[00097420]基于电磁波探测的粮堆异物检测识别系统

该课题利用电磁波探测技术对小麦粮堆中异物的检测和识别进行了研究。根据粮仓结构及粮堆的物理特性，建立粮堆异物检测模型，结合电磁波在粮堆中的传播特性，对粮堆的一些特征参数进行提取，再通过人工智能算法和数据分析，最终达到实现粮堆中异物有效检测和识别的目的。项目首先对利用高频电磁波检测小麦粮堆中异物的方法从理论上作了可行性分析。研究了电磁波检测小麦粮堆异物的工作原理，分析了电磁波探测的回波数据形式。探讨影响其分辨率与探测深度的因素，并研究了数据噪音及其来源问题。在小麦粮堆介电常数反演方面，分析研究了影响小麦堆介电常数准确测量的因素，研究了小麦堆介电常数的估算方法，提出了该项目所使用的介电常数估算算法，提出了小麦介质含水率与介电常数之间的数学模型(CRIM和TOPP)，对数值模拟和物理模型实验结果进行了对比分析。结合均匀小麦介质中浅层异物特征，研究了利用探地雷达进行异物检测及提取的理论与方法，分析了均匀介质中双曲线形态的产生机理和基本特征，为异物检测的准确定位打下基础。研究了如何对接收的回波信号进行杂波抑制处理，为雷达图像的可视化提供条件。从浅层介质探地雷达图像的特点出发，对小波去噪的基本原理和性质进行了研究。小波分析可以有效地应用于分析处理探地雷达回波信号。详细研究了小波阈值滤波法在探地雷达异物检测回波信号去噪中的应用，并针对软、硬阈值方法的不足，提出一种改进后的软硬阈值融合法，进一步提高了去噪效果。利用第二代Curvelet增强算法进行图像增强。根据探地雷达检测到的小麦粮堆中异物数据特点，在前面提到的杂波抑制方法的基础上，针对B-scan图的雷达异物识别与定位，提出了用于没有确定指标标准的样本的分类模糊聚类方法，实现了一种有效的特征提取方法和基于模糊聚类分析的识别方法。另外，实现了纹理分析技术用于检测小麦堆中异物图像的特征提取。针对小麦堆二维雷达图的目标识别与定位，提出了一种先进行图像处理，然后通过霍夫变换进行异物检测与精确定位、再在异物所在扫描道上进行逐层反演结合测井法校正的介电常数反演模型，提出了根据介电常数数值进行异物分类与识别的方法最后，在对国外技术的消化吸收的基础上，设计了相应的二维B-Scan雷达图像处理方法。结合研究的介电常数反演算法，杂波抑制算法和目标识别算法，在VISUALC 软件平台下，实现了探地雷达异物检测的回波信号成像及数据处理软件GresWin2，完成了小麦堆介电常数的测定﹑雷达图的可视化及预处理，异物的检测、定位与识别，为后续工作的进展提供了良好的条件。