收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于多传感器融合无损检测鸡蛋品质的研究

刘鹏  
【摘要】:农产品无损检测的目的是在不破坏样品的情况下,对其进行无损指标的测定,并与实际品质参数建立对应关系,最终达到分级的目的。单传感器无损检测虽对农产品的常规品质指标有较好的激励响应特性,但存在检测精度差、稳定性不高和部分传感器运行成本过高的问题。此外还有一些品质属性是用单一传感器难以识别的,表明单传感器的检测范围存在一定“盲区”。另一方面,出口标准的提高,导致农产品检测趋向全面性,即需要输出一组全面的品质数据,这也是单一传感器难以完成的。因此:无论从应用,需求还是控制风险的角度来看,多传感器融合应用于农产品无损检测中都是十分必要的。为了探索多传感器融合在食品检测领域的可行性,提升检测的准确性,扩大检测的适应面。本文以鸡蛋为研究对象,将传感器信息预处理、传感器融合(数据层和特征层)、专家系统和虚拟仪器等技术系统的应用于鸡蛋品质的无损检测中。这一研究,较单传感器无损检测,一方面:有效提高了检测精度,范围和稳定性。另一方面:通过传感器的融合策略,解决了对一些无法用单一传感器检测,但具有应用价值的品质指标的识别问题。在此基础上本文设计了相应的应用层软、硬件系统。具体研究分述如下: 1.传感器信息预处理及融合检测鸡蛋品质参数的确定 分别用定点迭代的快速独立分量和提升小波变换,对机器视觉和敲击振动这两类传感器输出的针对鸡蛋品质的无损检测参数进行去噪,去噪效果较好。研究确定了电子鼻检测鸡蛋的最佳试验条件。首先系统分析了针对鸡蛋气味的电子鼻模式识别算法特点。其次,通过算法比对确定了概率神经网络具有最好的稳定性、识别准确率和较快的总体运行速度,是最适合鸡蛋气味识别的模式识别算法。最后,通过传感器权重分析、传感器响应值与指标的相关性分析,分别确定了针对鸡蛋新鲜度和裂纹检测的最佳电子鼻传感器组合分别为2、5、8号传感器和2、7、8号传感器。 2.基于传感器数据层融合的鸡蛋新鲜度无损检测 在传感器数据融合的层面上运用机器视觉和电子鼻分别对鸡蛋哈夫单位和TVB-N(挥发性盐基氮)进行无损检测。提出一种按无损检测特征变量对目标量预测的贡献程度划分权重的传感器数据融合方法。将其运用到机器视觉特征参数和电子鼻响应值特征参数的构建和预测建模过程中,解决了无损检测建模方法中存在的变量权重信息缺失问题。验证性研究表明:传感器数据融合提升了鸡蛋哈夫单位及TVB-N预测模型预测的准确性(预测准确率分别为97.31%和94.54%)、稳定性(RMSE分别为0.004%和0.006%)及可移植性(模型从构建组到验证组的使用过程中,预测准确率的下降在2%以内)。在此基础上,分别研究确定了基于机器视觉的鸡蛋哈夫单位SVR(支持向量回归机)预测模型和基于电子鼻的鸡蛋挥发性盐基氮SVR预测模型。还提出一种基于PSO(粒子群)+网格混合型搜索策略确定SVR结构参数的新方法,将其运用到电子鼻响应值预测鸡蛋TVB-N的研究中。验证研究表明:该方法充分发挥了PSO搜索速度快而网格法稳定性高的优点,较一般网格搜索,混合型搜索在保证准确性的同时,搜索速度提高了3倍,可满足在线分析的需要。 3.多传感器特征层融合检测鸡蛋裂纹及相关外部品质研究 将鸡蛋裂纹划分为尺寸和深浅两个层次。在鸡蛋裂纹的特征层,融合机器视觉、敲击振动和电子鼻三种传感器对裂纹进行了系统研究。首次提出基于3传感器融合的鸡蛋裂纹SVM(支持向量机)识别模型。模型具有可信的结构(收敛误差为0.0003%)和很好的判别能力(验证准确率达到95%以上),可为鸡蛋加工处理前的分拣提供依据。运用机器视觉和敲击振动特征层融合的方法构建鸡蛋蛋壳强度的系统模型。通过对敲击振动特征频率矩阵变异系数的检验和有裂纹蛋强度的测定,获得了蛋壳强度可测性的判别阈值。进一步通过传感器数据关联方法确定特征变量集。最后采用后向消去型多元线性回归建立了鸡蛋壳蛋壳强度预测模型。验证性实验表明:该模型准确性高(误差均值小于5%),稳定性较好(误差标准差等于0.003)。克服了传统无损检测方法无法同时测定裂纹蛋和正常蛋壳强度的不足,为鸡蛋的储运提供了数据支持。 4.多传感器特征层融合检测鸡蛋新鲜度研究 通过D-S证据理论将电子鼻和机器视觉两种传感器在特征层进行融合,构建了鸡蛋新鲜度的融合模型。通过主因子分析筛选出对检测新鲜度贡献率最高的特征变量色调H和电子鼻响应阻值之比G/G02。在此基础上设计了一组D-S判据规则。提出一种基于多SVM分类的基本可信度分配(BPA,Basic probability assignment)新方法。比较研究表明:SVM优化的D-S证据融合模型充分发挥了SVM的自适应能力和D-S理论进行不确定推理的能力,可有效地降低预测鸡蛋新鲜度不确定性的基本概率赋值(U下降到0.0009),较好的解决了单传感器检测模型存在的识别“盲区”及稳定性差的问题,且具有较快运算速度和较好的可移植性。与单一传感器的比较研究表明:经过SVM优化的D-S融合多传感器融合模型在预测鸡蛋新鲜度的准确性和稳定性上都有很大提高(预测鸡蛋新鲜度准确率分别超过单一使用机器视觉和电子鼻的预测模型14.15%和31.02%。而预测准确率标准差分别为单一使用机器视觉和电子鼻预测模型的47.69%和27.23%)。 5.多传感器融合鸡蛋无损检测专家系统的开发 通过解析鸡蛋自身固有生理特性及与无损检测传感器的激励响应特性,构建了多传感器融合鸡蛋无损检测知识库及管理系统,并进一步利用系统分析原理,范式理论设计了多传感器融合鸡蛋无损检测数据库和模型库及其管理系统。以D-S证据理论等多传感器融合模型为内核,采用启发式的结构构建了鸡蛋无损检测的推理机,新模型构造规则库及其管理系统。整合以上内容,首次研制了组件化的多传感器融合检测鸡蛋品质专家系统(MSEAES),实现了预测判别、数据管理、新模型构建等功能。为进一步构建和发展基于农产品无损检测技术的数字化平台提供了关键数据和应用模块。 6.鸡蛋综合品质多传感器融合无损检测系统研究及硬件平台开发 基于前述研究,结合现有鸡蛋各种标准,构建了一套适应性较好的多传感器融合无损检测鸡蛋综合品质流程。再提出一个鸡蛋综合品质系统性判据,该判据涵盖了鸡蛋的裂纹、污斑、新鲜度等指标。最后,将虚拟仪器技术引入到鸡蛋无损检测过程,研制了以第六章讨论的MSEAES为判断内核的鸡蛋综合品质分级无损检测系统。系统测试结果表明:该系统在快速运行(53个/min)的情况下具有较好的准确度(系统连续动态测试准确率=90%)和漏检率(系统连续动态测试情况下小于4%)。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 陈志国;须文波;;机器视觉智能机器人无损检测系统[J];计算机工程与应用;2009年14期
2 鲁娟;王耀南;王威;周博文;;基于多线程的多传感器融合空瓶检测系统[J];仪表技术;2007年11期
3 赵聪慧;张淑娟;;作物病害的计算机视觉和光谱检测技术研究进展[J];农机化研究;2009年11期
4 韩红,韩崇昭,朱洪艳,刘允才;基于FCM的多传感器融合多目标跟踪的数据关联[J];系统仿真学报;2004年09期
5 齐伟;杨风暴;周新宇;;一种多传感器数据融合系统方案研究[J];通信技术;2010年10期
6 廖常庚,袁俊谦,何海燕,胡尚斌;康普顿散射无损检测原理与应用研究[J];科学通报;1986年04期
7 甘传付;;电子系统多传感器融合诊断的改进方法[J];电子测量与仪器学报;2005年01期
8 梁伟;肖爱平;钱桦;;粗糙集多传感器融合理论在大棚喷雾机器人中的应用[J];湖北农业科学;2011年03期
9 曾庆城,王水凤,罗庆芳,胡解生,任建雄,廖隆宣;对半导体杂质沉淀无损检测的若干结果[J];南昌大学学报(理科版);1989年02期
10 汪晓钢,钱文瀚;分布式多传感器决策融合的新方法──双端检验法[J];机器人;1995年03期
11 周福庆;无损检测综合管理程序[J];无损探伤;1996年06期
12 黄明举,苏海涛,王素莲,张宏旭,梁仙霞;计算机在产品无损检测中的应用[J];标准化报道;1999年06期
13 张兆礼,张毅刚,孙圣和;无损检测中的基于模糊神经网络数据融合技术[J];电子测量与仪器学报;2001年01期
14 郑志蕴,谭同德,郭纯一;利用人工神经网络进行无损检测的探讨[J];微计算机信息;2002年06期
15 孙建平,王逢瑚,于海鹏;小波分析与人工神经网络在木质材料无损检测中的应用[J];木材工业;2004年05期
16 蔡红生;谈隆强;;视频内窥镜在电站设备无损检测中的应用[J];河南电力;2005年03期
17 刘敏华;萧德云;;基于信息熵的多传感器数据分类方法[J];控制与决策;2006年04期
18 曹飞;李丽国;余学才;;激光超声无损检测系统设计[J];电子科技;2006年11期
19 王柏生;;汽车无损检测技术探讨[J];中国科技信息;2007年13期
20 张宇林;蒋鼎国;朱小六;徐保国;;基于QDPSO-BP网络的多传感器融合算法[J];传感器与微系统;2008年03期
中国重要会议论文全文数据库 前10条
1 李震;洪添胜;吴春胤;刘敏娟;;高光谱图像技术在农畜产品品质无损检测中的应用[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年
2 陈江明;王进明;;网络时代中的无损检测探讨[A];无损检测专业委员会第七届年会论文集[C];2000年
3 刚铁;;焊接无损检测技术的现状及发展[A];第十次全国焊接会议论文集(第2册)[C];2001年
4 吴文术;左宪章;原亮;;无损检测信息支持系统的开发[A];’2004计算机应用技术交流会议论文集[C];2004年
5 孙晓晴;王渝;;便携式无损检测机器人的运动控制研究[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年
6 舒晓平;;提高无损检测准确度保证方法探讨[A];江苏省计量测试学会2006年论文集[C];2006年
7 白艳平;秦玉文;樊海波;曲日;;一种新的复合材料检测技术的应用研究[A];“力学2000”学术大会论文集[C];2000年
8 凌树森;;无损检测的可靠性研究——NDT可靠性软件的研制[A];全国材料理化测试与产品质量控制学术研讨会论文专辑(物理测试部分)[C];2002年
9 严春妍;李午申;;金属磁记忆(MMM)检测方法[A];第十一次全国焊接会议论文集(第1册)[C];2005年
10 彭涤非;;电子鼻在水果无损检测中的应用[A];园艺学文集——湖南省园艺学会第八次会员代表大会暨学术年会论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 刘鹏;基于多传感器融合无损检测鸡蛋品质的研究[D];南京农业大学;2011年
2 杨涛;基于多传感器融合的油管无损检测与缺陷量化技术研究[D];天津大学;2004年
3 赵延广;基于锁相红外热像理论的无损检测及疲劳性能研究[D];大连理工大学;2012年
4 成芳;稻种质量的机器视觉无损检测研究[D];浙江大学;2004年
5 陈忠德;多传感器智能系统信息融合理论及应用[D];浙江大学;1995年
6 金燕;基于神经网络和机器视觉的南方葡萄专家系统研究[D];湖南农业大学;2009年
7 梁冰;基于自动机理论的多传感器融合建模方法研究[D];哈尔滨工程大学;2008年
8 许明;锚固系统质量的无损检测与智能诊断技术研究[D];重庆大学;2002年
9 徐凯宏;压阻式木材内部缺陷类无损检测理论与技术的研究[D];东北林业大学;2004年
10 刘宝会;多功能数字散斑干涉无损检测技术及应用研究[D];天津大学;2004年
中国硕士学位论文全文数据库 前10条
1 柯大观;基于介电特性的苹果无损检测系统研究[D];浙江工业大学;2002年
2 朱晓冬;小波分析在中密度纤维板无损检测中的应用[D];东北林业大学;2004年
3 江杰;应力波法锚杆加固无损检测与锚固效果评价的研究[D];武汉理工大学;2005年
4 秦莹;锚杆无损检测及锚固质量评价[D];武汉理工大学;2006年
5 张炜;应用于建筑热工现场检测的红外热像技术与定量化分析[D];西安建筑科技大学;2006年
6 庞彦伟;工业CT技术研究——提高CT图像质量的几个途径[D];华北工学院;2001年
7 李刚;激光超声技术及其在金属无损检测方面的应用[D];华中师范大学;2004年
8 唐圣学;X射线底片图像处理系统[D];湖南大学;2004年
9 焦标强;基于DSP技术的超声波无损检测研究[D];北京工业大学;2005年
10 钟超荣;扫描SQUID显微镜分辨率的改进及其在漏电电流无损检测中的应用研究[D];重庆大学;2005年
中国重要报纸全文数据库 前10条
1 ;特种设备无损检测行业公约[N];中国质量报;2004年
2 张轶;浅谈无损检测的发展及作用[N];中国石油报;2003年
3 孙志恒;水工混凝土结构的无损检测[N];中国水利报;2004年
4 记者 史爱萍;“中国有色金属工业无损检测中心”等通过评审[N];中国有色金属报;2009年
5 本报记者 王惜纯;搭建无损检测服务新平台[N];中国质量报;2010年
6 记者 甘丰录;《材料与焊接规范》2011年修改通报生效[N];中国船舶报;2011年
7 李秀贤 记者 栾哲;吉林石化与哈工大共建无损检测实验室[N];吉林日报;2009年
8 杨明通讯员 佘军;辽河油建大型储罐施工得心应手[N];中国石油报;2007年
9 龚春艳;SGS无损检测培训考试中心落户上海[N];大众科技报;2008年
10 本报记者 郭海方;为了高速公路不再“开膛破肚”[N];河南日报;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978