基于聲學(xué)的禽蛋裂紋檢測關(guān)鍵技術(shù)及在線檢測研究.pdf

1、禽蛋是人們?nèi)粘Ｉ钪凶罡粻I養(yǎng)的食物之一，同時也是很多其他食物的原材料，在食品行業(yè)中占有舉足輕重的地位。禽蛋表面的裂紋極易引起禽蛋內(nèi)部細(xì)菌感染，嚴(yán)重危害食用者的健康，因此，禽蛋裂紋檢測是禽蛋品質(zhì)檢測生產(chǎn)線中極為重要的一環(huán)。傳統(tǒng)人工檢測禽蛋裂紋的方法檢測精度低、速度慢、容易受人主觀因素影響，已經(jīng)無法滿足高通量在線禽蛋品質(zhì)檢測生產(chǎn)線的要求，由于禽蛋裂紋檢測自動化難度較大，現(xiàn)已成為制約國內(nèi)禽蛋品質(zhì)檢測生產(chǎn)線速度的瓶頸。自動化禽蛋裂紋檢測方法主要

2、有機器視覺法和聲學(xué)法兩種，聲學(xué)法由于其檢測速度快、信號處理較簡單等特點，已被國外用于在線禽蛋裂紋檢測。
　　本文結(jié)合禽蛋的結(jié)構(gòu)特點和生產(chǎn)線環(huán)境特點，研發(fā)了用于禽蛋裂紋檢測的基于電磁激勵的伸縮式激勵機構(gòu)和基于CompactRIO的信號采集系統(tǒng)，探討了激勵機構(gòu)敲擊不同大小禽蛋時最優(yōu)的敲擊力及參數(shù)組合，提取了與禽蛋裂紋相關(guān)的聲學(xué)信號特征，并利用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建判別模型驗證判別效果，設(shè)計了基于FPGA+DSP的禽蛋裂紋在線檢測系統(tǒng)，實現(xiàn)對

3、不同運行速度下不同大小禽蛋實施精準(zhǔn)的敲擊和24通道聲學(xué)信號同步采集與實時分析，并探究了在線檢測系統(tǒng)對完好蛋和裂紋蛋的判別效果。
　　主要研究內(nèi)容、結(jié)果和結(jié)論如下:
　　(1)設(shè)計了基于電磁驅(qū)動的伸縮式禽蛋激勵機構(gòu)、驅(qū)動和信號采集系統(tǒng)，探討了激勵機構(gòu)敲擊不同大小禽蛋時最優(yōu)的沖擊力。禽蛋激勵機構(gòu)及系統(tǒng)的研制主要包括:1）分析激勵機構(gòu)的結(jié)構(gòu)、運行原理、敲擊力影響因素;2）設(shè)計激勵機構(gòu)的驅(qū)動電路和聲音信號調(diào)理電路;3）開發(fā)基于NI

4、CompactRIO的數(shù)據(jù)采集系統(tǒng)，包括對敲擊力信號和聲音信號的采集與分析。最優(yōu)的沖擊力的探討過程包括:建立了激勵機構(gòu)敲擊到禽蛋表面的敲擊力與參數(shù)（行程和脈寬）之間的關(guān)系，探究了敲擊力的上下限及敲擊不同大小禽蛋時最優(yōu)的敲擊力及參數(shù)組合，最后研究了其他參數(shù)對沖擊力的影響。結(jié)果表明:為保證禽蛋被敲擊后不破損，得到敲擊力上限約為30N，為保證激勵機構(gòu)運行穩(wěn)定，得到敲擊力下限為25 N。在實際應(yīng)用中，針對不同大小的禽蛋需要調(diào)整脈寬將敲擊力控制在

5、上述合適范圍內(nèi)，禽蛋大小與脈寬的關(guān)系為線性關(guān)系。
　　(2)分析了敲擊禽蛋產(chǎn)生聲音的特征并進(jìn)行優(yōu)化。提取了聲學(xué)相關(guān)的特征26個，用F-ratio值評估單個特征判別裂紋蛋的能力，并用皮爾遜相關(guān)系數(shù)對特征兩兩之間的相關(guān)關(guān)系進(jìn)行評估，進(jìn)而對特征參數(shù)進(jìn)行篩選。分別用所有26個特征和篩選過的特征訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)并對比結(jié)果，最后利用新的實驗樣本獲取的特征數(shù)據(jù)對上述訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)進(jìn)行驗證，并探究不同敲擊位置和裂紋位置對檢測準(zhǔn)確率的影響。結(jié)

6、果表明:1）頻域總能量E0具有最高的F-ratio值2.058，經(jīng)過分析篩選掉F-ratio值小于0.1的特征。并根據(jù)得到的相關(guān)系數(shù)，篩選掉相關(guān)關(guān)系大于0.6的特征對中F-ratio值較小的特征，最后剩余11個特征為:DT、E0、ADF0、DF1、SR、BE1、BE2、BE4、BE5、BE7和BER。2）人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果表明兩者綜合檢測準(zhǔn)確率分別為99.8％和98.8％，兩者差距很小，因此通過本研究方法對特征進(jìn)行篩選在大大減少計算量

7、的同時又保證檢測準(zhǔn)確率，具有實用意義。3）完好蛋的判別準(zhǔn)確率均在90％以上，裂紋蛋的判別準(zhǔn)確率與裂紋位置和敲擊位置有關(guān)，當(dāng)敲擊位置和裂紋位置在同一側(cè)時檢測準(zhǔn)確率較高（90％左右），當(dāng)敲擊位置與裂紋位置不同時，檢測準(zhǔn)確率較低，其中敲擊在赤道時，對大頭和小頭的裂紋的檢測準(zhǔn)確率約60％，敲擊在大頭或者小頭時，對赤道裂紋的檢測準(zhǔn)確率約60％，而當(dāng)敲擊位置和裂紋位置分別位于兩端時，檢測能力很弱(30％)。
　　(3)搭建了禽蛋裂紋在線檢測系

8、統(tǒng)。包括:整體機械結(jié)構(gòu)、基于DSP和多傳感器的控制系統(tǒng)、基于FPGA和DSP結(jié)合的信號采集與分析系統(tǒng)，實現(xiàn)了對不同運行速度下禽蛋精準(zhǔn)敲擊和對不同大小禽蛋實施相同的敲擊，實現(xiàn)24通道聲音信號同步采集和實時分析。對裂紋在線檢測系統(tǒng)的運行狀況進(jìn)行了測試，結(jié)果表明:在線系統(tǒng)運行穩(wěn)定，滿足最快5個/秒的檢測速度，不同敲擊頭敲擊產(chǎn)生的信號基本一致，且對不同大小雞蛋敲擊產(chǎn)生信號也基本一致。
　　(4)在禽蛋裂紋在線檢測系統(tǒng)平臺上，采集了敲擊運動

9、中禽蛋產(chǎn)生的信號，探究了在線檢測系統(tǒng)判別完好蛋和裂紋蛋的效果。分別測試在靜態(tài)系統(tǒng)（詳見第二章）和在線系統(tǒng)（詳見第四章）下訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對完好蛋和裂紋蛋的判別效果，之后重新評估和篩選了在線系統(tǒng)下信號的特征參數(shù)，并與靜態(tài)系統(tǒng)下篩選的特征進(jìn)行對比分析，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練并驗證重新篩選后的特征參數(shù)的判別效果。結(jié)果表明:1）靜態(tài)系統(tǒng)下訓(xùn)練的神經(jīng)網(wǎng)絡(luò)對在線系統(tǒng)中的完好蛋和裂紋蛋判別效果較差（完好蛋53％和裂紋蛋66％）。2）在在線系統(tǒng)下重新訓(xùn)練神

10、經(jīng)網(wǎng)絡(luò)可以提升判別準(zhǔn)確率（完好蛋87％和裂紋蛋82％）。3）而對在線系統(tǒng)下信號特征重新評估和篩選，得到的特征參數(shù)為:E0、BE3、BE8、VARt、BER、DT、BE2、SR、BE4，與靜態(tài)系統(tǒng)中篩選得到的特征參數(shù)存在差異。4）用重新篩選的特征訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型測試在線系統(tǒng)下信號，得到完好蛋和裂紋蛋的判別準(zhǔn)確率分別為85.5％和85.3％，判別準(zhǔn)確率沒有明顯提升，但是與靜態(tài)系統(tǒng)下判別準(zhǔn)確率相差較多。5）在線檢測系統(tǒng)較容易判別裂紋在大頭和