- Tytuł:
-
Neural network development for automatic identification of the endpoint of drying barley in bulk
Wykorzystanie sztucznych sieci neuronowcyh do automatycznej identyfikacji zakończenia niskotemperaturowego suszenia jęczmienia - Autorzy:
-
Olszewski, T.
Ryniecki, A.
Boniecki, P. - Powiązania:
- https://bibliotekanauki.pl/articles/334303.pdf
- Data publikacji:
- 2008
- Wydawca:
- Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
- Tematy:
-
sztuczna sieć neuronowa
suszenie niskotemperaturowe
jęczmień
barley
drying
neural network - Opis:
-
A thesis was proved that it is possible an automatic endpoint determination of drying barley in bulk, 1.2 meter's deep, based on a neural network, using a continuous on-line measurement of atmospheric air temperature and relative humidity, plenum air temperature and grain temperature in selected locations inside the bed - in situations in which drying air temperature and relative humidity change stochastically. The usefulness of individual input variables characterising the process as well as their influence on the quality of the obtained model were analysed. Several different topologies of the developed models were compared and the RBF type networks were selected as the best ones. The developed networks are characterised by a high, ranging from 93.3 to 99.6%, correctness of case assignment to the recognised classes in the course of the identification process and a high capability to generalise the analysed data.
W pracy potwierdzono możliwość automatycznej identyfikacji zakończenia procesu niskotemperaturowego suszenia ziarna jęczmienia w nieruchomej warstwie o grubości 1,2 m z zastosowaniem sztucznej sieci neuronowej. Następujące wielkości były mierzone w sposób ciągły "on-line": temperatura i wilgotność względna powietrza atmosferycznego, temperatura sprężonego powietrza oraz temperatura nasion w wybranych miejscach wewnątrz komory - w sytuacji, w której temperatura powietrza suszącego i wilgotność względna zmieniały się stochastycznie. Przeanalizowano przydatność poszczególnych zmiennych wejściowych charakteryzujących proces jak również ich wpływ na jakość otrzymanego modelu. Porównano również różne topologie otrzymanych sieci. Jako najlepsze wytypowano sieci typu RBF. Znalezione sieci charakteryzowały się dużą (w granicach 93,3-99,6%), poprawnością przypisywania przypadków do rozpoznawanych klas oraz wysokiej zdolności do generalizacji analizowanych danych. - Źródło:
-
Journal of Research and Applications in Agricultural Engineering; 2008, 53, 1; 26-31
1642-686X
2719-423X - Pojawia się w:
- Journal of Research and Applications in Agricultural Engineering
- Dostawca treści:
- Biblioteka Nauki
Artykuł