梨堅(jiān)實(shí)度聲學(xué)在線無(wú)損檢測(cè)系統(tǒng)研究.pdf

1、堅(jiān)實(shí)度是評(píng)價(jià)梨品質(zhì)的重要指標(biāo)，它與成熟度和口感密切相關(guān)。準(zhǔn)確地檢測(cè)梨的堅(jiān)實(shí)度，對(duì)于收獲期確定、采后貯藏、產(chǎn)品分級(jí)、品種培育等都具有重要意義。傳統(tǒng)的測(cè)振傳感器需要附著于待測(cè)物體表面，難以應(yīng)用于水果品質(zhì)在線無(wú)損檢測(cè)。而激光多普勒測(cè)振(Laser doppler vibrometry，LDV)技術(shù)是一種精度高、響應(yīng)快的非接觸式測(cè)振方法，具有在線檢測(cè)水果品質(zhì)的潛力。本文以梨為研究對(duì)象，利用激光多普勒測(cè)振技術(shù)，開(kāi)展梨堅(jiān)實(shí)度在線無(wú)損檢測(cè)研究。

2、>　　主要研究?jī)?nèi)容和結(jié)論為:
　　(1)研制了一套梨堅(jiān)實(shí)度聲學(xué)在線無(wú)損檢測(cè)系統(tǒng)，并根據(jù)單因素方差分析結(jié)果優(yōu)化了系統(tǒng)參數(shù)。該系統(tǒng)由激勵(lì)單元、檢測(cè)單元、輸送單元和控制單元組成。其中，聲源口徑30mm、聲源與被測(cè)對(duì)象距離20mm、聲源輸出功率40w、線性掃頻模式和掃頻速率1000Hz/s為激勵(lì)單元各部分最優(yōu)參數(shù);激光多普勒測(cè)振儀與被測(cè)對(duì)象距離0.5m為檢測(cè)單元最優(yōu)參數(shù)。當(dāng)系統(tǒng)參數(shù)最優(yōu)時(shí)，系統(tǒng)重復(fù)性實(shí)驗(yàn)結(jié)果表明，每個(gè)樣本3次測(cè)量結(jié)果的分異

3、系數(shù)（Differentiation index，D）均小于10，即系統(tǒng)具有較好的穩(wěn)定性，可為梨堅(jiān)實(shí)度在線無(wú)損檢測(cè)提供可靠的硬件保障。
　　(2)以翠冠梨為試驗(yàn)對(duì)象，進(jìn)行了振動(dòng)測(cè)量，分析了振動(dòng)頻譜，提取了堅(jiān)實(shí)度相關(guān)的振動(dòng)特征參數(shù)，包括共振峰中心頻率f，共振峰寬度w，共振峰面積S，共振峰峰值A(chǔ)，并采用3次測(cè)量結(jié)果的變異系數(shù)對(duì)振動(dòng)特征參數(shù)的可重復(fù)性進(jìn)行了分析。實(shí)驗(yàn)結(jié)果表明，所有振動(dòng)特征參數(shù)的變異系數(shù)均小于10％，即這4個(gè)振動(dòng)特征參數(shù)均

4、具有較好的可重復(fù)性，可用于梨堅(jiān)實(shí)度的建模分析。
　　(3)應(yīng)用多種化學(xué)計(jì)量學(xué)方法，建立了梨堅(jiān)實(shí)度定性分類和定量預(yù)測(cè)模型。結(jié)果表明:在基于判別分析、K近鄰分類算法、前饋反向傳播(Back-Propagation，BP)神經(jīng)網(wǎng)絡(luò)三種模式識(shí)別方法分別建立的梨堅(jiān)實(shí)度定性分類模型中，BP神經(jīng)網(wǎng)絡(luò)模型的判別正確率最高，校正集的準(zhǔn)確率為94.74％，預(yù)測(cè)集的正確率為89.47％;在基于多元線性回歸、主成分回歸、偏最小二乘回歸和BP神經(jīng)網(wǎng)絡(luò)方法分