감지기

Scientific Reports 13권, 기사 번호: 5686(2023) 이 기사 인용

352 액세스

측정항목 세부정보

곡물 운송은 장거리에 걸쳐 수행될 수 있고 운송 중 곡물 질량의 수분 함량이 높은 경우가 많다는 점을 고려할 때 열 및 습기 전달 및 곡물 질량의 가열 위험이 있을 수 있으며 이는 양적 질적 손실을 입증합니다. . 따라서 본 연구에서는 운송 및 저장 중 옥수수 곡물의 온도, 상대습도 및 이산화탄소를 실시간으로 모니터링하여 건물 손실을 조기에 감지하고 곡물의 물리적 품질에 발생할 수 있는 변화를 예측하는 프로브 시스템을 갖춘 방법을 검증하는 것을 목표로 했습니다. . 장비는 마이크로컨트롤러, 시스템 하드웨어, 공기 온도와 상대 습도를 감지하는 디지털 센서, CO2 농도를 감지하는 비파괴 적외선 센서로 구성되었습니다. 전기전도도와 발아에 대한 물리적 분석을 통해 곡물의 물리적 품질 변화를 간접적으로 조기에 만족스럽게 판단하는 실시간 모니터링 시스템입니다. 실시간 모니터링 장비와 머신러닝 적용은 2시간 동안 높은 평형 수분 함량과 곡물 질량의 호흡으로 인해 건물 손실을 예측하는 데 효과적이었습니다. 서포트 벡터 머신을 제외한 모든 머신러닝 모델은 다중선형회귀분석과 동일하게 만족스러운 결과를 얻었습니다.

Despite the high corn grain production, it is verified that there are great losses in the post-harvest stages due to the precarious transport, facilities, and handling of the grain receiving, drying, and storage operations. During grain transportation, it is estimated that there are losses of 0.25% per ton of grain transported. (2019)" href="/articles/s41598-023-32684-4#ref-CR1" id="ref-link-section-d184319839e407"> 1. 도로 운송의 손실은 도로 상태, 차량 속도, 트럭 차체 노후화 등으로 인해 발생합니다2. 더욱이, 곡물이 수확되면 생물학적 활성 상태를 유지하며 발견된 조건에 따라 여러 대사 반응을 유발하여 양적 및 질적 손실을 초래할 수 있습니다3.

수확 후 곡물 품질에 영향을 미치는 요인 중에는 높은 곡물 수분 함량, 온도 및 입자 간 상대 습도가 있습니다4,5. 이러한 매개변수의 상승은 곡물 호흡 및 대사 활동을 증가시켜 곡물의 물리화학적 품질과 건조물 소비, 곤충 증식 및 곡물 덩어리의 곰팡이 감염을 악화시킬 수 있습니다6,7.

곡물 운송이 장거리에 걸쳐 수행되는 경우가 많고 운송된 곡물의 수분 함량이 최적 저장 조건을 초과할 수 있다는 점을 고려하면 운송 중 수분 및 열 전달 위험이 높아 곡물 덩어리 가열이 발생할 수 있습니다8, 9,10.

따라서 운송상의 이러한 문제와 다음 수확 후 과정에서 발생할 수 있는 잠재적인 변경 요인을 방지하려면 평형 수분 함량을 추정하기 위해 입계 공기의 온도 및 상대 습도를 실시간으로 모니터링하는 것이 중요합니다. 뿐만 아니라 운송 중 이산화탄소 수준과 곡물 질량의 호흡 강도를 모니터링합니다. 이 정보를 통해 곡물 품질의 변화를 조기에 감지하고 예측하는 것이 가능합니다13.

수확 후 손실에 대한 양적, 질적 손실에 대한 여러 연구가 수행되었습니다7,10. 그러나 후속 수확 후 작업 전반에 걸쳐 손실을 유발하고 강화할 수 있는 영향 요인으로서 운송 과정의 대사 활동으로 인한 질적 손실을 다루는 연구는 거의 없습니다.

따라서 운송 중 옥수수 곡물 질량을 실시간으로 모니터링하고 예측 알고리즘을 사용하면 옥수수 곡물의 양적 및 질적 손실 가능성을 조기에 감지하고 예측하는 데 도움이 될 수 있습니다. 따라서 본 연구에서는 초기 손실을 감지하기 위해 다양한 초기 수분 함량에 따라 운송 및 저장 중 옥수수 곡물 덩어리의 온도, 상대 습도 및 이산화탄소를 실시간 모니터링하는 비파괴 기술 시스템을 검증하는 것을 목표로 했습니다. 기계 학습 알고리즘을 사용하여 건조물을 분석하고 곡물의 물리적 품질에 발생할 수 있는 변화를 예측합니다.