【摘要】 该研究的目的是将低成本 VNA 的性能与商用 VNA 的性能进行比较，以确定其是否适合作为更经济的替代品。

水分含量是花生生产和贮藏的重要指标。为了实现花生水分含量的准确、快速无损检测，设计了一种利用低成本矢量网络分析仪（VNA）的检测装置[1]。

 

该研究的目的是将低成本 VNA 的性能与商用 VNA 的性能进行比较，以确定其是否适合作为更经济的替代品。以不同水分含量的花生荚样品为研究对象。利用低成本矢量网络分析仪，采用微波自由空间法测量不同水分含量花生荚的散射参数。

 

利用XGBoost算法将测得的散射参数与花生荚实际水分含量进行比较，得到利用散射参数测量花生荚水分的模型[2,3]。为了减少冗余频率对模型的影响，采用步进法、等分法和竞争自适应重加权采样（CARS）方法对实测频率进行筛选。

 

结果表明，等分法和CARS法均有效地筛选了频率。等分法产生的最佳模型的变异系数 (R2) 值为 0.9990，均方误差 (MSE) 为 0.1064，均方根误差 (RMSE) 为 0.3262，平均绝对误差 (MAE) 为 0.1937。此外，该设备显示出较低的误差百分比，表明其适用于花生荚水分含量的无损检测。

 

当实际含水量为35.57%时，预测值最大误差为1.52%，表明该装置满足花生荚含水量无损检测要求。

 

研究中，评估了使用低成本开源 VNA 测量花生荚水分含量的可行性。基于自由空间法，利用XGBoost在2~3 GHz范围内建立花生荚水分预测模型，并通过比较不同模型参数训练的模型确定模型参数。

 

使用步进频率、频率范围和CARS来简化原始数据。频率范围法能够有效地筛选出相关频点，改善建模结果。不同数据筛选方法对建模效果的比较表明，采用频率范围筛选可以得到最优模型。

 

最优模型的验证集R2值为0.9990，MSE为0.1064，RMSE为0.3262，MAE为0.1937。验证结果表明，对同一样品进行重复预测，高含水量（35.57%）时预测值的最大误差为1.52%。验证了该检测装置适合实时、无损、快速检测花生荚果水分含量。

 

本研究结果为各种应用的改进VNA模型的开发和评估提供了参考。

 

1.C. Qu, Z. Wang, X. Jin, X. Wang, D. Wang, A moisture content prediction model for deep bed peanut drying using support vector regression. J. Food Process. Eng. 43, e13510 (2020). https://doi.org/10.1111/jfpe.13510

2.M. Vera Zambrano, B. Dutta, D.G. Mercer, H.L. MacLean, M.F. Touchie, Assessment of moisture content measurement methods of dried food products in small-scale operations in developing countries: a review. Trends Food Sci. Technol. 88, 484–496 (2019). https://doi.org/10.1016/j.tifs.2019.04.006

3.S. Trabelsi, M.A. Lewis, S.O. Nelson, Microwave moisture meter for in-shell peanut kernels. Food Control 66, 283–290 (2016). https://doi.org/10.1016/j.foodcont.2016.02.016

 

科学指南针以分析测试为核心，提供材料测试、环境检测、生物服务、模拟计算、科研绘图等多项科研产品，累计服务1800+个高校、科研院所及6000+家企业，获得了60万科研工作者的信赖。始终秉持“全心全意服务科研，助力全球科技创新”的使命，致力于为高校、院所、医院、研发型企业等科研工作者提供专业、快捷、全方位的服务。

 

免责声明：部分文章整合自网络，因内容庞杂无法联系到全部作者，如有侵权，请联系删除，我们会在第一时间予以答复，万分感谢。