基于虚拟多传感器信息融合的粮情预警系统

2 虚拟多传感器
虚拟多传感器是对一个传感器所获的数据采用不同的信息处理算法进行变换、特征提取， 得到具有不同特征的信息，将这些信息进行融合得到更加可靠准确的信息。其最大的特点就是信息冗余、信息互补和信息实时。其优点就是能减少数据量及其计算量，提高信息的准确性。在粮食储藏过程中，通过温湿度传感器、高清晰图像传感器得到粮食及环境的温湿度和图像信息，对所获得的温湿度、图像信息采用不同的信息处理算法进行变换和特征提取，得到具有不同特征信息的虚拟温湿度、图像传感器数据，然后利用(Dempester-Shafer；D-S)证据理论将这些信息进行融合，可以得到在粮食储藏过程中粮情的变化过程。其虚拟多传感器信息融合过程如图l所示。

在粮食仓储过程中，如果储粮区域的温度、湿度在一段时间内保持在适合霉菌或害虫生长的范围内，粮食就会发生霉变或虫害。通过高精度温湿度传感器得到温湿度的实时变化数据。同时在某种程度上也会造成粮食外观颜色、体积、纹理等细微变化。这种变化利用肉眼很难分辨，通过一定算法对图像进行特征提取，得到具有不同特征的虚拟图像传感器信息。对这些具有不同特征的信息进行融合，可以预测到粮食发生霉变或虫害的时间。
2．1 温湿度信度变换
对实时采集到的实际温度值t1，采用(1)式得到温度的信度值m1；粮食温度与仓温的差值的信度值m2，粮食温度与平均温度的差值的信度值m3，粮食温度梯度变化的信度值m4；实时采集到的实际湿度值h1，采用(2)式得到湿度的信度值n1；粮食湿度与仓湿的差值的信度值n2，粮食湿度与平均湿度的差值的信度值n3，粮食湿度梯度变化的信度值n4。

式中：Ti一经验值；ki一加权系数；ti=1一温度值。ti=2一粮食温度与仓温的差值。ti=3一粮食温度与平均值的差值。ti=4一粮食温度梯度值。

式中：Hi一经验值；ki―加权系数；hi=1一湿度值。hi=2一粮食湿度与仓湿的差值。hi=3一粮食湿度与平均值的差值。hi=4一粮食湿度梯度值。
2．2 图像特征提取
图像的特征提取，通过对目标图像与源图像进行RGB颜色的相似度、区域面积的相似度、纹理特征相似度的分析，得到粮情变化的情况。
RGB颜色的相似度分析。对于图像的颜色用直方图可以表示为式(3)：

其中：A、B、C分别表示所有像素中三基色(RGB)所占的比例。N表示图像像素数。所得到RGB图像(又称真彩色图像)是以m×n×3的3D矩阵的方式存储，分别定义了m×n图像的每个像素中所包含三基色各自的强度。因此RGB直方图是对“色阶一像素数”的归一化统计结果。
对目标图像和源图像的直方图统计结果，可认为是矢量。比较两幅图像的颜色相似度，可转化为对矢量空间中两个点空间距离的计算。计算方法可以采用式(4)欧几里德距离(euclidean distance)。

其中：h和g分别代表两幅图像的颜色直方图。
小麦图片RGB颜色的相似度的提取如图2所示。

区域面积的提取利用最大类间方差(OTSU)对灰度图像进行自适应阈值分割，实现目标的提取。它是按图像的灰度特性，将图像分成背景和目标两部分。背景和目标之间的类问方差大，说明构成图像的这两部分的差别越大。当部分目标错分为背景或部分背景错分为目标都会导致图像这两部分差别变小。因此，使类间方差最大的分割意味着错分概率最小。小麦图片区域面积的提取如图3所示。