粮食虫霉智能绿色防控装备的制作方法

1.本发明属于粮食检测技术领域，尤其涉及一种粮食虫霉智能绿色防控装备。


背景技术：

2.粮食储存中虫霉会影响粮食品质，许多霉菌均可产生具有强烈毒性和致癌性的真菌毒素，例如黄曲霉菌人体健康有极大损害的黄曲霉毒素，一旦储粮被真菌毒素污染，就会使粮食丧失食用价值导致严重的食品安全问题。昆虫在粮堆中的生长则大量消耗粮食，破坏粮食的食用及品质。因此，对粮食虫霉的防控需要投入较大力度，及时发现，及时采取有效的控制措施，才能保障储粮的安全性。目前粮食的虫霉防控大多通过人工定期抽样检测和观察，由于粮仓储粮量大，面积大，抽样检测覆盖范围有限，精度低，无法及时发现虫霉，无法满足需求。
3.因此，有必要提供一种新的粮食虫霉智能绿色防控装备解决上述技术问题。


技术实现要素：

4.本发明的目的就在于为了解决上述问题而提供一种粮食虫霉智能绿色防控装备。
5.本发明通过以下技术方案来实现上述目的：
6.一种粮食虫霉智能绿色防控装备，包括控制主机和多个探测器；
7.所述探测器包括底座，所述底座上设置有立杆，所述立杆上套设有圆盘，所述圆盘上设置有多个取样器；
8.所述取样器包括设置在所述圆盘上的取样管，所述探测器上的多个所述取样管的长度均不相同，所述取样管的底端贯穿所述圆盘并设置有圆锥，所述圆锥上设置有二氧化碳传感器，所述二氧化碳传感器与所述控制主机相连接，所述取样管的顶端设置有漏斗，所述取样器还包括支架，所述支架设置在所述圆盘上，所述支架的底侧设置有摄像头，所述摄像头对准所述漏斗，所述摄像头内设置有计时模块，所述计时模块用于控制所述摄像头的工作时间，所述支架上设置有电机，所述电机与所述控制主机相连接，所述电机的输出轴上连接有绞龙，所述取样管的一侧底部开设有进料口。
9.作为本发明的进一步优化方案，所述立杆上设置有刻度。
10.作为本发明的进一步优化方案，所述圆盘上设置有定位套，所述定位套上设置有锁紧螺母。
11.作为本发明的进一步优化方案，所述圆锥上设置有网罩，所述二氧化碳传感器位于所述网罩内。
12.作为本发明的进一步优化方案，所述控制主机包括二氧化碳浓度对比模块、图片预处理模块和虫霉模型模块，所述二氧化碳浓度对比模块用于将所述二氧化碳传感器检测到的二氧化碳浓度数据与预设范围值进行对比，判断所述二氧化碳浓度数据是否位于所述预设范围值内；所述图片预处理模块用于对所述摄像头拍摄的样品图片进行预处理；所述虫霉模型模块用于对预处理后的所述样品图片进行识别。
13.作为本发明的进一步优化方案，所述图片预处理模块处理所述样品图片的步骤如下：
14.对所述样本照片进行几何畸变校正，去除拍摄过程对照片带来的几何形变，对图像选择统一的尺寸进行裁剪操作，统一图像尺寸和格式，得到标准图像。
15.作为本发明的进一步优化方案，所述虫霉模型模块识别所述标准图像的具体步骤如下：
16.将所述标准图像输入所述虫霉模型模块进行图像特征提取，从而获得所述标准图像的图像特征；
17.基于所述图像特征，获得所述标准图像中的多个用于表征虫霉属性的属性特征；
18.根据多个所述属性特征生成待识别的联合属性特征；
19.对所述待识别的联合属性特征进行识别，得到所述标准图像中的虫霉信息。
20.作为本发明的进一步优化方案，所述计时模块控制所述摄像头的工作时间t通过以下公式进行计算：
21.t＝av/(47*d2*s*n*ψ)
22.其中，s为绞龙的螺距，单位m；
23.d为绞龙的螺旋叶片直径，单位为m；
24.n为绞龙的螺旋轴转速，即电机的输出轴的转速，单位为γ/min；ψ为
25.填充系数；
26.v为漏斗的储存体积，单位为m3；
27.a为预设的常数。
28.本发明的有益效果在于：
29.本发明通过均匀设置在粮仓内的探测器对粮仓各个探测点不同深度的粮堆内二氧化碳浓度进行实时监测，可对粮堆内的虫霉进行预测并及时提醒，一旦有所发现可将怀疑虫霉区域的粮食通过取样器取出样本，通过虫霉模型模块进行自动识别输出结果，覆盖范围广，识别精度高，智能化程度高。
附图说明
30.图1是本发明的结构框图；
31.图2是本发明的探测器的结构示意图；
32.图3是本发明的取样管与圆盘组合的结构示意图；
33.图4是本发明的取样器的结构示意图。
34.图中：1、底座；2、立杆；3、圆盘；4、定位套；5、取样器；6、取样管；7、圆锥；8、网罩；9、二氧化碳传感器；10、进料口；11、漏斗；12、支架；13、电机；14、绞龙；15、摄像头。
具体实施方式
35.下面结合附图对本技术作进一步详细描述，有必要在此指出的是，以下具体实施方式只用于对本技术进行进一步的说明，不能理解为对本技术保护范围的限制，该领域的技术人员可以根据上述申请内容对本技术作出一些非本质的改进和调整。
36.对粮食中虫霉活动可以产生二氧化碳气体，同时二氧化碳气体在粮堆中具有较好
扩散性的特点，通过检测粮堆的二氧化碳浓度变化，可以对储粮虫霉活动进行分析和判断。但仅根据粮堆二氧化碳检浓度值的大小判断虫霉活动的方法不够精确，本发明在此基础上加入虫霉识别模型进行进一步判断，增加了精确度。
37.如图1-3所示，一种粮食虫霉智能绿色防控装备，包括控制主机和多个探测器；
38.所述探测器包括底座1，所述底座1上设置有立杆2，所述立杆2上设置有刻度，便于测量粮堆的高度，所述立杆2上套设有圆盘3，所述圆盘3上设置有定位套4，所述定位套4上设置有锁紧螺母，用于固定圆盘3在立杆2上得位置，所述圆盘3上设置有多个取样器5；
39.所述取样器5包括设置在所述圆盘3上的取样管6，所述探测器上的多个所述取样管6的长度均不相同，所述取样管6的底端贯穿所述圆盘3并设置有圆锥7，所述圆锥7上设置有二氧化碳传感器9，所述圆锥7上设置有网罩8，所述二氧化碳传感器9位于所述网罩8内，防止粮食进入取样管6将二氧化碳传感器9淹没，网罩8用于保护二氧化碳传感器9，所述二氧化碳传感器9与所述控制主机相连接，所述取样管6的顶端设置有漏斗11，所述取样器5还包括支架12，所述支架12设置在所述圆盘3上，所述支架12的底侧设置有摄像头15，所述摄像头15对准所述漏斗11，所述摄像头15内设置有计时模块，所述计时模块用于控制所述摄像头15的工作时间，所述支架12上设置有电机13，所述电机13与所述控制主机相连接，所述电机13的输出轴上连接有绞龙14，所述取样管6的一侧底部开设有进料口10。
40.所述控制主机包括二氧化碳浓度对比模块、图片预处理模块和虫霉模型模块，所述二氧化碳浓度对比模块用于将所述二氧化碳传感器9检测到的二氧化碳浓度数据与预设范围值进行对比，判断所述二氧化碳浓度数据是否位于所述预设范围值内；所述图片预处理模块用于对所述摄像头15拍摄的样品图片进行预处理；所述虫霉模型模块用于对预处理后的所述样品图片进行识别。
41.所述图片预处理模块处理所述样品图片的步骤如下：
42.对所述样本照片进行几何畸变校正，去除拍摄过程对照片带来的几何形变，对图像选择统一的尺寸进行裁剪操作，统一图像尺寸和格式，得到标准图像。
43.所述虫霉模型模块识别所述标准图像的具体步骤如下：
44.将所述标准图像输入所述虫霉模型模块进行图像特征提取，从而获得所述标准图像的图像特征；
45.基于所述图像特征，获得所述标准图像中的多个用于表征虫霉属性的属性特征；
46.根据多个所述属性特征生成待识别的联合属性特征；
47.对所述待识别的联合属性特征进行识别，得到所述标准图像中的虫霉信息。
48.所述计时模块控制所述摄像头15的工作时间t通过以下公式进行计算：
49.t＝av/(47*d2*s*n*ψ)
50.其中，s为绞龙14的螺距，单位m；
51.d为绞龙14的螺旋叶片直径，单位为m；
52.n为绞龙的螺旋轴转速，即电机13的输出轴的转速，单位为γ/min；
53.ψ为填充系数，填充系数取决于被输送物料的摩擦性及其黏附性、螺距和螺旋输送机中心线的倾角；对于流动的几乎没有磨损的物料(如面粉、谷物)取ψ＝0.45；对于少数磨损的且为颗状至小块的无赖哦(如食盐、砂)取ψ＝0.33；对于磨损性和侵蚀性很大的且松散密度大的物料(如矿渣、砾石、矿石)取ψ＝0.15；这里取ψ＝0.45；
54.v为漏斗11的储存体积，单位为m3；
55.a为预设的常数，a取正整数，a的取值表示当绞龙14输送的粮食填满了a个漏斗11后，摄像头15停止工作。
56.本发明提供的粮食虫霉智能绿色防控装备的工作原理如下：
57.使用时，将探测器均匀布置在粮仓内，然后在粮仓内倒入粮食，二氧化碳传感器9实时检测粮堆不同深度的二氧化碳浓度并实时传递给控制主机，控制主机内的二氧化碳浓度对比模块判断各个二氧化碳传感9收集的二氧化碳浓度值是否在预设的二氧化碳浓度范围值内，如果在，说明发生虫霉的概率极低，如果超出范围值，控制主机会启动该二氧化碳传感器9所在的取样器5，启动电机13带动绞龙将对应高度的粮食送到漏斗11内，再通过摄像头15进行拍照，得到样本照片，此时工作人员也可以在控制主机上通过屏幕进行人工观察判断，之后通过虫霉模型模块进行识别，得到虫霉信息，如果输出的结果提示由虫霉，怎发出预警，工作人员对应相应的区域进行处理。
58.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。