧倉糧堆體積和糧食數量的動態監測。張新新等[22]提出基于雷達電磁波對糧倉糧食數量測量的方法,該方法根據雷達電磁波在糧堆不同深度的反饋的信息不同,計算出介電常數分布,進而得出糧堆在不同深度下一維密度,最后多次對糧堆進行縱橫掃描得到糧堆密度三維立體分布,假設糧堆體積已知,通過積分即可求得糧堆重量。該方法具有測量范圍大,避免布設大量電纜,效率更高,受外界干擾小等優點。

根據雷達反射的特點,通過雷達掃描也可得倉內三維圖像,目前世界上已有相關的儀器被投入使用在倉庫物料中,如俄羅斯生產的3D雷達物位掃描儀[23],其原理是利用內置5個天線連續發送電磁波,多點掃描,該儀器可實現對料面不間斷掃描,測量范圍比單點雷達更大,穿透性也更強,精度更高。通過傳感器采集反饋的信息,并經過三維立體成像技術得到倉內三維圖像。在糧食行業,Enes[24]提出基于寬波束雷達的糧位測量方法,主要利用三根天線發送電磁波,得到糧食表面的笛卡爾坐標,從而得到糧面的三維高度信息,并推導出相應的公式計算出糧倉糧食的體積,實驗結果誤差小于3%。

1.3 圖像識別技術

主要包括單目測量和雙目測量技術。

1.3.1 單目測量

單目測量主要根據單個攝像頭獲取圖像信息,通過二維圖像中的深度信息來獲取三維空間物體信息。該方法具有結構簡單,成本低,原理簡單等優點,但單個攝像頭采集的二維圖像信息較少,需加入足夠的先驗知識才能準確構建三維立體模型。

針對袋裝糧數量的測量,利用單目視覺準確識別袋裝糧的邊緣信息是判斷糧食數量的關鍵。為得到糧倉袋裝糧數量,林鷹等結合邊緣檢測等平面圖像識別技術,主要利用監控采集糧倉的圖像,運用中值濾波技術對圖像降噪處理,采用sobel邊緣檢測算子并選取閾值提取出目標的邊緣信息,根據袋裝糧食的特點采用閉合化的方法對圖像中糧袋數目進行計數,最后得到糧倉袋裝糧的數量[25]。

針對大型散裝糧庫,通常會為了方便儲存和管理,對糧面進行刮平處理,使糧面近似為一個平面,因此若得到糧面深度信息和糧庫底面積,就可求出糧庫的糧食數量。不過單目視覺并不能直接通過圖像測量糧面的深度信息。為此,有研究設計了基于圖像處理的自動調焦系統[26-28],如圖3所示。該系統通過變焦鏡頭獲取焦距和像距雙脈沖數,根據光學成像原理分析出焦距、像距與物距之間的關系,選取Brenner函數評價圖像的質量并用搜索算法選出清晰圖像。其中劉崇展[28]在張戈[26]的基礎上進行大量實驗并建立數據庫,通過神經網絡對數據進行訓練,得到焦距和像距跟物距之間的非線性關系,并解決了單目視覺測距精度不高,響應速度慢等問題。實驗結果相對誤差小于3%,且最大方差為1.850,系統整體比較穩定。

圖3 基于圖像處理的自動調焦系統[27]

1.3.2 雙目測量

雙目視覺可采集到圖像深度信息,克服單目測量采集信息不完整的缺點,具有非接觸、高精度、快速等優點。針對袋裝糧,方興林[29]提出一種基于雙目立體視覺的儲備糧數量智能識別算法,該算法選擇糧袋邊緣作為匹配基元,針對雙目立體視覺中的立體匹配問題提出基于鏈碼向量的邊緣特征立體匹配算法,為了克服獲取視差信息算法單一的缺陷,提出了基于標尺識別的視差獲取算法。

針對散裝糧體積不規則難以直接測量的問題,丁嗣禹等提出一種基于雙目視覺不規則堆料的體積測量方法。在圖像預處理之后采用半全局塊匹配的算法對圖像信息進行立體匹配得到視差圖,為使視差圖效果更好,采用中值濾波等方法降噪,對于目標區域的提取用閾值分割算法,最后根據得到的堆料深度信息和三維坐標信息,采用基于每個像素點求出平均深度,計算得出堆料體積,堆料體積測量示意圖如圖4所示[30]。梁樂[31]不僅基于半全局立體匹配算法進行不規則物體體積測量,還實現了基于圖論的最小分割算法的體積測量。通過實驗,得到采用基于圖論最小切割的匹配算法測量的平均誤差為3.6%,比半全局立體匹配算法更精確,適合用在靜態不規則物體體積的測量。

圖4 堆料體積測量示意圖[30]

1.4 基于糧溫時空相關性

除幾種能具體測出糧倉儲糧數量的監測方法外,還可利用不同狀態下糧倉溫度分布的差別來判斷糧倉庫存狀態,為清倉查庫工作提供線索。通過對糧倉溫度監控還可分析和預測糧堆結露和霉變位置[32,33]。目前我國大部分糧庫都已經安裝溫度測量系統,若利用這些溫度測量系統得到的歷史數據判斷糧倉庫存狀態,將會節省加裝其他傳感器帶來的成本增加問題。崔宏偉等[34]通過分析糧溫時空相關性,設定糧堆異常判斷閾值,并設計了儲糧數量監管系統。但該系統只能檢測糧倉異常時段,具體判斷糧倉庫存狀態還需人工分類。

針對需大量人工進行糧倉庫存狀態歸類分析的問題,朱浩天[35]將糧倉庫存狀態分為數量異常和質量異常,統計分析了糧溫數據的變化規律,結合儲糧基本狀態提取關鍵閾值,并根據閾值設計了儲糧監管系統,實現對儲糧基本狀態的分析判斷。為進一步提高對儲糧狀態判斷的準確性,Wu等[36,37]歸納總結糧倉狀態對應的歷史糧溫統計特征,最終實現監測糧倉庫存數量以及質量的變化,并提出一種基于儲糧溫度場時空分布的分析算法,可分析溫度場的特征和不規則性,并在500多個糧庫中的歷史溫度數據中進行測試,實驗結果平均準確率達到94%。

2 對比

關于糧倉糧食數量的測量,文章主要介紹了壓力傳感器、激光,超聲波,雷達測距技術、圖像識別等技術。技術的主要檢測原理和優缺點如表1所示。

表1 幾種糧倉測量方法的對比

3 總結與展望

文章主要綜述了幾種關于糧倉糧食數量的監測技術以及應用現狀,分析了壓力傳感器、測距以及圖像處理等技術在實際應用中成本、效率、精度、系統操作復雜度等方面的優缺點,最后對未來糧倉糧食數量監測技術的發展進行展望。目前部分成果已經在糧食行業得到了實際應用,并取得了較好效果。隨著科學技術的進一步發展,將為糧食行業的糧食數量監測和信息化監管提供更好支撐。

實時、高效、低成本的糧倉糧食數量檢測技術已經成為未來發展的趨勢。目前現有的糧倉糧食數量監測技術雖能夠在一定程度上減輕糧食數量清查的工作量,但成本偏高、部署復雜。隨著機器視覺技術的發展和邊緣計算設備算力的提升,基于單目視覺的圖像識別技術成本低,部署便捷,可利用糧倉內已有的攝像機采集糧堆圖像信息,采用圖像分割技術獲取邊緣像素坐標,對比分析糧面邊緣像素變化情況從而對糧食數量變化進行動態監測,并通過借助參照物信息計算糧倉糧堆體積和糧食數量,進而實現糧倉糧食數量的動態監管。該方法易實現、成本低、效率高,可為今后糧倉糧食數量監測工作提供新的思路。