基于SPASSABP的小麦秸秆含水率检测模型

作     者：孟志军 刘淮玉 安晓飞 尹彦鑫 金诚谦 张安琪 MENG Zhijun;LIU Huaiyu;AN Xiaofei;YIN Yanxin;JIN Chengqian;ZHANG Anqi

作者机构：黑龙江八一农垦大学工程学院大庆163319 国家农业智能装备工程技术研究中心北京100097 北京市农林科学院智能装备技术研究中心北京100097 农业农村部南京农业机械化研究所南京210014 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2022年第53卷第2期

页      面：231-238,245页

核心收录：

学科分类：08[工学] 0828[工学-农业工程] 082801[工学-农业机械化工程] 0714[理学-统计学（可授理学、经济学学位）] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划项目(2019YFB1312304) 北京市农林科学院创新能力建设专项(KJCX20200416) 江苏省农业科技自主创新专项(CX(20)1007)。 

主　　题：小麦 秸秆 含水率 检测模型 电容 麻雀搜索算法 

摘      要：为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43%~25.89%的秸秆在频率0.05~100 kHz、容积密度90.03~179.42 kg/m^(3)和温度25~40℃内的电容,利用连续投影法(Successive projections algorithm,SPA)和主成分分析法(Principal component analysis,PCA)对原始数据进行预处理,提取特征频率,选用反向传播神经网络(Back propagation neural network,BPNN)在全频率及2个特征频率下分别建立秸秆含水率、容积密度、温度的定量分析模型,引入麻雀搜索算法(Sparrow search algorithm,SSA)优化反向传播神经网络模型。试验结果表明,基于全频率构建的模型较基于SPA算法构建的模型预测效果略好,综合考虑模型复杂度和预测性能,本研究选用基于SPA算法结合SSA算法优化后的BP神经网络模型(SPASSABP)作为小麦秸秆含水率的检测模型,其预测集R^(2)_(P)、RMSEP和RPDP分别为0.9832、0.00550和7.715。利用该模型对13个含水率为10.62%~25.59%的秸秆样本进行预测,含水率预测结果的相对误差为-5.27%~5.52%,其中96.8%的预测误差在±5%以内。由此说明,模型具有较高的准确性和较好的鲁棒性。