基于1D-CNN的稻谷石墨烯远红外干燥模型及含水率在线预测

摘要

[目的]为实现远红外稻谷干燥过程中水分比的精准预测，提出了一种基于1D-CNN（one-dimensional convolutional neural network）的稻谷干燥水分比预测模型，实现对干燥过程中稻谷含水率在线预测。[方法]将稻谷初始含水率调到统一标准后，在自制的石墨烯远红外干燥试验台进行不同温度的干燥试验，每隔2 min采集1组包括干燥温湿度等8个工艺参数数据，经标准化处理后构成数据集。然后以8个工艺参数为输入，水分比为输出，构建1D-CNN干燥模型，通过训练确定模型参数，最后对模型进行验证并与6种经典薄层干燥模型及4种典型机器学习干燥模型进行比较。[结果]试验结果表明，所提出的1D-CNN干燥模型能够很好描述干燥过程中水分比的变化情况，决定系数R²、均方根误差（root mean square error, RMSE）和平均绝对误差（mean absolute error, MAE）分别达到0.993 1、0.018 9、0.012 1;含水率预测的MAE和平均相对误差（mean relative error, MRE）分别为0.143 2%和0.007 8%,明显优于其他对比的干燥模型。[结论]所提出的1D-CNN干燥模型能够准确预测稻谷干燥过程中含水率变化，完全满足含水率在线检测需求。

关键词

稻谷 / 1D-CNN模型 / 石墨烯远红外干燥 / 含水率在线预测