CN107006377B - 一种基于神经网络的奶牛挤奶量检测装置及其检测方法 - Google Patents

Abstract

本发明涉及一种基于神经网络的奶牛挤奶量检测装置及其检测方法，包括方管、恒流源模块、红外发光模块、三极管开关模块、温度传感器、单片机、信号滤波放大模块、无线通讯模块、射频卡模块、红外接收模块和上位机***；红外发光模块、恒流源模块、三极管开关模块、温度传感器位于方管顶部。单片机、信号滤波放大模块、无线通讯模块、射频卡模块和红外接收模块位于方管底部。本发明***设计中利用近红外光线非接触式测量，将神经网络的算法加入设计***中，使检测更准确、快速，解决了奶牛挤奶量计算过程中未知干扰因素的非线性变化对计算结果的影响问题；能直接测定液体、固体、半导体和胶状体等样本。

Description

一种基于神经网络的奶牛挤奶量检测装置及其检测方法

技术领域

本发明涉及一种奶牛挤奶量检测装置，具体涉及一种基于神经网络的奶牛挤奶量检测装置及其检测方法。

背景技术

在奶牛养殖过程中，准确有效地检测出每头奶牛的实时产奶量和日产奶量对于奶牛养殖企业掌握每头奶牛的产奶情况、合理地喂养奶牛、淘汰低产奶牛、增加经济效益具有极大帮助。

目前，在小型牧场挤奶厅中对每头奶牛日产奶量信息的获取一般采用依靠人工来观测的容积法。为了保证牧场中奶源的卫生安全问题，测量容器需要定时清洗，不仅耗时耗力、效率低，同时也会因人为因素导致观测误差。而在大型牧场中主要采用以色列阿菲金公司研发的红外流量计设备，目前该设备完全依靠进口，价格昂贵、维护技术难，在国内牧场中无法大规模应用。一些牧场采用的挤奶量测量装置原理也大多是基于公式计算的方法，由于温度的变化、牛奶中气泡的存在以及许多未知噪声都会影响计算精度，会产生计算误差。因此为了减轻繁琐工作量，克服奶牛挤奶量计算过程中干扰因素的影响提出利用一种具有神经网络智能算法的基于非接触式近红外光线检测装置来代替国内目前小型牧场中人工录入的方法。

发明内容

针对现有技术的现状，为了解决上述问题，本发明提供了一种基于神经网络的奶牛挤奶量检测装置及其检测方法，本发明弥补了国内奶牛挤奶量检测方面所存在的弊端，操作简单，对提高我国奶牛养殖业的现代化水平具有非常积极的意义。

本发明的技术方案如下：

一种基于神经网络的奶牛挤奶量检测装置，包括方管、恒流源模块、红外发光模块、三极管开关模块、温度传感器、单片机、信号滤波放大模块、无线通讯模块、射频卡模块、红外接收模块和上位机***。

所述方管水平放置，方管两端与牛奶传输管连接。红外发光模块、恒流源模块、三极管开关模块、温度传感器位于方管顶部。单片机、信号滤波放大模块、无线通讯模块、射频卡模块和红外接收模块位于方管底部。红外发光模块、红外接收模块和温度传感器组成信息检测模块。

所述红外发光模块由两个近红外发光管组成，两个近红外发光管均安装在方管顶部。近红外发光管提供稳定的近红外光线。

所述恒流源模块为近红外发光管提供恒流电流，保证发光的稳定性。

所述三极管开关模块选用三极管作为控制电路开关的芯片，三极管与单片机和近红外发光管相连接，由单片机控制输入信号，当输入高电平时电路导通，反之电路断开，以此来调节近红外发光管的循环发射。

所述温度传感器用于检测装置的工作温度，温度传感器与单片机相连。

所述红外接收模块由八个红外接收管组成，其中两个红外接收管和两个近红外发光管正对安装，其余六个红外接收管每三个一组分别安装在所述两个红外接收管周围。红外接收管接收近红外发光管发射的红外光线。

所述射频卡模块，包括电子射频卡和射频读卡器，电子射频卡安装在奶牛身上。射频读卡器与电子射频卡配合用于读取奶牛身份信息，将奶牛个体流量检测信息与奶牛身份信息相对应，实现对每头奶牛奶量信息的统计，实时掌握每头奶牛的产奶情况。

所述无线通讯模块，通过电磁波信号传输的方式将红外接收管获取的电压信息、温度传感器获取的温度信息等数据无线传输给上位机***，上位机***通过无线接收模块接收信息。

所述信号滤波放大模块由两个运算放大器组成(每个运算放大器同时放大四个信号)，用于放大红外接收管中接收到的微弱电压信号。

所述单片机为STM32单片机最小***，是牛奶流量检测的核心。单片机分别与三极管开关模块、信息检测模块、射频卡模块、无线通讯模块和信号滤波放大模块连接。单片机通过控制三极管开关模块调节近红外发光管的循环发射、通过单片机内置ADC模拟数字转换器进行A\D数据转换、通过无线通讯模块与上位机***进行信息传输，同时单片机为***提供计时信息。

所述上位机***为PC机；PC机用于对接收到的数据进行处理。

本发明还涉及一种基于神经网络的近红外光线牛奶流量检测方法，步骤如下：

1、单片机控制两个近红外发光管循环发射，近红外光线透过流过方管的牛奶照射到红外接收管上，红外接收管接收红外信号，获得单股牛奶从第一个近红外发光管位置到第二个近红外发光管位置流过时所用的时间T和该股牛奶的流速v。所述时间T和流速v计算过程如下：

当红外接收管检测到流入方管的牛奶最前端经过第一个近红外发光管水平位置时，单片机定时器开启计时，当检测到牛奶最前端经过第二个近红外发光管水平位置时，保存计时器此时刻时间点T₁(单位：us)，当检测到牛奶末端经过第二个近红外发光管水平位置时，保存计时器此时刻时间点T₂(单位：us)。两个近红外发光管间距为定值H(单位：mm)。牛奶传输管中单股牛奶流过方管的速度可作为恒速，则它所对应的速度大小为(单位：mm/us):

2、单片机将步骤1)中红外接收管接收到的红外信号经过信号滤波放大模块转换成电压信号，经过单片机的A\D转换变成数字信号；与第一个近红外发光管正对安装的红外接收管采集到的信号记为U₁，另外七个红外接收管采集到的信号分别记为U₂、U₃、U₄、U₅、U₆、U₇、U₈。单片机控制无线通讯模块将采集到的U₁、U₂、U₃、U₄、U₅、U₆、U₇、U₈、温度传感器检测到的装置温度值、步骤(1)中时间T₂值发送给上位机***。上位机***计算出牛奶厚度值d_math(单位：mm)；所述牛奶厚度值d_math计算方法如下：

根据比尔-朗伯定律知，当一束红外光线垂直通过均匀非散射的吸光物质牛奶时，在牛奶浓度c(单位：g/L)一定时，其吸光度A与牛奶d_math厚度成正比，即：

其中k为比例系数定值(可在方管中牛奶满管时用公式2求出)，I₀为入射光强度，近红外发光管型号确定以后I₀为定值，牛奶浓度c可以通过现有的牛奶浓度计测出。I₁为透射光强度，I₀和I₁单位为坎德拉,通过公式(3)计算得出：

其中信号滤波放大模块中R是定值，单位为kΩ，放大倍数n是定值。

3、由公式(2)可得：

因奶牛挤奶过程中，牛奶中存在气泡使得流过检测装置方管的为气液两相流，因此d_math的计算会存在误差，因此选用神经网络算法来预测牛奶厚度，增加检测精度，具体方法为：

上位机***将采集到的U₁、U₂、U₃、U₄、U₅、U₆、U₇、U₈、温度传感器检测到的装置温度值和计算出的d_math这十个参数作为神经网络算法的输入，经过现有BP神经网络技术训练迭代计算得到神经网络的预测输出，即为预测的牛奶厚度d_BP,单位为mm。

4、设方管宽度值为l，高长度为l，宽度和高度值单位为mm，根据公式(4)得到瞬时时刻牛奶横截面积S(单位为mm²)：

S＝ld_BP (4)

瞬时时刻牛奶流量q(单位为mm³/us)根据公式(5)得到：

q＝S·v (5)

根据公式(6)对上式积分得到单股牛奶的体积V_d(单位为mm³)：

牛奶挤奶过程挤奶器是脉动式，单头奶牛挤奶过程是由N次的单股牛奶形成的，N为单片机中计数器存储的流经方管的牛奶股数，该值即计数器的值，根据公式(7)得到单头奶牛的挤奶量V(单位：mm³)，：

本发明采用基于非接触式近红外光线检测装置并将神经网络算法加入到数据处理方法中，提高了计算精度、解决了奶牛挤奶量计算过程中未知干扰因素的非线性变化对计算结果的影响问题。

本发明的优点

1、本发明***设计中利用近红外光线非接触式测量，使检测更准确、快速、高效、方便，适用范围广，可直接测定液体、固体、半导体和胶状体等样本。

2、本发明在两个主检测红外接收管附近各均匀设置三个辅助检测红外接收管，接收由气泡漫反射和折射的近红外光线，可增加检测精度。

3、***电路设计中选用低功耗单片机、超低功耗无线通讯模块以及低功耗的近红外发光管，减少了使用期内能源消耗。

4、本发明***工作稳定性高，在硬件电路设计过程中充分考虑了传感器等电子元器件之间的相互干扰影响，考虑信号的滤波及干扰；同时在单片机程序设计过程中也充分考虑了程序抗干扰设计。

5、本发明利用无线通讯方式进行数据传输，无线传输距离远，在大规模奶牛养殖场中使用更加方便。

6、本发明将神经网络的算法加入设计***中，解决了奶牛挤奶量计算过程中未知干扰因素的非线性变化对计算结果的影响问题。

附图说明

图1为检测装置总体结构框图。

图2为检测装置硬件总体框图。

图3为单片机图。

图4为红外发光电路原理图

图5为近红外发光管和红外接收管安装位置示意图

图6为密封盒结构示意图。

图7为神经网络算法网络结构示意图

图中：1、恒流源模块，2、红外发光模块，3、红外接收模块，4、信号滤波放大模块，5、三极管开关模块，6、单片机，7、上位机***，8、无线通讯模块，9、微机电源变压器，10、射频卡模块，11、温度传感器，12、近红外发光管，13、红外接收管，14、ADC模拟数字转换器，15、近红外发光管A，16、近红外发光管B，17、红外接收管A1，18、红外接收管A2，19、红外接收管A3，20、红外接收管A4，21、红外接收管B1，22、红外接收管B2，23、红外接收管B3，24、红外接收管B4，25、方管上方电路板，26、方管下方电路板，27、方管，28、密封盒，29、神经网络输入参数，30、神经网络输出，31、神经网络输入层，32、神经网络隐层，33、神经网络输出层。

具体实施方式

现结合附图介绍本发明的实施例。

恒流源模块1、红外发光模块2、三极管开关模块5、温度传感器11安装在如图6所示方管27顶部的上方电路板电路板25上，单片机6、信号滤波放大模块4、无线通讯模块8、射频卡模块10和红外接收模块3安装在方管25底部的方管下方电路板26上，将方管27、上方电路板电路板25、方管下方电路板26安装在密封盒28内，密封盒28水平放置，方管25两端与挤奶厅中牛奶传输管连接在一起。检测装置在工作时，微机电源变压器9为装置提供稳定的直流电源，恒流源模块1输出恒流电流为近红外发光管12提供稳定电流以保证发光的稳定。上方电路板电路板25安装两个近红外发光管A15和近红外发光管B16，近红外发光管A 15和近红外发光管B 16位于密封盒内方管正上方，间距为50mm。近红外发光管A 15和近红外发光管B16由三极管开关模块5循环控制发射，上方电路板电路板25上安装温度传感器11实时检测装置温度。

方管下方电路板26上，安装有单片机6、信号滤波放大模块4、无线通讯模块8、射频卡模块10以及红外接收模块3。单片机6是整个***的核心，控制着整个***的运行，单片机6控制近红外发光管A15和近红外发光管B16循环发射，近红外发光管发出的红外光照射到传输管内牛奶，经过牛奶对红外光的吸收光强减弱，透过牛奶的红外光线由红外接收管18、红外接收管19、红外接收管20、红外接收管21、红外接收管22、红外接收管23、红外接收管24接收相应的红外信号(其中红外接收管A1 17和红外接收管B1 21作为主检测接收管接收15、16的红外光线，其接收到的数据用于牛奶厚度、流速、时间检测，红外接收管18-20、22-24作为辅助接收管接收近红外发光管A15和近红外发光管B16的由气泡漫反射和折射的部分近红外光线，其接收到的数据用于神经网络算法)，红外接收管接收到的红外信号经过信号滤波放大模块4转换成电压信号，再由单片机6的内置ADC模拟数字转换器14变为数字信号。单片机控制无线通讯模块8将红外接收管采集到的数据、温度传感器检测到的装置温度值、单股牛奶流过方管的时间值发送给上位机***7进行数据处理。此外奶牛个体上都佩戴有编号卡(目前牧场中从幼牛就开始对奶牛编号来区分各头奶牛身份，该卡是一种射频卡，安在牛耳上)，通过射频卡模块10的射频读卡器自动识别模块来辨别牛号，其目的是将上位机***7获取的流量数据与具体每头奶牛对应起来。

上位机***7中存储有根据现有技术基于LabVIEW编写的奶牛挤奶量信息管理***软件控制整个***数据的传输和数据处理。上位机***7通过无线传输方式接收终端检测装置采集到的数据信息，对采集到的数据进行存储、处理和分析，得到挤奶量数据。

使用时，按照下列步骤计算牛奶流量：

1、单片机6控制近红外发光管A15和近红外发光管B16循环发射，近红外光线透过流过方管的牛奶照射到红外接收管17-24上，红外接收管接收红外信号，获得单股牛奶从第一个近红外发光管(近红外发光管A15)位置到第二个近红外发光管(近红外发光管A16)位置流过时所用的时间T和该股牛奶的流速v。所述时间T和流速v计算过程如下：

当红外接收管检测到流入方管的牛奶最前端经过近红外发光管A15水平位置时，单片机定时器开启计时，当检测到牛奶最前端经过近红外发光管B16水平位置时，保存计时器此时刻时间点T₁(单位：us)，当检测到牛奶末端经过近红外发光管B16水平位置时，保存计时器此时刻时间点T₂(单位：us)。近红外发光管A15和近红外发光管B16之间间距为定值H(单位：mm)。牛奶传输管中单股牛奶流过方管的速度可作为恒速，则它所对应的速度大小为(单位：mm/us):

2、单片机6将步骤1)中红外接收管接收到的红外信号经过信号滤波放大模块4转换成电压信号，经过单片机的内置ADC模拟数字转换器14变成数字信号；与近红外发光管A15正对安装的红外接收管A1 17采集到的信号记为U₁，另外七个红外接收管18-24采集到的信号分别记为U₂、U₃、U₄、U₅、U₆、U₇、U₈。单片机6控制无线通讯模块将采集到的U₁、U₂、U₃、U₄、U₅、U₆、U₇、U₈、温度传感器11检测到的装置温度值、步骤(1)中时间T₂值发送给上位机***。上位机***7计算出牛奶厚度值d_math(单位：mm)；所述牛奶厚度值d_math计算方法如下：

根据比尔-朗伯定律知，当一束红外光线垂直通过均匀非散射的吸光物质牛奶时，在牛奶浓度c(单位：g/L)一定时，其吸光度A与牛奶d_math厚度成正比，即：

其中k为比例系数定值(可在方管中牛奶满管时用公式2求出)，I₀为入射光强度，近红外发光管型号确定以后I₀为定值，牛奶浓度c可以通过现有的牛奶浓度计测出。I₁为透射光强度，I₀和I₁单位为坎德拉,可通过公式(3)计算得出：

其中信号滤波放大模块4中R是定值，单位为kΩ，放大倍数n是定值。

由公式(2)可得：

3、因奶牛挤奶过程中，牛奶中存在气泡使得流过检测装置方管的为气液两相流，因此d_math的计算会存在误差，因此选用神经网络算法来预测牛奶厚度，增加检测精度，具体方法如下：

上位机***7将采集到的U₁、U₂、U₃、U₄、U₅、U₆、U₇、U₈、温度传感器11检测到的装置温度值和计算出的d_math这十个参数作为神经网络算法的输入，经过现有BP神经网络技术训练迭代计算得到神经网络的预测输出，即为预测的牛奶厚度d_BP,单位为mm。

4、方管宽度值为l，高长度为l，宽度和高度值单位为mm，根据公式(4)得到瞬时时刻牛奶横截面积S(单位为mm²)：

S＝ld_BP (4)

瞬时时刻牛奶流量q(单位为mm³/us)根据公式(5)得到：

q＝S·v (5)

根据公式(6)对上式积分得到单股牛奶的体积V_d(单位为mm³)：

牛奶挤奶过程挤奶器是脉动式，单头奶牛挤奶过程是由N次的单股牛奶形成的，N为单片机6中计数器存储的流经方管27的牛奶股数，该值即计数器的值，根据公式(7)得到单头牛的挤奶量V(单位：mm³)，：

本发明采用基于非接触式近红外光线检测装置并将神经网络算法加入到数据处理方法中，提高了计算精度、解决了奶牛挤奶量计算过程中未知干扰因素的非线性变化对计算结果的影响问题。

Claims (2)

1.一种基于神经网络的奶牛挤奶量检测装置，其特征在于包括方管、恒流源模块、红外发光模块、三极管开关模块、温度传感器、单片机、信号滤波放大模块、无线通讯模块、射频卡模块、红外接收模块和上位机***；

所述方管水平放置，方管两端与牛奶传输管连接；红外发光模块、恒流源模块、三极管开关模块、温度传感器位于方管顶部；单片机、信号滤波放大模块、无线通讯模块、射频卡模块和红外接收模块位于方管底部；红外发光模块、红外接收模块和温度传感器组成信息检测模块；

所述红外发光模块由两个近红外发光管组成，两个近红外发光管均安装在方管顶部；近红外发光管提供稳定的近红外光线；

所述恒流源模块为近红外发光管提供恒流电流，保证发光的稳定性；

所述三极管开关模块选用三极管作为控制电路开关的芯片，三极管与单片机和近红外发光管相连接，由单片机控制输入信号，当输入高电平时电路导通，反之电路断开，以此来调节近红外发光管的循环发射；

所述温度传感器用于检测装置的工作温度，温度传感器与单片机相连；

所述红外接收模块由八个红外接收管组成，其中两个红外接收管和两个近红外发光管正对安装，其余六个红外接收管每三个一组分别安装在所述两个红外接收管周围；红外接收管接收近红外发光管发射的红外光线；

所述射频卡模块，包括电子射频卡和射频读卡器，电子射频卡安装在奶牛身上；射频读卡器与电子射频卡配合用于读取奶牛身份信息，将奶牛个体流量检测信息与奶牛身份信息相对应，实现对每头奶牛奶量信息的统计，实时掌握每头奶牛的产奶情况；

所述无线通讯模块，通过电磁波信号传输的方式将红外接收管获取的电压信息、温度传感器获取的温度信息数据无线传输给上位机***，上位机***通过无线接收模块接收信息；

所述信号滤波放大模块由两个运算放大器组成，每个运算放大器同时放大四个信号，用于放大红外接收管中接收到的微弱电压信号；

所述单片机分别与三极管开关模块、信息检测模块、射频卡模块、无线通讯模块和信号滤波放大模块连接；单片机通过控制三极管开关模块调节近红外发光管的循环发射、通过单片机内置ADC模拟数字转换器进行A\D数据转换、通过无线通讯模块与上位机***进行信息传输，同时单片机为***提供计时信息；

所述上位机***为PC机；PC机用于对接收到的数据进行处理。

2.如权利要求1所述的一种基于神经网络的奶牛挤奶量检测装置的检测方法，其特征在于步骤如下：

1)单片机控制两个近红外发光管循环发射，近红外光线透过流过方管的牛奶照射到红外接收管上，红外接收管接收红外信号，获得单股牛奶从第一个近红外发光管位置到第二个近红外发光管位置流过时所用的时间T和该股牛奶的流速v；所述时间T和流速v计算过程如下：

当红外接收管检测到流入方管的牛奶最前端经过第一个近红外发光管水平位置时，单片机定时器开启计时，当检测到牛奶最前端经过第二个近红外发光管水平位置时，保存计时器此时刻时间点T₁，单位：us，当检测到牛奶末端经过第二个近红外发光管水平位置时，保存计时器此时刻时间点T₂，单位：us；两个近红外发光管间距为定值H，单位：mm；牛奶传输管中单股牛奶流过方管的速度可作为恒速，则它所对应的速度；单位：mm/us:

2)单片机将步骤1)中红外接收管接收到的红外信号经过信号滤波放大模块转换成电压信号，经过单片机的A\D转换变成数字信号；与第一个近红外发光管正对安装的红外接收管采集到的信号记为U₁，另外七个红外接收管采集到的信号分别记为U₂、U₃、U₄、U₅、U₆、U₇、U₈；单片机控制无线通讯模块将采集到的U₁、U₂、U₃、U₄、U₅、U₆、U₇、U₈、温度传感器检测到的装置温度值、步骤(1)中时间T₂值发送给上位机***；上位机***计算出牛奶厚度值d_math，单位：mm；所述牛奶厚度值d_math计算方法如下：

根据比尔-朗伯定律知，当一束红外光线垂直通过均匀非散射的吸光物质牛奶时，在牛奶浓度c一定时，c单位：g/L，其吸光度A与牛奶d_math厚度成正比，即：

其中k为比例系数定值，k在方管中牛奶满管时用公式(2)求出；I₀为入射光强度，近红外发光管型号确定以后I₀为定值，牛奶浓度c可以通过现有的牛奶浓度计测出；I₁为透射光强度，I₀和I₁单位为坎德拉,通过公式(3)计算得出：

其中信号滤波放大模块中R是定值，单位为kΩ，放大倍数n是定值；

3)由公式(2)可得：

因奶牛挤奶过程中，牛奶中存在气泡使得流过检测装置方管的为气液两相流，因此d_math的计算会存在误差，因此选用神经网络算法来预测牛奶厚度，增加检测精度，具体方法为：

上位机***将采集到的U₁、U₂、U₃、U₄、U₅、U₆、U₇、U₈、温度传感器检测到的装置温度值和计算出的d_math这十个参数作为神经网络算法的输入，经过现有BP神经网络技术训练迭代计算得到神经网络的预测输出，即为预测的牛奶厚度d_BP,单位为mm；

4)设方管宽度值为l，高长度为l，宽度和高度值单位为mm，根据公式(4)得到瞬时时刻牛奶横截面积S，单位为mm²：

S＝ld_BP (4)

瞬时时刻牛奶流量q单位为mm³/us，q根据公式(5)得到：

q＝S·v (5)

根据公式(6)对上式积分得到单股牛奶的体积V_d，单位为mm³：

牛奶挤奶过程挤奶器是脉动式，单头奶牛挤奶过程是由N次的单股牛奶形成的，N为单片机中计数器存储的流经方管的牛奶股数，根据公式(7)得到单头奶牛的挤奶量V，单位：mm³：

Images