基于振動(dòng)力學(xué)及近紅外光譜技術(shù)的雞蛋品質(zhì)檢測(cè)的研究.pdf

1、雞蛋品質(zhì)的快速、自動(dòng)化檢測(cè)對(duì)滿足消費(fèi)者在雞蛋安全和營(yíng)養(yǎng)方面的要求，以及提高雞蛋的市場(chǎng)價(jià)值和競(jìng)爭(zhēng)力有重要意義。本課題以雞蛋為研究對(duì)象，利用敲擊表面振動(dòng)波信號(hào)分析技術(shù)和近紅外光譜技術(shù)對(duì)雞蛋的內(nèi)外品質(zhì)指標(biāo)（蛋殼裂紋、新鮮度）進(jìn)行快速無(wú)損檢測(cè)。主要研究?jī)?nèi)容如下:
　　 1.設(shè)計(jì)一套基于表面振動(dòng)波的雞蛋蛋殼裂紋檢測(cè)基礎(chǔ)平臺(tái)，采用LabVIEW編制信號(hào)采集分析軟件，采集雞蛋受敲擊激勵(lì)后產(chǎn)生的振動(dòng)響應(yīng)信號(hào)，分析其在雞蛋（薄殼橢球體結(jié)構(gòu)）蛋殼表

2、面分布、擴(kuò)散及衰減狀況，以期達(dá)到通過(guò)一次敲擊激勵(lì)即可快速無(wú)損檢測(cè)裂紋雞蛋的目的。以響應(yīng)信號(hào)的穩(wěn)定性作為平臺(tái)優(yōu)化的標(biāo)準(zhǔn)，優(yōu)化硬件和軟件系統(tǒng)，以便更有效地采集雞蛋被敲擊后的振動(dòng)響應(yīng)信號(hào)，并為后期在線檢測(cè)系統(tǒng)的設(shè)計(jì)提供理論和研究基礎(chǔ)。
　　 2.結(jié)合敲擊激勵(lì)響應(yīng)信號(hào)及模式識(shí)別方法區(qū)分蛋殼裂紋。對(duì)完好和帶有裂紋的雞蛋蛋殼敲擊激勵(lì)的時(shí)域信號(hào)進(jìn)行分析，提取7個(gè)特征參數(shù)作為判別模型的輸入向量，分別以線性分析方法(LDA)、人工神經(jīng)網(wǎng)絡(luò)(BP-

3、ANN)和支持向量機(jī)(SVM)等模式識(shí)別方法建立蛋殼裂紋的判別模型，將雞蛋蛋殼依次分為8個(gè)區(qū)域，在敲擊位置1、3、5、8區(qū)域時(shí)模型的總體識(shí)別率較好，在此4個(gè)敲擊區(qū)域內(nèi)LDA總體預(yù)測(cè)集分別為84.85％、83.33％、81.82％、83.33％;BP-ANN總體預(yù)測(cè)效果分別為90.91％、92.42％、87.87％、86.36％;SVM總體預(yù)測(cè)集分別為100％、89.39％、86.36％、86.36％，SVM模型對(duì)雞蛋蛋殼的裂紋有更好的識(shí)

4、別效果。試驗(yàn)結(jié)果表明，裂紋靠近傳感器區(qū)域或裂紋靠近敲擊區(qū)域時(shí)檢測(cè)效果更佳。
　　 3.雞蛋新鮮度的定性識(shí)別。采用兩種不同的近紅外光譜檢測(cè)方式（漫反射式和漫透射式）識(shí)別雞蛋的新鮮度。漫反射式所用的儀器為美國(guó)ThermoFisher公司生產(chǎn)的AntarisⅡ型傅立葉變換近紅外光譜儀，光譜范圍1000～2500nm，試驗(yàn)采用積分球漫反射測(cè)樣方式;漫透射所用的儀器為美國(guó)海洋公司光學(xué)公司生產(chǎn)的USB2000+和MAYA2000近紅外光譜儀

5、，USB2000+和MAYA2000光譜檢測(cè)系統(tǒng)分別選用6個(gè)50W鹵素?zé)簦W司朗）和3個(gè)20W鹵素?zé)簦W司朗）作為檢測(cè)光源，光譜采集范圍分別為350～1025nm和550～985nm，檢測(cè)平臺(tái)均為自行搭建。通過(guò)主成分分析(PCA)方法提取近紅外光譜特征信息，并結(jié)合線性(KNN)和非線性（BP-ANN）等模式識(shí)別方法建立雞蛋新鮮度的檢測(cè)模型。通過(guò)BP-ANN方法建立的模型判定效果最佳，三種不同光譜檢測(cè)系統(tǒng)下模型對(duì)訓(xùn)練集識(shí)別率分別為85％、

6、95％和96.43％，預(yù)測(cè)集中樣本的識(shí)別率分別為80％、71.42％和91.43％。研究結(jié)果表明，近紅外光譜能夠較好的預(yù)測(cè)不同貯藏時(shí)間雞蛋的新鮮度，三種光譜檢測(cè)系統(tǒng)中MAYA2000光譜檢測(cè)系統(tǒng)檢測(cè)效果要優(yōu)于另外兩種光譜檢測(cè)系統(tǒng)。
　　 4.雞蛋新鮮度定量分析。選取MAYA2000光譜儀（包括檢測(cè)器）建立基于漫透射式的雞蛋新鮮度檢測(cè)平臺(tái)，采集不同新鮮度雞蛋樣本的近紅外光譜，與3個(gè)雞蛋新鮮度的參考指標(biāo)（哈夫單位、蛋黃指數(shù)和失重率）

7、建立模型，定量分析雞蛋的新鮮度。采用聯(lián)合區(qū)間偏最小二乘法(SI-PLS)對(duì)雞蛋近紅外光譜進(jìn)行了特征波長(zhǎng)的篩選，當(dāng)近紅外光譜劃分為20個(gè)子區(qū)間時(shí)，聯(lián)合6、17、18、19子區(qū)間能較好的表征哈夫單位的變化;當(dāng)光譜劃分為14個(gè)子區(qū)間時(shí)，聯(lián)合4、7、12、13子區(qū)間能較好的表征蛋黃指數(shù)的變化;當(dāng)光譜劃分為18個(gè)子區(qū)間時(shí)，聯(lián)合6、7、8、9子區(qū)間能較好的表征失重率的變化。用SI-PLS和BP-ANN方法建立預(yù)測(cè)模型，兩種模型都表達(dá)了近紅外透射光譜

8、對(duì)雞蛋哈夫單位、蛋黃指數(shù)和失重率較好的預(yù)測(cè)能力。其中，SI-PLS模型對(duì)雞蛋哈夫單位的預(yù)測(cè)集相關(guān)系數(shù)R為0.8163、對(duì)蛋黃指數(shù)預(yù)測(cè)集相關(guān)系數(shù)R為0.9081和對(duì)失重率預(yù)測(cè)集相關(guān)系數(shù)R為0.8778，預(yù)測(cè)效果均優(yōu)于BP-ANN模型。結(jié)果表明，通過(guò)篩選合適的光譜區(qū)間或波長(zhǎng)并選取最優(yōu)方法進(jìn)行建模，可以剔除噪聲過(guò)大的譜區(qū)，并最終完成對(duì)農(nóng)產(chǎn)品內(nèi)部品質(zhì)的同步預(yù)測(cè)。
　　 本課題建立了基于表面振動(dòng)波信號(hào)分析的雞蛋蛋殼質(zhì)量檢測(cè)系統(tǒng)，該系統(tǒng)能快