2 虛擬多傳感器
虛擬多傳感器是對一個傳感器所獲的數(shù)據(jù)采用不同的信息處理算法進行變換、特征提取， 得到具有不同特征的信息，將這些信息進行融合得到更加可靠準(zhǔn)確的信息。其最大的特點就是信息冗余、信息互補和信息實時。其優(yōu)點就是能減少數(shù)據(jù)量及其計算量，提高信息的準(zhǔn)確性。在糧食儲藏過程中，通過溫濕度傳感器、高清晰圖像傳感器得到糧食及環(huán)境的溫濕度和圖像信息，對所獲得的溫濕度、圖像信息采用不同的信息處理算法進行變換和特征提取，得到具有不同特征信息的虛擬溫濕度、圖像傳感器數(shù)據(jù)，然后利用(Dempester-Shafer；D-S)證據(jù)理論將這些信息進行融合，可以得到在糧食儲藏過程中糧情的變化過程。其虛擬多傳感器信息融合過程如圖l所示。

在糧食倉儲過程中，如果儲糧區(qū)域的溫度、濕度在一段時間內(nèi)保持在適合霉菌或害蟲生長的范圍內(nèi)，糧食就會發(fā)生霉變或蟲害。通過高精度溫濕度傳感器得到溫濕度的實時變化數(shù)據(jù)。同時在某種程度上也會造成糧食外觀顏色、體積、紋理等細(xì)微變化。這種變化利用肉眼很難分辨，通過一定算法對圖像進行特征提取，得到具有不同特征的虛擬圖像傳感器信息。對這些具有不同特征的信息進行融合，可以預(yù)測到糧食發(fā)生霉變或蟲害的時間。
2．1 溫濕度信度變換
對實時采集到的實際溫度值t1，采用(1)式得到溫度的信度值m1；糧食溫度與倉溫的差值的信度值m2，糧食溫度與平均溫度的差值的信度值m3，糧食溫度梯度變化的信度值m4；實時采集到的實際濕度值h1，采用(2)式得到濕度的信度值n1；糧食濕度與倉濕的差值的信度值n2，糧食濕度與平均濕度的差值的信度值n3，糧食濕度梯度變化的信度值n4。

式中：Ti一經(jīng)驗值；ki一加權(quán)系數(shù)；ti=1一溫度值。ti=2一糧食溫度與倉溫的差值。ti=3一糧食溫度與平均值的差值。ti=4一糧食溫度梯度值。

式中：Hi一經(jīng)驗值；ki―加權(quán)系數(shù)；hi=1一濕度值。hi=2一糧食濕度與倉濕的差值。hi=3一糧食濕度與平均值的差值。hi=4一糧食濕度梯度值。
2．2 圖像特征提取
圖像的特征提取，通過對目標(biāo)圖像與源圖像進行RGB顏色的相似度、區(qū)域面積的相似度、紋理特征相似度的分析，得到糧情變化的情況。
RGB顏色的相似度分析。對于圖像的顏色用直方圖可以表示為式(3)：

其中：A、B、C分別表示所有像素中三基色(RGB)所占的比例。N表示圖像像素數(shù)。所得到RGB圖像(又稱真彩色圖像)是以m×n×3的3D矩陣的方式存儲，分別定義了m×n圖像的每個像素中所包含三基色各自的強度。因此RGB直方圖是對“色階一像素數(shù)”的歸一化統(tǒng)計結(jié)果。
對目標(biāo)圖像和源圖像的直方圖統(tǒng)計結(jié)果，可認(rèn)為是矢量。比較兩幅圖像的顏色相似度，可轉(zhuǎn)化為對矢量空間中兩個點空間距離的計算。計算方法可以采用式(4)歐幾里德距離(euclidean distance)。

其中：h和g分別代表兩幅圖像的顏色直方圖。
小麥圖片RGB顏色的相似度的提取如圖2所示。

區(qū)域面積的提取利用最大類間方差(OTSU)對灰度圖像進行自適應(yīng)閾值分割，實現(xiàn)目標(biāo)的提取。它是按圖像的灰度特性，將圖像分成背景和目標(biāo)兩部分。背景和目標(biāo)之間的類問方差大，說明構(gòu)成圖像的這兩部分的差別越大。當(dāng)部分目標(biāo)錯分為背景或部分背景錯分為目標(biāo)都會導(dǎo)致圖像這兩部分差別變小。因此，使類間方差最大的分割意味著錯分概率最小。小麥圖片區(qū)域面積的提取如圖3所示。