基于微带天线的粮食水分含量检测研究

来源 :传感技术学报 | 被引量 : 0次 | 上传用户:wanghuaimin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
粮食含水量在作物生产、交通运输和谷仓存储等环节中均为重要的检测参量.微波能穿透被检测对象,与其内部水分子相互作用,将水分含量转换为散射参数的变化,从而测定材料中的水分含量.本文以大米作为检测对象,设计并加工了一款微带贴片式天线,实现了非接触、实时、高精度的含水量检测.采用接触与非接触两种检测方式,研究了大米含水量、体密度、检测高度与谐振频率、回波损耗、相位的关系.所提出的微带天线的检测灵敏度按谐振频率、回波损耗、相位表征分别为600 kHz/%、0.149 dB/%和1100 kHz/%,检测最小平均相对误差分别为0.026%、0.083%和0.028%,表明该微带天线在粮食含水量检测方面具有特殊的优势,为粮食储存和运输过程中的含水量实时检测提供了重要参考.
其他文献
针对哈里斯鹰算法(HHO)很难在探索和开发之间取得平衡,且易陷于局部最优和种群低多样性等问题,本文提出一种基于混沌透镜成像学习的哈里斯鹰算法(FLHHO).首先,利用Fuch无限折叠混沌策略初始化种群,丰富种群多样性;其次,在探索阶段引入黄金正弦策略,提高算法的求解精度;最后,利用混合透镜成像学习和柯西变异策略,对哈里斯鹰最佳位置进行扰动,提高算法跳出局部最优的能力.将改进后的哈里斯鹰算法(FLHHO)在10个经典测试函数和29个CEC2017测试函数上进行求解精度,仿真结果表明,FLHHO算法优于HHO
针对基于颜色特征的目标跟踪方法易受相似颜色背景干扰的问题,提出了一种基于Azure Kinect的目标跟踪定位方法.根据目标物三维点云数据,利用点云分割、坐标映射提取目标物;在HSV颜色空间建立融合深度信息的目标物“颜色-形状”模型,运用深度方差对目标物和相似颜色背景进行连通域分割,获得潜在目标;通过目标物形状偏差率、直方图巴氏距离及目标物质心区域的深度均值完成目标跟踪定位.设计了单摆实验,验证了该方法对相似颜色背景具有较强的抗干扰能力.