運用人工智能（Artificial Intelligence, AI）技術(shù)提升糧食產(chǎn)后的管理水平是糧食安全問題的熱門話題之一。儲糧智能通風(fēng)、智能糧情監(jiān)測等機理驅(qū)動AI技術(shù)推動了儲備糧"四合一"技術(shù)的應(yīng)用。糧堆多場耦合理論等新的儲糧基礎(chǔ)研究為機理驅(qū)動AI提供了新方法。數(shù)據(jù)驅(qū)動AI在糧食干燥控制、害蟲識別等應(yīng)用中發(fā)展較快。在糧食產(chǎn)業(yè)鏈管理當中,5T管理理念與方法使AI與技術(shù)管理高度融合,使成品質(zhì)量管理與作業(yè)過程管理有機結(jié)合,為大數(shù)據(jù)的全鏈條應(yīng)用提供了路徑。但糧食產(chǎn)后領(lǐng)域仍然存在AI技術(shù)應(yīng)用不平衡,總體水平較低問題。期待在糧情監(jiān)控預(yù)警、收儲精準品控、糧食大數(shù)據(jù)挖掘等方面,加快機理與數(shù)據(jù)雙驅(qū)動AI技術(shù)的研發(fā);在糧食產(chǎn)業(yè)鏈管理、行業(yè)監(jiān)管服務(wù)等方面加快智慧糧食系統(tǒng)的建立。 

【文章來源】：中國糧油學(xué)報. 2019,34(11)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

溫度場云圖指紋掃描效果示意圖1.1.3糧堆壓力場模型與糧倉實物數(shù)量AI探測儀

22］。2019年結(jié)合國家多部門對儲備糧庫存數(shù)量和質(zhì)量的大檢查，對十余省區(qū)市89多萬組儲備糧糧溫數(shù)據(jù)進行分析，發(fā)出管理預(yù)警6000多個，經(jīng)現(xiàn)場驗證正確的占87%。該項AI技術(shù)為糧食庫存監(jiān)管技術(shù)的升級提供了新手段［23］。圖1溫度場云圖指紋掃描效果示意圖1.1.3糧堆壓力場模型與糧倉實物數(shù)量AI探測儀王錄民等團隊運用糧堆壓力場分布研究成果，建立了糧堆密度模型［24，25］。通過激光掃描糧堆形狀、計算糧堆體積，結(jié)合密度模型自動測量出糧倉儲糧實物數(shù)量(圖2)，與過稱檢斤對比誤差小于3%，滿足了國家清倉查庫實物檢查的精度要求，提高了庫存檢查的效率。圖2庫存糧食數(shù)量AI測量儀在全國庫存大檢查應(yīng)用現(xiàn)場1.2儲糧蟲害的機器識別技術(shù)周慧玲團隊克服了糧堆中捕獲的害蟲圖像像素低和害蟲運動造成的圖像模糊失真問題，在運用卷積神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)技術(shù)基礎(chǔ)上，結(jié)合紅外信號的探測分析以強化識別能力，使糧堆害蟲動態(tài)圖像捕捉識別平均準確率達到90%以上［26，27］。1.3機理驅(qū)動和數(shù)據(jù)驅(qū)動AI控制技術(shù)分別在糧食干燥中應(yīng)用糧食干燥過程是一項復(fù)雜的熱質(zhì)傳遞過程，具有大滯后、多干擾、非線性、強耦合和參數(shù)不確定性等特點，用傳統(tǒng)方法控制易發(fā)生過調(diào)、過緩或震蕩，嚴重影響糧食烘干質(zhì)量。必須通過控制器進行預(yù)測、預(yù)判、預(yù)調(diào)，減少烘干偏差。吳文福等團隊應(yīng)用機理驅(qū)動AI，從微元、微環(huán)境431

、陳俊軼等［32］通過多因子可控干燥試驗臺研究了耦合因子對谷物干燥過程水分及品質(zhì)的影響，建立了等效積溫－品質(zhì)工具化圖表;劉哲等［33］實物模擬研究了烘干機各個干燥層面動態(tài)變化規(guī)律，提出了連續(xù)干燥過程“等效積溫窗口理論”測控方法和循環(huán)干燥的“真0.5%”測控方法，并開發(fā)了相應(yīng)機理驅(qū)動AI控制器以及循環(huán)，使糧食烘干質(zhì)量大幅提高，成功應(yīng)用于多型號的節(jié)能環(huán)保糧食連續(xù)烘干機。周曉光團隊研究了數(shù)據(jù)驅(qū)動AI技術(shù)可應(yīng)用自動尋找優(yōu)化控制算法［34－36］(圖3)。其中運用BP神經(jīng)網(wǎng)絡(luò)算法與改進粒子群算法的支持向量機模型結(jié)合，解決小樣本、非線性和高維數(shù)不易收斂難題;運用模糊、遺傳、免疫算法和逆模型等算法相結(jié)合，提高全局搜索能力和實現(xiàn)控制參數(shù)滾動優(yōu)化，避免陷入局部最優(yōu)。比同類烘干系統(tǒng)提升效率20%以上。圖3烘干機個性化優(yōu)化的數(shù)字驅(qū)動AI控制算法示意圖1.4大米產(chǎn)業(yè)鏈5T管理中的AI技術(shù)應(yīng)用糧食產(chǎn)業(yè)鏈管理的提升，需要AI技術(shù)和AI管理的高度融合，解決多系統(tǒng)耦合下復(fù)雜管理決策問題。吳文福等［37，38］將優(yōu)質(zhì)粳稻收儲過程劃分為收割、田場、干燥、收倉、倉儲的5個作業(yè)時期，通過實驗測定籽粒成熟曲線、籽粒田間感染微生物曲線、機械干燥等效積溫品質(zhì)曲線、環(huán)境溫濕籽粒爆腰曲線、倉儲稻谷等效積溫品質(zhì)曲線等，建立相應(yīng)的以時間、溫度等為主要指標的感知、追溯、管控、預(yù)警等結(jié)合區(qū)塊鏈和物聯(lián)網(wǎng)技術(shù)的5T管理AI系統(tǒng)和標準體系［39］，為吉林大米創(chuàng)立優(yōu)勢品牌發(fā)揮了良好作用。1.5庫存識別代碼與糧食流通防偽

【參考文獻】：
期刊論文
[1]玉米籽粒變溫變濕干燥后不飽和脂肪酸與干燥系統(tǒng)的耦合關(guān)系[J]. 吳文福,陳俊軼,成榮敏,金毅,魏雪松,效碧亮,徐巖.  農(nóng)業(yè)工程學(xué)報. 2019(16)
[2]儲糧害蟲智能圖鑒及圖像識別APP軟件設(shè)計[J]. 趙彬宇,周慧玲,李江濤,嚴曉平,韓康榕.  糧食儲藏. 2019(03)
[3]基于三維激光掃描技術(shù)的糧食庫存數(shù)量監(jiān)測應(yīng)用研究[J]. 丁孝銀,肖昭然,許啟鏗,柳兆華.  河南工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2019(03)
[4]基于視頻檢測的儲糧害蟲死亡評估算法的研究[J]. 周亦哲,周慧玲,王威松.  中國糧油學(xué)報. 2019(10)
[5]玉米糧堆霉變發(fā)熱過程中的溫濕度場變化規(guī)律研究[J]. 王小萌,吳文福,尹君,張忠杰,吳子丹,姚渠.  農(nóng)業(yè)工程學(xué)報. 2019(03)
[6]基于糧溫時空相關(guān)性的儲糧數(shù)量監(jiān)管方法研究[J]. 崔宏偉,吳文福,吳子丹,韓峰,朱浩天,秦驍.  農(nóng)業(yè)機械學(xué)報. 2019(01)
[7]基于溫濕度場云圖的小麥糧堆霉變與溫濕度耦合分析[J]. 王小萌,吳文福,尹君,張忠杰,吳子丹,張洪清.  農(nóng)業(yè)工程學(xué)報. 2018(10)
[8]散糧堆底部壓力顆粒流數(shù)值模擬分析[J]. 許啟鏗,揣君,曹宇飛,王錄民,劉永超.  中國糧油學(xué)報. 2017(09)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的旁熱式輻射與對流糧食干燥過程模型[J]. 代愛妮,周曉光,劉相東,劉景云,張馳.  農(nóng)業(yè)機械學(xué)報. 2017(03)
[10]小麥水分吸附速率研究[J]. 李興軍,鄭億青,張來林,吳子丹,姜平.  中國糧油學(xué)報. 2015(11)

博士論文
[1]糧堆微生物場及多場耦合機制和模型的研究[D]. 王小萌.吉林大學(xué) 2019
[2]圖形化儲糧糧情智能分析方法與系統(tǒng)的研究[D]. 陳龍.吉林大學(xué) 2018
[3]糧食干燥積溫品質(zhì)特性及過程測控方法研究[D]. 吳玉柱.吉林大學(xué) 2017
[4]基于絕對水勢的儲糧濕熱遷移及通風(fēng)管理的研究[D]. 陳思羽.吉林大學(xué) 2016
[5]小麥糧堆多場耦合模型及結(jié)露預(yù)測研究[D]. 尹君.吉林大學(xué) 2015

碩士論文
[1]儲糧云圖的特征提取及監(jiān)管方法的應(yīng)用[D]. 朱浩天.吉林大學(xué) 2019
[2]連續(xù)式玉米干燥機水分預(yù)測控制模型的建立與應(yīng)用[D]. 齊德波.吉林大學(xué) 2018



本文編號：3422133