禽蛋品質(zhì)在線智能化檢測關(guān)鍵技術(shù)研究.pdf

1、禽蛋品質(zhì)在線智能化檢測關(guān)鍵技術(shù)的研究有利于提升我國禽蛋商品化處理及多指標同步檢測的能力，突破國外產(chǎn)品的市場壟斷，為我國禽蛋商品初加工處理的自動化和規(guī)?；峁l件。對聲學信號分析、機器視覺與動態(tài)稱重等技術(shù)在禽蛋品質(zhì)智能化檢測中的理論瓶頸和關(guān)鍵技術(shù)難題進行了分析，并以此為據(jù)開展了禽蛋品質(zhì)多指標模塊化智能檢測的研究，實現(xiàn)了對雞蛋的蛋殼質(zhì)量、蛋形指數(shù)、重量及新鮮度等雞蛋內(nèi)外品質(zhì)在線無損檢測;針對禽蛋裂紋在線檢測實現(xiàn)相對復雜的問題，檢測穩(wěn)定性受制

2、于多次敲擊等問題，進一步開展了表面振動波信號分析技術(shù)的研究，分析振動波信號在禽蛋蛋殼表面分布、擴散及衰減情況，以期通過單次敲擊即可快速無損檢測裂紋禽蛋的方法。主要研究內(nèi)容如下:
　　 1.雞蛋蛋殼質(zhì)量在線檢測模塊的設(shè)計和研究。設(shè)計了一套以DSP(TMS320C2812)為核心處理器的雞蛋蛋殼品質(zhì)在線檢測模塊，可實現(xiàn)受檢雞蛋在生產(chǎn)線上滾動前行、到達檢測工位時的自動敲擊及音頻信號的采集與處理，分析了在線檢測中生產(chǎn)線速度、敲擊力度、敲

3、擊點、禽蛋質(zhì)量等因素對響應信號的影響，并對軟硬件進行了優(yōu)化，為獲取穩(wěn)定性強和信噪比高的響應信號提供基礎(chǔ)。通過軟件系統(tǒng)實現(xiàn)信號的時頻轉(zhuǎn)換,并提取頻域信號中的相關(guān)特征參數(shù)，建立蛋殼品質(zhì)的定性與定量分析模型。該系統(tǒng)對完好和裂紋雞蛋檢測率分別達97.27％和94.17％;蛋殼強度（蛋殼最大承受應力）的預測值與參考值（準靜態(tài)壓縮法）之間的平均誤差為3.01N，相關(guān)系數(shù)R為0.776。
　　 2.雞蛋蛋殼質(zhì)量在線檢測模塊的集成與優(yōu)化。對已有

4、的蛋殼質(zhì)量檢測模塊在信號采集與處理、自動敲擊和上位機三個子模塊進行了優(yōu)2化，使其更貼近于自動化與工業(yè)化。在信號的采集與處理模塊中，以TMS320C5509A為主處理器，簡化了音頻信號的采集與調(diào)理過程，減少了信號干擾環(huán)節(jié)，提高了信號的精度與處理速度;在自動敲擊模塊中，通過對信號觸發(fā)和敲擊執(zhí)行控制環(huán)節(jié)的優(yōu)化，實現(xiàn)各敲擊工位的緊密排列，縮短了生產(chǎn)線聲學模塊長度，并具備隨生產(chǎn)線速度自適應調(diào)整能力;在上下位機通訊與處理模塊中，所編制的軟件系統(tǒng)可實

5、現(xiàn)對多路DSP的同步通訊及處理，并對結(jié)果進行綜合判別，且將判別結(jié)果存入數(shù)據(jù)庫中，可應用于后續(xù)分級執(zhí)行裝置。該模塊的集成和優(yōu)化不僅縮短了生產(chǎn)線聲學檢測區(qū)間長度，還增強了系統(tǒng)抗干擾能力，僅通過對時域信號過零率的分析即可區(qū)分完好和裂紋雞蛋，檢測率分別為97.58％和95.76％。
　　 3.雞蛋外形特征在線檢測模塊的設(shè)計和研究。系統(tǒng)以VisualStudi02008+QT為編程平臺，在計算機中即可實現(xiàn)對雞蛋圖像在線采集與實時處理，檢測

6、雞蛋外形特征和表面潔凈程度。分析了多個顏色空間下的分量圖像和分量融合圖像，對R-B色差分量圖采用固定閾值法從背景中提取雞蛋區(qū)域。對比了雞蛋長短軸提取方法，根據(jù)研究結(jié)果，采用了直角外接矩形法作為檢測的長短軸的方法。分析了不同色度(HSI)空間下的雞蛋表面顏色信息，以表面顏色的不連續(xù)性作為判別雞蛋表面的潔凈程度。所建立的線性模型預測獨立雞蛋樣本的長、短軸的預測相關(guān)系數(shù)R分別為0.9477和0.9185，絕對誤差平均值分別為0.5393mm和

7、0.3658mm;對雞蛋蛋形指數(shù)的預測精度達到了0.9552;對表面污漬和色斑檢測率為94.74％。
　　 4.雞蛋重量在線檢測模塊的設(shè)計和研究。Y型輥子支撐雞蛋在生產(chǎn)線上運輸前行，當雞蛋到達稱重橋路時，Y型輥子給雞蛋水平方向推力使其滾動至動態(tài)稱重傳感器檢測區(qū)域中，采集與分析傳感器信號。通過對大量動態(tài)信號的分析，運用了5階巴特沃斯低通濾波器(截至頻率為20Hz)保留了信號的低頻部分，并提取了能表征雞蛋重量的信號段（160ms-2

8、00ms），建立了雞蛋重量預測的線性模型，結(jié)果表明，動態(tài)稱重對雞蛋稱重誤差范圍為-0.75g-0.66g，可滿足重量分級的要求。
　　 5.雞蛋新鮮度在線檢測的研究。通過已有研究表明，雞蛋的新鮮度與其密度呈顯著相關(guān)關(guān)系。將機器視覺模塊所獲取的雞蛋長、短軸，與動態(tài)稱重模塊所獲取的雞蛋重量信息相結(jié)合，提出了采用物理方法在線檢測雞蛋新鮮度，采用上述三個參數(shù)與新鮮度參考值（哈夫單位）構(gòu)建了多元線性模型，結(jié)果表明:對獨立雞蛋樣本哈夫單位預

9、測相關(guān)性R值為0.8653，絕對誤差平均值為2.9874.
　　 6.采用表面振動波分析技術(shù)檢測雞蛋蛋殼裂紋。設(shè)計一套基于表面振動波的雞蛋蛋殼裂紋檢測基礎(chǔ)平臺，以Labview編制信號采集分析軟件，采集禽蛋受機械激勵后產(chǎn)生振動響應信號，分析其在禽蛋（薄殼橢球體結(jié)構(gòu)）蛋殼表面分布、擴散及衰減情況，以期通過單次敲擊即可快速無損檢測裂紋禽蛋的方法。對試驗中完好和裂紋雞蛋蛋殼敲擊振動信號的進行統(tǒng)計性分析，提取了7個特征參數(shù)，并用主成分分

10、析方法提取有用信息;將雞蛋表面8等分，研究裂紋位置對信號的影響。實驗結(jié)果表明通過分析雞蛋表面振動波信號的方法檢測雞蛋蛋殼裂紋是可行的，且能有效的減少檢測次數(shù)。
　　 本課題分析研究了雞蛋品質(zhì)在線智能化檢測的關(guān)鍵技術(shù)，針對不同檢測參數(shù)采用模塊化處理，研究成果對進一步提高禽蛋品質(zhì)智能化檢測的可靠性和精度提供了基礎(chǔ)，對促進禽蛋品質(zhì)檢測關(guān)鍵技術(shù)的發(fā)展和自動化檢測與分級裝備的研制具有一定的實際意義。同時，研究以雞蛋為研究對象，但也不失其一