[發明專利]一種基于信息融合的環境適宜度檢測方法

在審

• 申請號: 201911321094.1
• 申請日: 2019-12-19
• 公開（公告）號: CN113008295A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 李韻涵
• 主分類號: G01D21/02
• 分類號: G01D21/02;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 西安啟誠專利知識產權代理事務所(普通合伙) 61240
• 代理人: 李艷春

1.一種基于信息融合的環境適宜度檢測方法，其特征在于，該方法包括以下步驟：

步驟一、在需要進行環境適宜度檢測的環境中布設多個環境適宜度檢測裝置，并給每個環境適宜度檢測裝置編號，記錄每個環境適宜度檢測裝置的位置；所述環境適宜度檢測裝置包括微控制器模塊和為系統中各用電模塊供電的供電電池，以及與所述微控制器模塊相接且用于與監控中心計算機無線連接并通信的無線通信模塊，所述微控制器模塊的輸入端接有信號調理電路模塊和用于設置控制參數的鍵盤電路模塊，所述信號調理電路模塊由依次相接的放大電路模塊、濾波電路模塊和A/D轉換電路模塊構成，所述放大電路模塊的輸入端接有溫度檢測傳感器、濕度檢測傳感器和光敏傳感器，所述微控制器模塊的輸出端接有液晶顯示電路模塊；

步驟二、數據采集及傳輸：微控制器模塊周期性地采集溫度、濕度檢測傳感器和光敏傳感器所檢測到的信號，溫度、濕度檢測傳感器和光敏傳感器所檢測到的信號依次通過放大電路模塊、濾波電路模塊和A/D轉換電路模塊進行放大、濾波、A/D轉換處理后輸出給微控制器模塊，微控制器模塊將溫度數據、濕度數據和光照信號數據進行打包后通過無線通信模塊發送給監控中心計算機；

步驟三、數據分析處理，判斷出環境適宜度：監控中心計算機將溫度數據、濕度數據和光照信號數據輸入存儲在其中的根據檢測數據判斷環境適宜度的基于果蠅算法優化的BP神經網絡模型中，得出所述基于果蠅算法優化的BP神經網絡模型的輸出，所述基于果蠅算法優化的BP神經網絡模型的輸出即為環境適宜度；其中，所述基于果蠅算法優化的BP神經網絡模型的構建方法為：

步驟301、數據存儲：將溫度、濕度和光照信號的歷史數據存儲到計算機中；

步驟302、建立三層BP神經網絡：計算機在MATLAB軟件中以溫度、濕度和光照信號的歷史數據值作為BP神經網絡的輸入，輸入層節點數n₁為3個，以環境適宜度作為BP神經網絡的輸出，輸出層節點數n₃為1個，確定所述三層BP網絡的隱含層節點數n₂為10個，建立三層BP神經網絡；

步驟303、訓練三層BP神經網絡，具體過程為：

步驟3031、計算機在MATLAB軟件中將溫度、濕度和光照信號的歷史數據作為三層BP神經網絡的輸入，并以與溫度、濕度和光照信號的歷史數據對應的環境適宜度歷史數據作為BP神經網絡的輸出，構建訓練樣本；

步驟3032、計算機對三層BP神經網絡進行訓練，且在進行訓練的過程中調用果蠅算法參數優化模塊對三層BP神經網絡的權值W和閾值B進行優化，得到權值W和閾值B最優的訓練好的三層BP神經網絡。

2.按照權利要求1所述的一種基于信息融合的環境適宜度檢測方法，其特征在于：步驟一中所述需要進行環境適宜度檢測的環境包括糧食儲存環境、蔬菜生長環境和牲畜生長環境。

3.按照權利要求1所述的一種基于信息融合的環境適宜度檢測方法，其特征在于：步驟3032中所述計算機對三層BP神經網絡進行訓練，且在進行訓練的過程中調用果蠅算法參數優化模塊對三層BP神經網絡的權值W和閾值B進行優化的具體過程為：

步驟A、初始化果蠅群體位置；果蠅群體位置為三層BP神經網絡中當前迭代中的權值和閾值的集合；

步驟B、賦予果蠅個體利用嗅覺搜尋食物的隨機方向和距離；

步驟C、計算與原點的距離D，再計算味道濃度判定值S；

步驟D、把S帶入味道濃度判定函數；

步驟E、求此果蠅群體中的味道濃度最高的果蠅；

步驟F、記錄最佳味道濃度值和對應最佳味道濃度值的果蠅位置；

步驟G、根據味道濃度判定值計算果蠅群體的平均味道濃度判定值F_i，其中，S_i(r)為第r代中果蠅i的味道濃度判定值，N為迭代次數；

步驟H、根據公式計算果蠅群體平均味道濃度判定值的方差σ²；

步驟I、根據公式選取下一次迭代的步長，其中，h_r為種群第r代搜索步長；

步驟J、判定是否達到了預設的最大迭代次數，當達到最大的迭代次數時，結束，將最后一次迭代確定出的果蠅群體位置對應的三層BP神經網絡的權值W和閾值B確定為基于果蠅算法優化的BP神經網絡模型的權值W和閾值B；否則，返回執行步驟A至步驟I。

4.按照權利要求1所述的一種基于信息融合的環境適宜度檢測方法，其特征在于：步驟J中所述預設的最大迭代次數為300次。