基于BP+神经网络蛋壳破损识别方法的研究.pdfVIP

基于 BP 神经网络蛋壳破损识别方法的研究 基于BP 神经网络蛋壳破损识别方法的研究 陈家焱，陈章位 （浙江大学机械能源学院，浙江 杭州 310013） 摘要：本文通过对敲击蛋壳的声音信号进行功率谱分析，得到各频率分量的功率总和的平均值、 最大功率 谱与最小功率谱的差值、X 轴方向上质心的平均值等八个反映蛋壳破损特征的参数，再运用BP神经网络对 试验数据进行学习训练，建立这些特征参数与蛋壳破损状况之间关系。结果表明，用此方法对蛋壳破损进 行识别是有效的。 关键字：蛋壳破损检测；多点敲击；BP神经网络 Research of automatic detection of eggshell crack based on BP neutral network （Chen Jiayan，Chen Zhangwei ） (Mechanical and Energy College, Zhejiang University, Hangzhou 310027, China) Abstract: Eight Characteristic variables, namely, the average area of power spectrum, the difference between the maximum and minimum values of area of the power spectrums and the average of the x-coordinate of centriod etc., were obtained by analyzing power spectrums of cracked eggs and normal eggs in this research. Trial data is trained by means of BP neural network, and then the relationship between duck egg status recognition and these characteristic parameters was set up. It is showed this kind of detection method of cracked eggs and normal eggs is effective. ⎯ Key words: eggshell crack detection; multi-knock; BP neural networ 引言 剔除损壳蛋是禽蛋加工过程中一道重要的工序。目前在国内剔除损壳蛋主要通过人工 检测法。但人工检测劳动强度大，检测精度因操作工的经验、情绪及疲劳情况而异，故产品 质量得不到保证。利用计算机技术自动检测蛋壳破损状态，由于具有客观性、高效率，且不 受检测人员精神状态的影响等传统方法所没有的优越性，因而受到广泛关注。本文应用计算 机音频处理及BP神经网络技术，通过试验采集声音信号[1]，分析好壳蛋与损壳蛋声音信号的 功率谱，提取出能区分好壳与损壳的有关特征，运用BP神经网络技术实现了对蛋壳破损状 态进行识别，从而为实现自动化检测蛋壳破损提供一种方法。 作者简介 ：陈家焱(1979-) ，男，江苏泗洪人，博士，从事机械电子控制方面的研究工作. E-mail: jianyan_w@ 陈章位，教授. 9 －144 2007 年第九届全国振动理论及应用学术会议论文集 杭州,2007.10.17-19 1 试验系统的组成、材料与方法 1.1 试验系统的组成 试验系统由自动敲击的装置、带有功率放大功能的声音传感器、声卡以及作为控制核 心的工控机组成，其试验系统如图 1 所示。 图 1 蛋壳检测试验系统组成