电阻和电容信息融合的籽棉回潮率检测.pdf

电 阻 和 电 容 信 息 融 合 的 籽 棉 回 潮 率 检 测宋方丹1,2,张若宇1,2,杨萍1,2,张梦芸1,2,李浩1,2,夏彬3(1.石河子大学 机械电气工程学院,新疆 石河子 832003;2.农业农村部西北农业装备重点实验室,新疆 石河子832003;3.中华全国供销合作总社 郑州棉麻工程技术设计研究所,郑州 450004)摘 要:针对现有收购环节籽棉回潮率检测方法中单一电阻法检测精度差和单一电容法检测不稳定的问题,提出了一种电阻和电容信息融合的籽棉回潮率检测方法。首先,使用标准电阻和标准电容对所搭建试验平台的电阻检测板和电容检测板进行了可靠性验证;然后,使用试验平台以及八篮烘箱对待测棉样进行了检测并获得试验数据,利用该数据构建了基于电阻和电容信息融合的籽棉回潮率检测模型,并分别使用多元线性回归(MLR)、偏最小二乘回归(PLSR)、支持向量回归(SVR)和反向传播神经网络(BPNN)4 种方法进行了模型构建及比较验证。结果显示:BPNN 的评价指标优于其他 3 种模型,决定系数 R2为 0.8966,均方根误差 RMSE 为 0.0504%,程序运行时间 t 为 0.6690s。最后,将信息融合算法与单一电阻法和单一电容法进行了对比分析,结果表明:该方法优于单一电阻法和单一电容法。因此,提出的电阻和电容信息融合的籽棉回潮率检测方法切实可行,能够为收购环节籽棉回潮率检测提供参考。关键词:籽棉回潮率;电阻检测;电容检测;信息融合;BP 神经网络中图分类号:S125;S237 文献标识码:A 文章编号:1003-188X(2023)12-0175-060 引言籽棉回潮率是指籽棉中所含水分的质量与干燥籽棉质量的百分比。籽棉回潮率的精准测定,对于各单位之间的公平计算、合理堆放以及进一步的合理加工都是至关重要的1。目前,籽棉回潮率测定主要由棉检人员使用手持式回潮率测定仪将电极探针插入运棉车中测得该车棉花的回潮率。由于探针长度限制,该方法仅能对运棉车表层棉花进行检测,且测量精度差、效率低2-3。电阻法是发展较早且属于比较成熟的棉花回潮率检测方法,具有成本低、易实现和时间短的优点,但同时存在检测精度难以保证的问题。景军锋等4依据电阻法检测回潮率的原理,设计开发了织物回潮率在线测量装置的软件程序来计算织物回潮率。贾冬等5基于电阻法测量原理设计了一种棉包回潮率自动检测装置。电容法检测精度较高,但由于使用的不稳定性,发展还不成熟,在棉花回潮率的检测中相关收稿日期:2022-05-07基金项目:兵团重点领域科技攻关计划项目(2020AB006);国家重点研发计划项目(2018YFD0700403);石河子大学高层次人才科研启动项目(RCZK201937)作者简介:宋方丹(1996-),女,陕西宝鸡人,硕士研究生,(E-mail)1332418077 。通讯作者:张若宇(1980-),男,安徽临泉人,教授,博士生导师,(E-mail)ry248 。研究比较少。吴昕等基于电容法测湿的原理,设计了一种结构简单的微型湿度探针。马广宇7根据水稻含水率介电特性差异性变化,对平行板电容式水稻含水率在线检测装置进行了优化设计。信息融合技术是一种数据处理的新兴技术,在近几年得到惊人发展并已进入诸多应用领域。多传感器信息融合具有增强数据真实性、增加数据可用性、提高目标检测准确率和可靠性等优势8。Palacios-Morillo 使用颜色与光谱信息数据融合的方法来对不同辛辣程度的辣椒进行分级。金作徽等利用加速度传感器对称重传感器信号的动态补偿校准和支持向量回归方法,开发了一个用于在线核桃质量检测的多传感器信息融合系统来实现对核桃质量的在线检测。综上所述,国内外学者在棉花回潮率检测方面的相关研究较多,且大多依据单一原理进行回潮率检测。针对以上问题,本文使用信息融合技术对籽棉回潮率检测方法进行探索,为开发一种基于电阻和电容信息融合的籽棉回潮率检测系统提供基础。首先,提出采用平行板结构集成电阻检测板与电容检测板采集回潮率信息,使用标准电阻和标准电容分别对电阻检测板和电容检测板进行可靠性验证;然后,进行单一电阻法、单一电容法、电阻电容信息融合法与八篮烘箱方法的籽棉回潮率检测对比试验。同时,采用有监督的机器学习算法通过数据训练对籽棉样本的电阻值、电容值和八篮烘箱测量值进行信息融合,利用5712023 年 12 月 农 机 化 研 究第 12 期多元线性回归(MLR)、偏最小二乘回归(PLSR)、支持向量回归(SVR)和反向传播神经网络(BPNN)算法进行信息融合建模,并通过建立评价指标体系选出较优的模型。1 材料与方法1.1 基于电阻电容信息融合的籽棉回潮率检测原理及试验平台1.1.1 检测原理依据电阻法和电容法检测籽棉回潮率的原理及特点,提出了一种平行板传感器。该传感器整体设计为平行板式,分为上下两个空心圆板,上圆板为电容的正电极,下圆板为电容的负电极,而两电极间的介质空腔为电容的介质层,如图 1 所示。根据试验平台的压棉装置结构,设置平行板传感器的正负极之间的距离 L=20mm,设置平行极板外径 D=290mm。当内径 d=270mm 时,测得的电阻值与电容值的预测回潮率可覆盖被测棉样的回潮率区间为 4%14%。图 1 平行板传感器结构Fig.1 Parallel plate sensor structure融合检测原理示意图如图 2 所示。检测时,使用自制平行极板同时作为电阻检测正负极和平行板电容器上下极板,设置切换电路使电阻值检测与电容值检测交替进行,电阻值通过电阻检测板的串口返回,电容值通过电容检测板自带的 LabView 软件读取;将电阻值和电容值保存在同个文件夹内,使用 python 软件提取电阻值与电容值并在原始数据上进行信息融合与回潮率预测。图 2 信息融合检测原理示意图Fig.2 Schematic diagram of information fusion detection principle1.1.2 试验平台籽棉回潮率检测系统结构如图 3 所示。其硬件部分主要包括传送模块、压棉模块、棉样盒、平行极板、光电传感器、机架、PLC 控制单元和计算机等;软件部分主要包括系统控制模块和回潮率预测模块。1.光轴固定板 2.电动推杆 3.光轴 4.定位座 5.压棉板6.平行极板 7.机架 8.传送带 9.对射型光电传感器 10.棉样盒图 3 籽棉回潮率检测系统结构示意图Fig.3 Structure diagram of cotton moisture regain detection system1.2 电阻与电容检测板可靠性验证试验1.2.1 电阻检测板可靠性验证试验使用标准电阻对试验平台中采用的电阻检测板(MJAZ-I-R 型,郑州棉麻工程技术研究所)进行可靠性验证。标准电阻采用民中电工仪器厂 ZX21 型旋转式电 阻 箱,准 确 度 等 级 0.1 级,测 量 范 围 0 99999.9,标准温度 20。试验主要利用单因素试验的方法,研究标准电阻与测量电阻值之间的关系。标准电阻使用旋转式电阻箱调节获得,测量电阻值使用 MAJZ-I-R 型电阻检测板测得,使用数据分析软件SPSS 对测得的两组数据进行统计分析。1.2.2 电容检测板可靠性验证试验使用标准电容对试验平台中采用的电容检测板(AD7746EB,Analog Devices)进行可靠性验证。电容检测板满刻度电容变化范围4pF,准确度 4fF,工作温度-40125,标准电容采用瓷片电容器(电容大小1pF、2pF、4pF)。利用单因素试验的方法,研究标准电容与测量电容值的关系。测量电容值使用 AD7746EB电容检测板,由于电容检测数值微有浮动,每个电容值测 10 组数据取其均值;使用数据分析软件 SPSS 对两组数据进行统计分析。6712023 年 12 月 农 机 化 研 究第 12 期1.3 试验样本制备以收购环节籽棉为研究对象,试验所用籽棉均来自新疆石河子总场,如图 4 所示。所有样本制备前置于干燥环境中 3 个月,使得所有样本的初始条件相同(回潮率均低于 4%)。在此,共制备 100 组籽棉样本,回潮率水平在 4%14%之间,此时的样本水分含量能够覆盖籽棉在自然情况下所能达到的水分含量区间。通过全自动智能型恒温恒湿培养箱(HWS-80B,北京市恒诺利兴科技有限公司)调湿来制备棉样,具体制备方法如下:1)将棉样分成 10 组,每组 3500g,制备回潮率水平为 4%14%之间的籽棉样本;2)将 3500g 棉样分成 10 份,使用精度 0.01g 的电子天平(天孚牌系列天平,常熟市金羊砝码仪器有限公司)每份称取 350g,分别编号 1100;3)将分好的棉样置于恒温恒湿箱中调湿,恒温恒湿箱参数设置:温度 30,湿度调节 45%90%RH,培养时间为 2h;4)培养完成后重新称重,取 350g 棉样装入密封袋中静置。所有棉样静置 3h 以上,在精度为 0.01g 的天平上定期称重;当连续 3 次所称质量与前次质量之间的变化小于 0.01 g 时认为棉样达到了吸湿平衡11。图 4 籽棉样本Fig.4 Seed cotton samples1.4 数据采集1.4.1 籽棉电阻值与电容值采集试验室内温度 2428,室内湿度 27%28%RH。制备好的 100 组棉样,每组 350g,取 300g 用于籽棉回潮率检测试验平台测得棉样的电阻值与电容值。电阻值通过电阻检测板测得,因为测得数据有轻微浮动,故测 3 次取其平均值。电容值通过电容检测板测得,因为电容数据易受周围环境影响而变化,故对电容值变化曲线进行滤波处理以获得较稳定的电容值。1.4.2 籽棉真实回潮率采集试验烘箱法12(GB/T 6102.1-2006)是国家标准规定的棉花回潮率检测方法。剩余的 50g 棉样用于八篮恒温烘箱(YG767,常州市第一纺织设备有限公司)检测,其硬件参数如下:室温-150,控温精度 1,干燥时间不超过 40min,可测得被测棉样的真实回潮率。制备好的 100 组棉样其真实回潮率数据分布覆盖了回潮率 4%14%的区间。真实回潮率的计算公式13为W=W2-W1W1 100%(1)式中 W棉样所含水分的质量对棉样干燥质量的百分比,即回潮率;W2棉样实际质量,即实重或湿重;W1棉样干燥质量,即干重。1.5 数据预处理方法1.5.1 归一化归一化是数据标准化的方法之一,将有量纲的数据转换为无量纲的数据,把数据映射到0,1 范围内14。计算公式为x=x-minmax-min(2)其中,x 为当前值;min 为最小值;max 为最大值;x为归一化值。1.5.2 异常数据剔除马氏距离(Mahalanobis distance)是度量学习中一种常用的距离指标,基于马氏距离的异常值检测是数据处理的常用方法。用于计算某一点 A 到某一总体 G之间的距离测度15,其公式为D(A,G)=(A-)T-1(A-)(3)其中,A 为某一样本点的值;G 为某一总体;为 G总体的各维度均值;为 F 总体的协方差矩阵。1.6 信息融合方法1.6.1 硬件条件与数据集划分硬件环境为联想 XiaoXinAir14ALC,CPU 为 AMD Ryzen 5 500U with Radons Graphhics 2.10GHz 处理器,内存 16G;系统为 Windows 11 家庭中文版 64 位。软件开 发 的 编 程 软 件 环 境 为 Python3.9,同 时 导 入NumPy、Pandas、Scikt-Learn、OpenCV-Python 和 Tkinter等模块库为基础开发条件。在训练模型之前,首先对采集的棉样数据进行整理和数据集的划分,以棉样的电阻值和电容值作为输入,以棉样的真实回潮率作为输出;之后,将 100 组样本按照 7:3 的比例划分为训练集和测试集,将变量和预测数据分别存入数据表。1.6.2 信息融合模型1)多元线性回归。回归分析是用来评估变量之7712023 年 12 月 农 机 化 研 究第 12 期间关系的统计过程。线性回归(Linear regression,LR)可以解释自变量 X 与因变量 Y 之间的关系,即因变量怎样随着自变量的变化而变化。一般线性回归只有一个自变量,多元线性回归(Multiple linear regression,MLR)就是一般线性回归有多个自变量的情形16。多元线性回归的表达式可以写成y=w1x1+w2x2+wnxn+b(4)其中,x 为自变量;w 为每个 x 的影响力度,即权重;n 为特征的个数;y为预测值;b 为截距。2)偏最小二乘回归。偏最小二乘回归(Partial least Squares Regression,PLSR)是一种多因变量 Y 对多自变量 X 的回归建模方法,其在建立回归的过程中既考虑了尽量提取 Y 和 X 中的主成分(Principal Com-ponent Analysis,PCA),又考虑了使分别从 X 和 Y 提取出的主成分之间的相关性最大化17。3)支持向量回归。支持向量回归(Support Vector Regression,SVR)是一种回归算法,工作原则类似于支持向量机(Support Vector Machine,SVM),可以说 SVR是 SVM 在因变量为数值变量或连续变量情况下的应用。SVR 的基本思想是通过(x)将非线性的低维不可分割数据 x 映射到高维特征空间 F,并在该特征空间中执行线性 SVR,支持向量回归算法主要由核函数、损失函数、容量控制来确定18。4)反 向 传 播 神 经 网 络。反 向 传 播 神 经 网 络(BackpropagationNeuralNetwork,BPNN)被认为是最常用的预测方法,由输入层、隐藏层和输出层 3 层组成,如图 5 所示。其中,隐藏层在输入层和输出层之间传递着重要的信息19。图 5 神经网络结构Fig.5 Neural network structure1.6.3 评价指标对籽棉回潮率检测模型的评测有两个标准,即回潮率检测准确率和运行效率。检测准确率通过对比回潮率预测结果与真实回潮率检测结果获得,运行效率是通过对检测程序的运行时间进行计时获得。1)回潮率检测准确率。决定系数 R2在 0 1 之间,越接近于 1,说明模型的预测效果越好;越接近于0,说明模型的预测效果越差;当然也存在负值,此时说明模型的效果非常差20。R2=1-MSE(yi,f(xi)1mmi=1(yi-y-)2(5)其中,m 为样本数量;xi为预测值;yi为真实值;y为平均值。均方根误差(RMSE)是计算每一个样本的预测值与真实值差的平方,然后求和再取平均值。该指标计算的是拟合数据和原始数据对应样本点误差的平方和的均值。均方根误差就是在均方误差的基础上再开方,其值越小说明拟合效果越好21。RMSE=1mmi=1(yi-f(xi)2(6)2)运行效率。主要指运行时间 t,对系统软件的运行时间测试利用 Python 中的 time()函数实现的。2 结果与分析2.1 电阻与电容检测板可靠性验证在 ZX21 型旋转式电阻箱的量程内取 14 个值测量,获得标准电阻与测量电阻数据。对标准电阻与测量电阻值进行回归拟合,结果如图 6(a)所示。由图 6(a)可知:测量电阻值随着标准电阻的增加而增加,其拟合曲线为 y=0.976x-0.310,决定系数 R2=0.9998。这表明,电阻检测板可靠,可用于籽棉回潮率的检测试验中。对标准电容与测量电容值进行回归拟合。结果如图 6(b)所示。由图 6(b)可知:测量电容随着标准电容的增加而增加,且两组数据基本一致,其拟合曲线为 y=0.9603x+0.07558,决定系数 R2=0.9662。这表明,电容检测板可靠,可用于籽棉回潮率的检测试验中。2.2 数据预处理结果2.2.1 数据归一化在进行数据分析之前,对收集的数据进行了整理和描述性的统计分析。试验获得的数据中,电阻值的单位为 0.1k,电容值的单位为 pF,八篮烘箱获得的回潮率测量值单位为%。因此,需要对采集到的 3 组数据进行归一化处理,统一量纲。在此,数据预处理采用数据分析软件 SPSS,数据采集及其归一化数据统计结果如表 1 所示。8712023 年 12 月 农 机 化 研 究第 12 期图 6 可靠性验证回归分析结果Fig.6 Reliability verification regression analysis results表 1 数据采集及其归一化Table 1 Collected data and normalization统计电阻值/0.1 k电容值/pF烘箱回潮率/%归一化电阻值归一化电容值归一化烘箱回潮率/%平均值1 943 766.571.999.380.08000.480.55中位数57 937.001.299.680.00250.310.58最小值168.330.023.70000最大值 23 565 314.004.1014.001.001.001.002.2.2 异常数据剔除对归一化后的 3 组数据进行三维马氏距离判别剔除异常样本,判别结果如图 7 所示。其中,x 轴 R_ko 为归一化后的电阻值,y 轴 C_pF 为归一化后的电容值,z 轴 M_eb 为归一化后的八篮烘箱测量回潮率值。使用这 3 组数据在三维空间中画出散点图,用圆形(o)绘制所有样本点,星号()代表检测出的异常值。由判别结果图可以看出:本数据中无异常值,无需进行异常样本剔除处理。图 7 马氏距离判别结果Fig.7 Discrimination results of Mahalanobis distance2.3 不同模型结果对比采用多元线性回归模型 MLR、偏最小二乘回归模型 PLSR、支持向量回归模型 SVR 和反向传播神经网络模型 BPNN 对测试集数据分别进行单一电阻、单一电容和信息融合建模,测试集模型评价结果如表 2 所示。由表 2 以看出:基于电阻电容信息融合的籽棉回潮率检测方法预测效果优于单一电阻和单一电容的检测方法。表 2 信息融合模型回潮率评价结果Table 2 Evaluation results of moisture regain of information fusion model模型类型样本个数/个评价指标单一电阻单一电容信息融合MLR30RMSE/%0.20980.13960.1242R20.23210.66010.7310时间/s0.02000.01800.0180PLSR30RMSE/%0.20980.13960.1242R20.23210.66010.7310时间/s0.01000.01040.0100SVR30RMSE/%0.16750.11560.1087R20.51100.76690.7938时间/s0.09000.09710.0898BPNN30RMSE/%0.03760.07800.0504R20.86590.77700.8966时间/s0.67920.68050.6690 4 种模型中的信息融合模型预测结果均优于单一9712023 年 12 月 农 机 化 研 究第 12 期电阻或单一电容的模型预测结果。其中,MLR 由于使用线性函数对数据进行拟合,拟合结果对数据的表达度不高,因此 MLR 的评价结果均低于其他 3 种。PLSR 是在 MLR 的基础上增加了主成分分析和相关性最大化的基本算法,由于模型参数较少,不用提取主成分,因此 PLSR 的检测结果与 MLR 基本一致。SVR 允许在不改变解释变量的情况下构建非线性模型,由于其对模型的解释度较好,SVR 的单一电阻模型、单一电容模型和信息融合模型的 RMSE 和 R2相对于 MLR 和 PLSR 都有了明显的提高。BPNN 信息融合模型的 RMSE 为 0.0504%,均方根误差相对于 MLR和 PLSR 降低了 0.0738 个百分点、相对于 SVR 降低了 0.0583 个百分点;决定系数 R2为 0.8966,决定系数相对于 MLR 和 PLSR 提高了 0.1656,相对于 SVR提高了 0.1028。PLSR 的程序运行时间为 0.0100s,SVR 的程序运行时间为 0.0898s,BPNN 的程序运行时间为 0.6690s,由于神经网络结构的复杂性,BPNN的运行时间相对于 PLSR 和 SVR 较高,但低于 1s,在人的感官上区别不明显。也就是说,BPNN 模型能够有效提升籽棉回潮率的检测精度且检测速度较快,从而验证了提出方法的有效性。3 结论1)使用标准电阻和标准电容分别对基于电阻法和电容法的籽棉回潮率检测板进行可靠性验证试验,利用 SPSS 对试验数据进行回归分析,结果决定系数R2分别为 0.9998、0.9662,证明了以上两个检测板的可靠性。2)对比分析了单一电阻法、单一电容法、电阻电容信息融合法检测数据的决定系数和均方根误差,表明电阻电容信息融合方法的回潮率检测效果较好。对比 了 线 性 回 归 方 法(MLR)、偏 最 小 二 乘 回 归(PLSR)、支持向量回归(SVR)、反向传播神经网络(BPNN)等 4 种算法的籽棉回潮率检测系统决定系数R2、均方根误差 RMSE 和运行时间 t,结果表明:BPNN算法的各项评价指标最高,决定系数 R2为 0.8966,均方根误差 RMSE 为 0.0504%,程序运行时间 t 为 0.6690 s。3)提出的电阻电容信息融合的籽棉回潮率检测方法适用于收购环节的机采籽棉。该方法优于传统的单一电阻和单一电容籽棉回潮率检测方法,能更快速、准确地测得籽棉回潮率,为收购环节籽棉回潮率检测提供了新思路。参考文献:1 阮旭良,桑小田,秦建锋.基于电磁波衰减和相移特性的籽棉回潮率检测方法分析J.科学技术与工程,2016,16(3):127-129.2 张建柱.我国棉花回潮率电测器技术发展综述J.中国棉花加工,2010(5):20-22.3 张明柱.新技术在电测器上的应用研究J.中国纤检,2012(13):68-69.4 景军锋,李炫君,凤婧,等.电阻式织物回潮率在线测量装置的设计J.棉纺织技术,2016,44(7):27-31.5 贾冬,吴志勇,谢代梁,等.自动化棉包回潮率检测技术初探J.中国纤检,2018(8):101-103.6 吴昕,李磊,王维萌,等.微型电容式湿度探针的可行性研究J.发电技术,2019,40(S1):84-89.7 马广宇,万霖,车刚,等.双极电容式水稻含水率在线监测装置的设计J.农机化研究,2021,43(12):104-109.8 KHALEGHI B,KHAMIS A,KARRAY F O,et al.Multisen-sor data fusion:A review of the state-of-the-artJ.Infor-mation fusion,2013,14(1):28-44.9 PALACIOS-MORILLO A,JURADO J M,ALCAZAR A,et al.Differentiation of spanish paprika from protected designa-tion of origin based on color measurements and pattern recog-nitionJ.Food control,2016,62:243-249.10 金作徽,翟志强,张若宇,等.基于支持向量回归的核桃在线称重系统J.食品与机械,2018,34(7):90-92.11 BYLER R K.Cotton lint moisture-sample storage container comparisonJ.Applied Engineering in Agriculture,2004,20(5):543-546.12 北京市纺织纤维检验所.原棉回潮率试验方法烘箱法:GB/T6102.1-2006S.北京:中国标准出版社,2000.13 史赛湘,史德林,王依民,等.棉纤维的改性及回潮性研究J.上海纺织科技,2021,49(1):11-13.14 李颜平,吴刚.基于典型数据集的数据预处理方法对比分析J.沈阳工业大学学报,2022,44(2):185-192.15 董宇晖.基于 Python 的设计模式研究J.电子技术与软件工程,2013,(21):74-75.16 肖枝洪.多元统计与 SAS 应用M.武汉:武汉大学出版社,2013.17 包研科.数据分析教程M.北京:清华大学出版社,2011.18 王定成.温室环境的支持向量机回归建模J.农业机械学报,2004(5):106-109.19 靖娟利,刘兵,徐勇,等.基于多特征融合的反向传播神经网络高分影像分类与变化检测J.科学技术与工程,2021,21(36):15378-15385.20 刘建军,朱元景.军事装备可用性指标评估模型J.四川兵工学报,2012,33(7):13-15.(下转第 190 页)0812023 年 12 月 农 机 化 研 究第 12 期ding strength of large main vine,small main vine and branch vine were 13.37MPa,11.23MPa and 7.46 MPa,and the average shear strength of large main vine,small main vine and branch vine were 13.37MPa,11.23MPa and 7.46 MPaindependently.The result also shows that the compressive strength,bending strength and shear strength were nega-tively correlated with water content,but positively correlated with density.The research results can provide a theoretical basis for the design and development of key components of gold passion fruit vine processing equipment.Key words:passion fruit vine;mechanical properties;the moisture content;density(上接第 180 页)21 孙东永,王义民,黄强,等.均方根误差最小准则的水库群典型年选取J.西安理工大学学报,2011,27(3):275-279.Abstract ID:1003-188X(2023)12-0175-EA Detection of Moisture Regain of Seed Cotton Based on Resistance and Capacitance Information Fusion Song Fangdan1,2,Zhang Ruoyu1,2,Yang Ping1,2,Zhang Mengyun1,2,Li Hao1,2,Xia Bin1,3(1.College of Mechanical and Electrical Engineering,Shihezi University,Shihezi 832003,China;2 Key Laboratory of Northwest Agricultural Equipment,Ministry of Agriculture and Rural Affairs,Shihezi 832003,China;3.Zhengzhou Cotton&Jute Engineering Technology and Design Research Institute of China CO-OP,Zhengzhou 450004,China)Abstract:With regarding to the status quo ofpoor accuracy of single resistanceand instability of single capacitance detec-tion on moisture regain of seed cotton in trade,this study proposed a detection method of moisture regain of seed cotton based on the resistance and capacitance information fusion.Firstly,the reliability of the resistance and capacitance detec-tion board of the test platform was verified with using standard resistance and capacitance.Then,the detection platform and Eight Basket oven were used to test the cotton samples and acquire thedata.Based on the data,a testing model of moisture regain of seed cotton was built according to the information fusion of resistance and capacitance.In this process,multiple linear regression,partial least squares regression,support vector regression and back propagation neural network were used to construct and verify the models.The BPNNmodel achieved the best performanceamong the other three models,where the determination coefficient R2 was 0.8966,the RMSE was 0.0504%,and the timecostwas 0.6690s.Finally,the information fusion algorithm was compared with single resistance and single capacitance method,respective-ly,and the results showed that the method of information fusion of resistance and capacitancewas superior to the single re-sistance and single capacitance method.Therefore,this method was feasible and could provide insightful reference for de-tecting moisture regain of seed cotton in the purchase process.Key words:moisture regain of seed cotton;resistance detection;capacitance detection;information fusion;back propa-gation neural network0912023 年 12 月 农 机 化 研 究第 12 期