 |
上海申思特自動(dòng)化設(shè)備有限公司
主營(yíng)產(chǎn)品： 美國(guó)E E傳感器,美國(guó)E E減壓閥,意大利ATOS阿托斯油缸,丹麥GRAS麥克風(fēng),丹麥GRAS人工頭, ASCO電磁閥,IFM易福門傳感器 |
會(huì)員.png)
10
聯(lián)系電話
|
上海申思特自動(dòng)化設(shè)備有限公司
主營(yíng)產(chǎn)品： 美國(guó)E E傳感器,美國(guó)E E減壓閥,意大利ATOS阿托斯油缸,丹麥GRAS麥克風(fēng),丹麥GRAS人工頭, ASCO電磁閥,IFM易福門傳感器 |
聯(lián)系電話
2016-11-7 閱讀(1607)
基于美國(guó)E+E傳感器融合無(wú)損檢測(cè)雞蛋品質(zhì)的研究
農(nóng)產(chǎn)品無(wú)損檢測(cè)的目的是在不破壞樣品的情況下,對(duì)其進(jìn)行無(wú)損指標(biāo)的測(cè)定,并與實(shí)際品質(zhì)參數(shù)建立對(duì)應(yīng)關(guān)系,zui終達(dá)到分級(jí)的目的。單傳感器無(wú)損檢測(cè)雖對(duì)農(nóng)產(chǎn)品的常規(guī)品質(zhì)指標(biāo)有較好的激勵(lì)響應(yīng)特性,但存在檢測(cè)精度差、穩(wěn)定性不高和部分傳感器運(yùn)行成本過(guò)高的問(wèn)題。此外還有一些品質(zhì)屬性是用單一傳感器難以識(shí)別的,表明單傳感器的檢測(cè)范圍存在一定“盲區(qū)”。另一方面,出口標(biāo)準(zhǔn)的提高,導(dǎo)致農(nóng)產(chǎn)品檢測(cè)趨向全面性,即需要輸出一組全面的品質(zhì)數(shù)據(jù),這也是單一傳感器難以完成的。
基于美國(guó)E+E傳感器融合無(wú)損檢測(cè)雞蛋品質(zhì)的研究 因此：無(wú)論從應(yīng)用,需求還是控制風(fēng)險(xiǎn)的角度來(lái)看,多傳感器融合應(yīng)用于農(nóng)產(chǎn)品無(wú)損檢測(cè)中都是十分必要的。為了探索多傳感器融合在食品檢測(cè)領(lǐng)域的可行性,提升檢測(cè)的準(zhǔn)確性,擴(kuò)大檢測(cè)的適應(yīng)面。本文以雞蛋為研究對(duì)象,將傳感器信息預(yù)處理、傳感器融合(數(shù)據(jù)層和特征層)、專家系統(tǒng)和虛擬儀器等技術(shù)系統(tǒng)的應(yīng)用于雞蛋品質(zhì)的無(wú)損檢測(cè)中。這一研究,較單傳感器無(wú)損檢測(cè),一方面：有效提高了檢測(cè)精度,范圍和穩(wěn)定性。另一方面：通過(guò)傳感器的融合策略,解決了對(duì)一些無(wú)法用單一傳感器檢測(cè),但具有應(yīng)用價(jià)值的品質(zhì)指標(biāo)的識(shí)別問(wèn)題。在此基礎(chǔ)上本文設(shè)計(jì)了相應(yīng)的應(yīng)用層軟、硬件系統(tǒng)。具體研究分述如下： 1.傳感器信息預(yù)處理及融合檢測(cè)雞蛋品質(zhì)參數(shù)的確定 分別用定點(diǎn)迭代的快速獨(dú)立分量和提升小波變換,對(duì)機(jī)器視覺(jué)和敲擊振動(dòng)這兩類傳感器輸出的針對(duì)雞蛋品質(zhì)的無(wú)損檢測(cè)參數(shù)進(jìn)行去噪,去噪效果較好。研究確定了電子鼻檢測(cè)雞蛋的*試驗(yàn)條件。首先系統(tǒng)分析了針對(duì)雞蛋氣味的電子鼻模式識(shí)別算法特點(diǎn)。其次,通過(guò)算法比對(duì)確定了概率神經(jīng)網(wǎng)絡(luò)具有的穩(wěn)定性、識(shí)別準(zhǔn)確率和較快的總體運(yùn)行速度,是雞蛋氣味識(shí)別的模式識(shí)別算法。zui后,通過(guò)傳感器權(quán)重分析、傳感器響應(yīng)值與指標(biāo)的相關(guān)性分析,分別確定了針對(duì)雞蛋新鮮度和裂紋檢測(cè)的*電子鼻傳感器組合分別為2、5、8號(hào)傳感器和2、7、8號(hào)傳感器。 2.基于傳感器數(shù)據(jù)層融合的雞蛋新鮮度無(wú)損檢測(cè) 在傳感器數(shù)據(jù)融合的層面上運(yùn)用機(jī)器視覺(jué)和電子鼻分別對(duì)雞蛋哈夫單位和TVB-N(揮發(fā)性鹽基氮)進(jìn)行無(wú)損檢測(cè)。提出一種按無(wú)損檢測(cè)特征變量對(duì)目標(biāo)量預(yù)測(cè)的貢獻(xiàn)程度劃分權(quán)重的傳感器數(shù)據(jù)融合方法。將其運(yùn)用到機(jī)器視覺(jué)特征參數(shù)和電子鼻響應(yīng)值特征參數(shù)的構(gòu)建和預(yù)測(cè)建模過(guò)程中,解決了無(wú)損檢測(cè)建模方法中存在的變量權(quán)重信息缺失問(wèn)題。驗(yàn)證性研究表明：傳感器數(shù)據(jù)融合提升了雞蛋哈夫單位及TVB-N預(yù)測(cè)模型預(yù)測(cè)的準(zhǔn)確性(預(yù)測(cè)準(zhǔn)確率分別為97.31%和94.54%)、穩(wěn)定性(RMSE分別為0.004%和0.006%)及可移植性(模型從構(gòu)建組到驗(yàn)證組的使用過(guò)程中,預(yù)測(cè)準(zhǔn)確率的下降在2%以內(nèi))。
