一种基于BP神经网络的农产品智能烘干控制方法技术

本发明专利技术提出一种基于BP神经网络的农产品智能烘干控制方法，包括以下步骤；步骤S1、对农产品的多个特征的估计值进行推理，得到特征组合，在数据库中以农产品种类检索基础烘干方案，进而以特征组合检索对应的组合烘干增益方案；步骤S2、对特征组合、期望达到的农产品烘干度进行归一化，形成BP神经网络的输入值，经预测计算，得到BP烘干增益方案；步骤S3、以BP烘干增益方案、组合烘干增益方案对基础烘干方案进行调整以形成最终烘干方案；步骤S4、按最终烘干方案对农产品烘干后，反馈烘干效果的偏差量，以优化其网络权重值来提升其预测准确度；本发明专利技术通过神经网络的推理和预测，可在烘干农作物时摆脱对人工经验的过度依赖，操作便捷，易于在基层普及。

【技术实现步骤摘要】
一种基于BP神经网络的农产品智能烘干控制方法
本专利技术涉及农产品加工
，尤其是一种基于BP神经网络的农产品智能烘干控制方法。
技术介绍
我国是农产品大国，木耳，蘑菇，水稻，玉米等许多农产品往往都要进行烘干处理。而农产品的烘干是一个复杂的变化过程，包含许多物理，化学和生物化学变化。在烘干过程中，不同批次，种类农作物含水量不同，不合适的环境温度，不合适的环境湿度，过长或过短的时间等等因素都将影响农产品的烘干质量。比如蘑菇，烘干温度过高会造成蘑菇颜色发黑，蘑菇内部营养物质也会流失，但是温度过低时，又不利于烘干过程的进行，会使蘑菇烘干时间变长，造成能源的浪费。烘干过程中风速过高时，会造成蘑菇表面失水过快而气孔闭合，不利于水分的排出。不合理的烘干过程不仅浪费能源和时间，还将导致农产品品质，等级的降低，使农产品的烘干质量难以保证。严重影响农产品的商品价值，。因此在烘干开始之前，就应该为农产品选择合适的烘干方案。现有技术方案的缺陷在于，目前主要通过人工经验来设定烘干过程中的温度，湿度，每个区的烘干时间，之后按照对应的温度，湿度，时间设定来进行烘干，无法根据不同农产品来智能推荐烘干参数，由于这种方法需要大量的经验和知识，因此也难以普及到基层，同时由于是人工判断，出现误差的可能性也非常大。由于现有的方法主要是根据人工判断。人工根据农产品种类，外观等相关农产品的初始状态特征来判断合适的烘干方案，即使是有着大量的相关领域知识和大量相关从业经验的人，也难以保证判断准确。同时这种需要大量知识，经验储备的人为判断方式也难以推广普及到基层。在准确度和普及度上来说都是不可行的。
技术实现思路
本专利技术提出一种基于BP神经网络的农产品智能烘干控制方法，通过神经网络的推理和预测，可在烘干农作物时摆脱对人工经验的过度依赖，操作便捷，易于在基层普及。本专利技术采用以下技术方案。一种基于BP神经网络的农产品智能烘干控制方法，所述烘干控制方法基于烘干控制系统，烘干控制方法包括以下步骤；步骤S1、以模糊算法的模糊集公式对需烘干的农产品的多个特征的估计值进行推理计算，得到能用于检索的特征组合，在数据库中以农产品种类检索基础烘干方案，进而以特征组合检索对应的组合烘干增益方案；步骤S2、对特征组合、期望达到的农产品烘干度这两部分表述值进行归一化处理，形成BP神经网络的输入值，经BP神经网络的预测计算，得到BP烘干增益方案；步骤S3、以BP烘干增益方案、组合烘干增益方案调整基础烘干方案并得到最终烘干方案，最终烘干方案包括烘干时段划分和各烘干时段的温度设定、湿度设定和时长设定；步骤S4、按最终烘干方案对农产品烘干后，向烘干控制系统反馈烘干效果的偏差量，所述偏差量作为BP神经网络反向运算的误差值，可用于BP神经网络训练以优化其网络权重值来提升其预测准确度。在步骤S1中，以模糊集公式对需烘干的农产品的四个特征的估计值进行推理计算，模糊集均分为三个；在步骤S2中，所述BP神经网络包括输入层、隐藏层和输出层，其神经网络结构为3x4x3，包括一个值恒为1的备用输入神经元。在步骤S2中，BP神经网络的激活函数默认为Tanh函数，所述Tanh函数以公式表述为公式一。所述四个特征为可用于估算农产品水分含量的特征；当需烘干的农产品为木耳时，与木耳对应的四个特征为软硬度、孢子粉含量、朵片厚度、烂耳度。在步骤S1中输入四个特征时，首先在烘干控制系统输入需烘干的农产品种类，然后烘干控制系统自动根据农产品种类来检索对应的需输入特征，形成交互界面供使用者录入；当从数据库检索到基础烘干方案、组合烘干增益方案后，交互界面显示检索结果和与方案对应的烘干参数设定、推理过程。所述步骤S4中，具体操作为在控制系统的专家系统中反馈农产品按最终烘干方案操作后的烘干程度；如果步骤S2中期望达到的农产品烘干度与反馈的烘干程度不相同，两个程度被换算成数值以进行相减，程度相差越大，相减的结果数值越高且有正负之分；该结果数值将被作为BP神经网络反向运算的误差值，以其对BP神经网络训练之后，将可以优化相关网络权重值，从而提升下次预测的准确程度。一种基于BP神经网络的农产品智能烘干控制系统，用于上述的烘干控制方法，所述控制系统包括PLC和与之相连的设有热泵、风机的干燥库房；所述PLC经网络设备与远端的专家系统相连以接收烘干方案；所述风机与库房两侧和顶端处的排湿排热风机口、库房底端的新风口相连；库房中间安装有用于盛放农产品的物料盘；库房内部安装有用于采集检测各处实时温湿度的温湿度传感器。所述物料盘处设有称重控制仪；所述温湿度传感器为用于采集库房内部温度数据、湿度数据的16路温度巡检仪和湿度仪，温湿度传感器采集的温度数据、湿度数据以电信号形式经模拟量输入模块上传至PLC；PLC按控制系统的专家系统提供的最终烘干方案，经模拟量输出模块、数字量输出模块对风机、热泵的工况进行控制。所述控制系统包括含数据库的专家系统，所述专家系统的数据库为包括农作物烘干工艺表、农作物规则匹配增益表、农作物基本信息表、BP神经网络网络参数表的知识库；所述专家系统包括系统初始设置模块、农作物种类选择模块、特征程度选择模块、推理启动模块、推理过程及结果模块、生成的烘干方案模块、结果反馈模块、网络权重模块；所述专家系统还包括可输入农产品名称、农产品特征、期望烘干度和烘干反馈内容的交互界面；所述交互界面按输入的农产品名称自动检索对应的农产品特征，并根据检索结果生成对应的农产品特征输入界面；所述农作物烘干工艺表存贮有已有的农作物基础烘干工艺数据；所述农作物规则匹配增益表存贮有不同农产品的不同特征组合所对应的烘干工艺增益数据；所述农作物基本信息表的存贮数据包括农作物的名字和对应的相关特征，以及在烘干作业中可以选择的烘干程度值；所述BP神经网络网络参数表用于存放不同农作物所使用的BP神经网络的权重值。所述专家系统为按输入的农产品特征来推理农产品含水量，从数据库中检索与之匹配的农作物基础烘干工艺即基础烘干方案的专家系统；当专家系统收到输入的农产品烘干作业的期望烘干度时，以BP神经网络预测烘干工艺中可调整的部分，并根据预测结果对基础烘干方案进行调整，形成最终烘干方案并输出至PLC，PLC按方案设定对干燥库房内的设备进行控制。基础烘干方案记录了烘干过程的参数值，BP烘干增益方案、组合烘干增益方案记录了对参数的修正量，以BP烘干增益方案、组合烘干增益方案、基础烘干方案三者的数值相加，即得到最终烘干方案。本专利技术提供了一种模糊控制和BP神经网络相结合的农产品烘干方案专家系统。用于生成农产品的优化烘干方案，从而进一步控制烘干。不仅为我国这个农产品大国提供了一种确保农产品烘干质量方法，也提供了一种探索从农产品新烘干方案的手段。解决了没有相关专业领域知识和经验就不能判断烘干方案的问题，简易的集成系统使得一般人也可以使用，极大的提升了系统的普及程度。由于系统拥有自学习能力，每次都会通过本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络的农产品智能烘干控制方法，其特征在于：所述烘干控制方法基于烘干控制系统，烘干控制方法包括以下步骤；/n步骤S1、以模糊算法的模糊集公式对需烘干的农产品的多个特征的估计值进行推理计算，得到能用于检索的特征组合，在数据库中以农产品种类检索基础烘干方案，进而以特征组合检索对应的组合烘干增益方案；/n步骤S2、对特征组合、期望达到的农产品烘干度这两部分表述值进行归一化处理，形成BP神经网络的输入值，经BP神经网络的预测计算，得到BP烘干增益方案；/n步骤S3、以BP烘干增益方案、组合烘干增益方案调整基础烘干方案并得到最终烘干方案，最终烘干方案包括烘干时段划分和各烘干时段的温度设定、湿度设定和时长设定；/n步骤S4、按最终烘干方案对农产品烘干后，向烘干控制系统反馈烘干效果的偏差量，所述偏差量作为BP神经网络反向运算的误差值，可用于BP神经网络训练以优化其网络权重值来提升其预测准确度。/n

【技术特征摘要】
1.一种基于BP神经网络的农产品智能烘干控制方法，其特征在于：所述烘干控制方法基于烘干控制系统，烘干控制方法包括以下步骤；
步骤S1、以模糊算法的模糊集公式对需烘干的农产品的多个特征的估计值进行推理计算，得到能用于检索的特征组合，在数据库中以农产品种类检索基础烘干方案，进而以特征组合检索对应的组合烘干增益方案；
步骤S2、对特征组合、期望达到的农产品烘干度这两部分表述值进行归一化处理，形成BP神经网络的输入值，经BP神经网络的预测计算，得到BP烘干增益方案；
步骤S3、以BP烘干增益方案、组合烘干增益方案调整基础烘干方案并得到最终烘干方案，最终烘干方案包括烘干时段划分和各烘干时段的温度设定、湿度设定和时长设定；
步骤S4、按最终烘干方案对农产品烘干后，向烘干控制系统反馈烘干效果的偏差量，所述偏差量作为BP神经网络反向运算的误差值，可用于BP神经网络训练以优化其网络权重值来提升其预测准确度。


2.根据权利要求1所述的一种基于BP神经网络的农产品智能烘干控制方法，其特征在于：在步骤S1中，以模糊集公式对需烘干的农产品的四个特征的估计值进行推理计算，模糊集均分为三个；在步骤S2中，所述BP神经网络包括输入层、隐藏层和输出层，其神经网络结构为3x4x3，包括一个值恒为1的备用输入神经元。


3.根据权利要求2所述的一种基于BP神经网络的农产品智能烘干控制方法，其特征在于：在步骤S2中，BP神经网络的激活函数默认为Tanh函数，所述Tanh函数以公式表述为

公式一。


4.根据权利要求3所述的一种基于BP神经网络的农产品智能烘干控制方法，其特征在于：所述四个特征为可用于估算农产品水分含量的特征；当需烘干的农产品为木耳时，与木耳对应的四个特征为软硬度、孢子粉含量、朵片厚度、烂耳度。


5.根据权利要求4所述的一种基于BP神经网络的农产品智能烘干控制方法，其特征在于：在步骤S1中输入四个特征时，首先在烘干控制系统输入需烘干的农产品种类，然后烘干控制系统自动根据农产品种类来检索对应的需输入特征，形成交互界面供使用者录入；
当从数据库检索到基础烘干方案、组合烘干增益方案后，交互界面显示检索结果和与方案对应的烘干参数设定、推理过程。


6.根据权利要求3所述的一种基于BP神经网络的农产品智能烘干控制方法，其特征在于：所述步骤S4中，具体操作为在控制系统的专家系统中反馈农产品按最终烘干方案操作后的烘干程度；如果步骤S2中期望达到的农产品烘干度与反馈的烘干程度不相同，两个程度被换算成数值以进行相减，程度相差越大，相减的结果数值越高且有正负之分；该结果数...

【专利技术属性】
技术研发人员：熊巍，黄靖，俞智坤，吴思羽，詹鑫斐，
申请(专利权)人：福建工程学院，
类型：发明
国别省市：福建;35