禽蛋品質(zhì)在線智能化檢測(cè)關(guān)鍵技術(shù)研究.pdf

1、禽蛋品質(zhì)在線智能化檢測(cè)關(guān)鍵技術(shù)的研究有利于提升我國(guó)禽蛋商品化處理及多指標(biāo)同步檢測(cè)的能力，突破國(guó)外產(chǎn)品的市場(chǎng)壟斷，為我國(guó)禽蛋商品初加工處理的自動(dòng)化和規(guī)模化提供條件。對(duì)聲學(xué)信號(hào)分析、機(jī)器視覺與動(dòng)態(tài)稱重等技術(shù)在禽蛋品質(zhì)智能化檢測(cè)中的理論瓶頸和關(guān)鍵技術(shù)難題進(jìn)行了分析，并以此為據(jù)開展了禽蛋品質(zhì)多指標(biāo)模塊化智能檢測(cè)的研究，實(shí)現(xiàn)了對(duì)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(wú)損檢測(cè);針對(duì)禽蛋裂紋在線檢測(cè)實(shí)現(xiàn)相對(duì)復(fù)雜的問(wèn)題，檢測(cè)穩(wěn)定性受制

2、于多次敲擊等問(wèn)題，進(jìn)一步開展了表面振動(dòng)波信號(hào)分析技術(shù)的研究，分析振動(dòng)波信號(hào)在禽蛋蛋殼表面分布、擴(kuò)散及衰減情況，以期通過(guò)單次敲擊即可快速無(wú)損檢測(cè)裂紋禽蛋的方法。主要研究?jī)?nèi)容如下:
　　 1.雞蛋蛋殼質(zhì)量在線檢測(cè)模塊的設(shè)計(jì)和研究。設(shè)計(jì)了一套以DSP(TMS320C2812)為核心處理器的雞蛋蛋殼品質(zhì)在線檢測(cè)模塊，可實(shí)現(xiàn)受檢雞蛋在生產(chǎn)線上滾動(dòng)前行、到達(dá)檢測(cè)工位時(shí)的自動(dòng)敲擊及音頻信號(hào)的采集與處理，分析了在線檢測(cè)中生產(chǎn)線速度、敲擊力度、敲

3、擊點(diǎn)、禽蛋質(zhì)量等因素對(duì)響應(yīng)信號(hào)的影響，并對(duì)軟硬件進(jìn)行了優(yōu)化，為獲取穩(wěn)定性強(qiáng)和信噪比高的響應(yīng)信號(hào)提供基礎(chǔ)。通過(guò)軟件系統(tǒng)實(shí)現(xiàn)信號(hào)的時(shí)頻轉(zhuǎn)換,并提取頻域信號(hào)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(duì)完好和裂紋雞蛋檢測(cè)率分別達(dá)97.27％和94.17％;蛋殼強(qiáng)度（蛋殼最大承受應(yīng)力）的預(yù)測(cè)值與參考值（準(zhǔn)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(cè)模塊的集成與優(yōu)化。對(duì)已有

4、的蛋殼質(zhì)量檢測(cè)模塊在信號(hào)采集與處理、自動(dòng)敲擊和上位機(jī)三個(gè)子模塊進(jìn)行了優(yōu)2化，使其更貼近于自動(dòng)化與工業(yè)化。在信號(hào)的采集與處理模塊中，以TMS320C5509A為主處理器，簡(jiǎn)化了音頻信號(hào)的采集與調(diào)理過(guò)程，減少了信號(hào)干擾環(huán)節(jié)，提高了信號(hào)的精度與處理速度;在自動(dòng)敲擊模塊中，通過(guò)對(duì)信號(hào)觸發(fā)和敲擊執(zhí)行控制環(huán)節(jié)的優(yōu)化，實(shí)現(xiàn)各敲擊工位的緊密排列，縮短了生產(chǎn)線聲學(xué)模塊長(zhǎng)度，并具備隨生產(chǎn)線速度自適應(yīng)調(diào)整能力;在上下位機(jī)通訊與處理模塊中，所編制的軟件系統(tǒng)可實(shí)

5、現(xiàn)對(duì)多路DSP的同步通訊及處理，并對(duì)結(jié)果進(jìn)行綜合判別，且將判別結(jié)果存入數(shù)據(jù)庫(kù)中，可應(yīng)用于后續(xù)分級(jí)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(xué)檢測(cè)區(qū)間長(zhǎng)度，還增強(qiáng)了系統(tǒng)抗干擾能力，僅通過(guò)對(duì)時(shí)域信號(hào)過(guò)零率的分析即可區(qū)分完好和裂紋雞蛋，檢測(cè)率分別為97.58％和95.76％。
　　 3.雞蛋外形特征在線檢測(cè)模塊的設(shè)計(jì)和研究。系統(tǒng)以VisualStudi02008+QT為編程平臺(tái)，在計(jì)算機(jī)中即可實(shí)現(xiàn)對(duì)雞蛋圖像在線采集與實(shí)時(shí)處理，檢測(cè)

6、雞蛋外形特征和表面潔凈程度。分析了多個(gè)顏色空間下的分量圖像和分量融合圖像，對(duì)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(duì)比了雞蛋長(zhǎng)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(cè)的長(zhǎng)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(yù)測(cè)獨(dú)立雞蛋樣本的長(zhǎng)、短軸的預(yù)測(cè)相關(guān)系數(shù)R分別為0.9477和0.9185，絕對(duì)誤差平均值分別為0.5393mm和

7、0.3658mm;對(duì)雞蛋蛋形指數(shù)的預(yù)測(cè)精度達(dá)到了0.9552;對(duì)表面污漬和色斑檢測(cè)率為94.74％。
　　 4.雞蛋重量在線檢測(cè)模塊的設(shè)計(jì)和研究。Y型輥?zhàn)又坞u蛋在生產(chǎn)線上運(yùn)輸前行，當(dāng)雞蛋到達(dá)稱重橋路時(shí)，Y型輥?zhàn)咏o雞蛋水平方向推力使其滾動(dòng)至動(dòng)態(tài)稱重傳感器檢測(cè)區(qū)域中，采集與分析傳感器信號(hào)。通過(guò)對(duì)大量動(dòng)態(tài)信號(hào)的分析，運(yùn)用了5階巴特沃斯低通濾波器(截至頻率為20Hz)保留了信號(hào)的低頻部分，并提取了能表征雞蛋重量的信號(hào)段（160ms-2

8、00ms），建立了雞蛋重量預(yù)測(cè)的線性模型，結(jié)果表明，動(dòng)態(tài)稱重對(duì)雞蛋稱重誤差范圍為-0.75g-0.66g，可滿足重量分級(jí)的要求。
　　 5.雞蛋新鮮度在線檢測(cè)的研究。通過(guò)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(jī)器視覺模塊所獲取的雞蛋長(zhǎng)、短軸，與動(dòng)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(cè)雞蛋新鮮度，采用上述三個(gè)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(duì)獨(dú)立雞蛋樣本哈夫單位預(yù)

9、測(cè)相關(guān)性R值為0.8653，絕對(duì)誤差平均值為2.9874.
　　 6.采用表面振動(dòng)波分析技術(shù)檢測(cè)雞蛋蛋殼裂紋。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)，以Labview編制信號(hào)采集分析軟件，采集禽蛋受機(jī)械激勵(lì)后產(chǎn)生振動(dòng)響應(yīng)信號(hào)，分析其在禽蛋（薄殼橢球體結(jié)構(gòu)）蛋殼表面分布、擴(kuò)散及衰減情況，以期通過(guò)單次敲擊即可快速無(wú)損檢測(cè)裂紋禽蛋的方法。對(duì)試驗(yàn)中完好和裂紋雞蛋蛋殼敲擊振動(dòng)信號(hào)的進(jìn)行統(tǒng)計(jì)性分析，提取了7個(gè)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(duì)信號(hào)的影響。實(shí)驗(yàn)結(jié)果表明通過(guò)分析雞蛋表面振動(dòng)波信號(hào)的方法檢測(cè)雞蛋蛋殼裂紋是可行的，且能有效的減少檢測(cè)次數(shù)。
　　 本課題分析研究了雞蛋品質(zhì)在線智能化檢測(cè)的關(guān)鍵技術(shù)，針對(duì)不同檢測(cè)參數(shù)采用模塊化處理，研究成果對(duì)進(jìn)一步提高禽蛋品質(zhì)智能化檢測(cè)的可靠性和精度提供了基礎(chǔ)，對(duì)促進(jìn)禽蛋品質(zhì)檢測(cè)關(guān)鍵技術(shù)的發(fā)展和自動(dòng)化檢測(cè)與分級(jí)裝備的研制具有一定的實(shí)際意義。同時(shí)，研究以雞蛋為研究對(duì)象，但也不失其一