基于虛擬多傳感器信息融合的糧情預警系統(tǒng)

2 虛擬多傳感器
虛擬多傳感器是對一個傳感器所獲的數據采用不同的信息處理算法進行變換、特征提取， 得到具有不同特征的信息，將這些信息進行融合得到更加可靠準確的信息。其最大的特點就是信息冗余、信息互補和信息實時。其優(yōu)點就是能減少數據量及其計算量，提高信息的準確性。在糧食儲藏過程中，通過溫濕度傳感器、高清晰圖像傳感器得到糧食及環(huán)境的溫濕度和圖像信息，對所獲得的溫濕度、圖像信息采用不同的信息處理算法進行變換和特征提取，得到具有不同特征信息的虛擬溫濕度、圖像傳感器數據，然后利用(Dempester-Shafer；D-S)證據理論將這些信息進行融合，可以得到在糧食儲藏過程中糧情的變化過程。其虛擬多傳感器信息融合過程如圖l所示。

在糧食倉儲過程中，如果儲糧區(qū)域的溫度、濕度在一段時間內保持在適合霉菌或害蟲生長的范圍內，糧食就會發(fā)生霉變或蟲害。通過高精度溫濕度傳感器得到溫濕度的實時變化數據。同時在某種程度上也會造成糧食外觀顏色、體積、紋理等細微變化。這種變化利用肉眼很難分辨，通過一定算法對圖像進行特征提取，得到具有不同特征的虛擬圖像傳感器信息。對這些具有不同特征的信息進行融合，可以預測到糧食發(fā)生霉變或蟲害的時間。
2．1 溫濕度信度變換
對實時采集到的實際溫度值t1，采用(1)式得到溫度的信度值m1；糧食溫度與倉溫的差值的信度值m2，糧食溫度與平均溫度的差值的信度值m3，糧食溫度梯度變化的信度值m4；實時采集到的實際濕度值h1，采用(2)式得到濕度的信度值n1；糧食濕度與倉濕的差值的信度值n2，糧食濕度與平均濕度的差值的信度值n3，糧食濕度梯度變化的信度值n4。

式中：Ti一經驗值；ki一加權系數；ti=1一溫度值。ti=2一糧食溫度與倉溫的差值。ti=3一糧食溫度與平均值的差值。ti=4一糧食溫度梯度值。

式中：Hi一經驗值；ki―加權系數；hi=1一濕度值。hi=2一糧食濕度與倉濕的差值。hi=3一糧食濕度與平均值的差值。hi=4一糧食濕度梯度值。
2．2 圖像特征提取
圖像的特征提取，通過對目標圖像與源圖像進行RGB顏色的相似度、區(qū)域面積的相似度、紋理特征相似度的分析，得到糧情變化的情況。
RGB顏色的相似度分析。對于圖像的顏色用直方圖可以表示為式(3)：

其中：A、B、C分別表示所有像素中三基色(RGB)所占的比例。N表示圖像像素數。所得到RGB圖像(又稱真彩色圖像)是以m×n×3的3D矩陣的方式存儲，分別定義了m×n圖像的每個像素中所包含三基色各自的強度。因此RGB直方圖是對“色階一像素數”的歸一化統(tǒng)計結果。
對目標圖像和源圖像的直方圖統(tǒng)計結果，可認為是矢量。比較兩幅圖像的顏色相似度，可轉化為對矢量空間中兩個點空間距離的計算。計算方法可以采用式(4)歐幾里德距離(euclidean distance)。

其中：h和g分別代表兩幅圖像的顏色直方圖。
小麥圖片RGB顏色的相似度的提取如圖2所示。

區(qū)域面積的提取利用最大類間方差(OTSU)對灰度圖像進行自適應閾值分割，實現(xiàn)目標的提取。它是按圖像的灰度特性，將圖像分成背景和目標兩部分。背景和目標之間的類問方差大，說明構成圖像的這兩部分的差別越大。當部分目標錯分為背景或部分背景錯分為目標都會導致圖像這兩部分差別變小。因此，使類間方差最大的分割意味著錯分概率最小。小麥圖片區(qū)域面積的提取如圖3所示。