孫 力，朱葉茗，顧 顥，袁雷明，許登程

(1.江蘇大學(xué)食品與生物工程學(xué)院，江蘇鎮(zhèn)江212013;2.江蘇省農(nóng)產(chǎn)品物理加工重點(diǎn)實(shí)驗(yàn)室，江蘇鎮(zhèn)江212013;3.江蘇大學(xué)機(jī)械工程學(xué)院，江蘇鎮(zhèn)江212013)

蛋殼裂紋檢測(cè)是禽蛋品質(zhì)的一項(xiàng)重要指標(biāo).蛋殼裂紋大多出現(xiàn)在禽蛋生產(chǎn)、運(yùn)輸和銷售過(guò)程中;一旦蛋殼出現(xiàn)裂紋，細(xì)菌極易侵入禽蛋并快速繁殖，引起禽蛋腐敗、變質(zhì)，滲出蛋清也會(huì)污染其他禽蛋［1］.因此，禽蛋蛋殼裂紋檢測(cè)是禽蛋生產(chǎn)、經(jīng)營(yíng)、加工過(guò)程中的重要環(huán)節(jié).

從振動(dòng)力學(xué)角度看，當(dāng)禽蛋的蛋殼強(qiáng)度發(fā)生變化時(shí)，其結(jié)構(gòu)剛度和阻尼系數(shù)將隨之變化，必然會(huì)反映到其模態(tài)固有頻率和阻尼比上［2-3］，國(guó)內(nèi)外學(xué)者［4-8］采用數(shù)字信號(hào)處理與模式識(shí)別相結(jié)合的方法對(duì)禽蛋蛋殼聲學(xué)響應(yīng)信號(hào)進(jìn)行分析，并證明利用該方法可有效地檢測(cè)蛋殼裂紋.在實(shí)驗(yàn)室研究基礎(chǔ)上，以微處理器為核心部件的在線檢測(cè)系統(tǒng)也得到了深入的研究［9-12］，并分析了生產(chǎn)線速度、敲擊力度、敲擊點(diǎn)、禽蛋質(zhì)量等因素對(duì)響應(yīng)信號(hào)的影響，通過(guò)頻譜分析提取特征參數(shù)，并建立相應(yīng)的判別模型，其判別率可高于90%.但該在線檢測(cè)平臺(tái)存在一定的局限性，如集成化程度不高、存在大量外部處理電路，影響信號(hào)的穩(wěn)定性與一致性等.

文中擬采用TMS320C5509A(5509A)為主處理器，簡(jiǎn)化音頻信號(hào)的采集與調(diào)理過(guò)程，減少信號(hào)干擾環(huán)節(jié)，并對(duì)自動(dòng)敲擊模塊與上下位機(jī)通訊模塊進(jìn)行優(yōu)化，使系統(tǒng)更貼近于自動(dòng)化與工業(yè)化，然后以雞蛋為例驗(yàn)證系統(tǒng)的穩(wěn)定性與可靠性.

1 禽蛋裂紋在線檢測(cè)系統(tǒng)設(shè)計(jì)

禽蛋蛋殼質(zhì)量在線檢測(cè)裝置如圖1所示，主要包括有敲擊信號(hào)控制模塊、聲學(xué)信號(hào)采集與分析模塊及判別信號(hào)綜合模塊.其中，敲擊信號(hào)控制模塊以單片機(jī)為主處理器，通過(guò)采集紅外光電開(kāi)關(guān)與電容接近開(kāi)關(guān)信號(hào)，根據(jù)生產(chǎn)線速度宏觀控制DSP觸發(fā)信號(hào)的發(fā)送;聲學(xué)信號(hào)采集與分析模塊以5509A為主處理器，主要負(fù)責(zé)控制電機(jī)敲擊、音頻信號(hào)的采集與分析，最后根據(jù)所建模型判別禽蛋蛋殼質(zhì)量;判別信號(hào)綜合模塊以TMS320F2812為主處理器，主要綜合多路音頻信號(hào)判別結(jié)果，對(duì)同一禽蛋不同敲擊工位的結(jié)果進(jìn)行綜合判斷，實(shí)現(xiàn)生產(chǎn)線信號(hào)的實(shí)時(shí)通訊，并將綜合結(jié)果以串口通訊的方式傳送至上位機(jī)，實(shí)現(xiàn)人機(jī)互動(dòng).

圖1 禽蛋蛋殼質(zhì)量檢測(cè)系統(tǒng)結(jié)構(gòu)示意圖

1.1 敲擊信號(hào)控制模塊

為節(jié)省資源以及滿足工業(yè)化生產(chǎn)的需要，且能根據(jù)生產(chǎn)線速度自適應(yīng)調(diào)整，該系統(tǒng)中采用紅外光電開(kāi)關(guān)(OA-D3224PA)與單片機(jī)外部中斷0相連以實(shí)時(shí)檢測(cè)禽蛋信號(hào);電容式傳感器(IZM8-F04NB-Y1L2/C35)與單片機(jī)外部中斷1相連，結(jié)合定時(shí)器測(cè)定相鄰兩鏈輪銷軸之間的時(shí)間間隔，并以此推算當(dāng)前生產(chǎn)線速度;單片機(jī)根據(jù)外部輸入信號(hào)與預(yù)設(shè)的位置參數(shù)，定時(shí)通過(guò)軟件系統(tǒng)向各路5509A發(fā)送敲擊命令信號(hào)，實(shí)現(xiàn)禽蛋到達(dá)檢測(cè)工位時(shí)進(jìn)行自動(dòng)敲擊.

1.2 信號(hào)采集與分析模塊設(shè)計(jì)

該模塊主要包括有DSP主處理器、電機(jī)驅(qū)動(dòng)電路和敲擊裝置，實(shí)現(xiàn)電機(jī)敲擊命令的發(fā)送、音頻信號(hào)的采集與篩選、敲擊響應(yīng)信號(hào)的分析與處理、特征的提取與分析、結(jié)果的判別與輸出.設(shè)計(jì)中5509A采樣頻率為8 kHz，采樣點(diǎn)數(shù)為256，數(shù)據(jù)采樣位數(shù)為16.

當(dāng)5509A接收到外部觸發(fā)信號(hào)后，進(jìn)入中斷服務(wù)程序，控制電機(jī)執(zhí)行敲擊，同時(shí)打開(kāi)定時(shí)器0，控制敲擊執(zhí)行時(shí)間為30 ms;對(duì)音頻信號(hào)進(jìn)行采集，并采用音頻信號(hào)端點(diǎn)檢測(cè)程序檢測(cè)所采集的信號(hào)是否屬于端點(diǎn)信號(hào);端點(diǎn)檢測(cè)采用了短時(shí)能量與閾值相結(jié)合的方法，當(dāng)最新10個(gè)采樣點(diǎn)幅值之和大于設(shè)定的能量閾值，且當(dāng)前采樣點(diǎn)的信號(hào)幅值也大于設(shè)定閾值時(shí)，則認(rèn)為該點(diǎn)為音頻信號(hào)的起始點(diǎn);音頻信號(hào)采集過(guò)程中設(shè)置了看門(mén)狗定時(shí)器，當(dāng)所采集的信號(hào)在100 ms內(nèi)無(wú)法獲取端點(diǎn)信息，則認(rèn)定此次音頻采集失敗，對(duì)DSP進(jìn)行復(fù)位處理;當(dāng)檢測(cè)到音頻信號(hào)端點(diǎn)后對(duì)所采集的音頻信號(hào)進(jìn)行保存，直至采樣點(diǎn)數(shù)為256;對(duì)音頻信號(hào)進(jìn)行分析并提取特征信號(hào);所提取的特征信號(hào)經(jīng)判別模型判別雞蛋表面是否存在裂紋;將結(jié)果通過(guò)GPIO口輸出至上位機(jī)，設(shè)置結(jié)果信號(hào)輸出為20 ms;對(duì)當(dāng)前雞蛋信號(hào)分析結(jié)束后，將所有的參數(shù)及相應(yīng)模塊進(jìn)行復(fù)位處理.經(jīng)軟件測(cè)試，從5509A接收觸發(fā)信號(hào)到判別信號(hào)輸出總耗時(shí)約為185 ms.

1.3 判別信號(hào)綜合模塊

該模塊主要由DSP(TMS320F2812)和上位機(jī)組成，采用串口通訊的方式實(shí)現(xiàn)數(shù)據(jù)傳輸.設(shè)計(jì)中TMS320F2812對(duì)5509A及單片機(jī)I/O輸出信號(hào)進(jìn)行檢測(cè)，采用隊(duì)列的形式綜合判斷不同工位是否執(zhí)行敲擊以及信號(hào)判別信號(hào)輸出，并將判別信號(hào)通過(guò)串口通訊方式傳送至上位機(jī);上位機(jī)通將檢測(cè)結(jié)果顯示于人機(jī)界面，并通過(guò)數(shù)據(jù)庫(kù)(SQLite)對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)和管理，其中上位機(jī)軟件采用 VS2008+QT4.6編寫(xiě)而成.

2 信號(hào)采集與處理

2.1 信號(hào)的采集與分析

將被檢雞蛋水平放置于生產(chǎn)線，隨著傳送帶的滾動(dòng)前進(jìn)，在到達(dá)敲擊點(diǎn)時(shí)，敲擊裝置自動(dòng)敲擊，產(chǎn)生的敲擊響應(yīng)信號(hào)經(jīng)拾音器捕獲，并由5509A轉(zhuǎn)化至數(shù)字信號(hào)，完好和裂紋雞蛋敲擊響應(yīng)的時(shí)頻信號(hào)如圖2所示.

圖2 雞蛋敲擊響應(yīng)信號(hào)

相對(duì)于裂紋雞蛋敲擊響應(yīng)信號(hào)，完好雞蛋信號(hào)振蕩幅度比較大，且振蕩時(shí)間持續(xù)更久;完好雞蛋敲擊信號(hào)有較好的重復(fù)性，而裂紋雞蛋信號(hào)無(wú)明顯規(guī)律.所產(chǎn)生的信號(hào)特性與雞蛋蛋殼品質(zhì)相符，當(dāng)雞蛋表面出現(xiàn)裂紋后，結(jié)構(gòu)剛度和阻尼系數(shù)將隨之變化，當(dāng)敲擊點(diǎn)在裂紋部位時(shí)，聲波信號(hào)的振蕩必然會(huì)小于完好雞蛋信號(hào);而對(duì)于不同的裂紋，其破壞程度各不相同，所以產(chǎn)生的信號(hào)顯得雜亂無(wú)章.

通過(guò)頻譜分析可發(fā)現(xiàn)，除去低頻段外，完好蛋敲擊信號(hào)的功率譜存在2個(gè)共振峰(各頻率分量的能量密度最大點(diǎn))，且比較突出，共振峰的幅值明顯高于其他頻率下的功率譜幅值;而裂紋禽蛋信號(hào)所包含的頻率范圍較廣，且其共振峰較為模糊.

2.2 特征參數(shù)提取

在特征提取與模型建立過(guò)程中，所采用的完好與裂紋雞蛋數(shù)量均為200個(gè)，通過(guò)大量信號(hào)的時(shí)頻特性分析，研究中提取了時(shí)域信號(hào)過(guò)零點(diǎn)數(shù)、頻域信號(hào)(大于500 Hz)第1特征峰與第2特征峰各自對(duì)應(yīng)的頻段與幅值作為特征參數(shù)以區(qū)分2類雞蛋敲擊響應(yīng)信號(hào)，并以誤判率最小的原則對(duì)各個(gè)特征參數(shù)的閾值進(jìn)行優(yōu)化選擇，并規(guī)定滿足完好雞蛋信號(hào)特征的數(shù)量大于或等于3時(shí)即可判別為完好雞蛋，否則判別為裂紋雞蛋.

3 試驗(yàn)結(jié)果及討論

試驗(yàn)材料購(gòu)買(mǎi)于杭州農(nóng)工商超市，經(jīng)人工肉眼仔細(xì)檢查，挑選大小較為一致的完好雞蛋500個(gè)作為完好雞蛋樣本;裂紋雞蛋樣本數(shù)量為400個(gè)，包括自然裂紋雞蛋(即雞蛋在運(yùn)輸過(guò)程中產(chǎn)生的裂紋)和人工裂紋雞蛋(即人為敲擊使蛋殼出現(xiàn)裂紋)，其數(shù)量分別為30和270個(gè)，其中人工裂紋雞蛋中隨機(jī)挑選了30個(gè)進(jìn)行裂紋長(zhǎng)度的測(cè)量，其平均長(zhǎng)度為15.6 mm，最大長(zhǎng)度為 27.0 mm，最小長(zhǎng)度為6.0 mm.所有樣品雞蛋通過(guò)前端上料裝置滾動(dòng)進(jìn)入蛋殼裂紋檢測(cè)區(qū)間，每枚雞蛋通過(guò)16路裂紋檢測(cè)工位重復(fù)敲擊.

基于上述裝置與特征參數(shù)，各工位建立了與之相對(duì)應(yīng)的判別模型用于雞蛋裂紋在線檢測(cè).在線試驗(yàn)結(jié)果如表1所示，所設(shè)計(jì)的禽蛋裂紋在線檢測(cè)裝置對(duì)完好雞蛋與裂紋雞蛋有較高的區(qū)分度.對(duì)比2次重復(fù)試驗(yàn)結(jié)果，判別結(jié)果穩(wěn)定可靠，對(duì)于完好雞蛋的識(shí)別率接近于100%，其主要原因是完好雞蛋敲擊響應(yīng)信號(hào)穩(wěn)定，雖存在個(gè)體差異，但其特征比較接近.由于自然裂紋較大，其判別結(jié)果高于人工裂紋，經(jīng)觀察，誤判雞蛋的裂紋大部分位于小頭部位，檢測(cè)時(shí)未敲擊到裂紋周邊.人工裂紋的識(shí)別率略低于90%，其識(shí)別率與敲擊位置和裂紋大小相關(guān).

表1 完好和裂紋雞蛋在線判別結(jié)果

4 結(jié)論

自行設(shè)計(jì)了一套基于聲學(xué)特性的禽蛋裂紋檢測(cè)裝置，通過(guò)單片機(jī)、DSP和上位機(jī)的協(xié)調(diào)工作，實(shí)現(xiàn)了受檢雞蛋的自動(dòng)敲擊、信號(hào)采集、處理與分析與上位機(jī)人機(jī)界面互動(dòng)，并建立了裂紋雞蛋判別模型，其檢測(cè)速度能達(dá)到4個(gè)·s-1，在線檢測(cè)試驗(yàn)表明，該裝置對(duì)于雞蛋的裂紋檢測(cè)率可達(dá)90%，接近于實(shí)際應(yīng)用需求.在后續(xù)研究中，將充分考慮不同檢測(cè)工位之間信號(hào)的一致性、生產(chǎn)線速度和雞蛋大小等因素對(duì)響應(yīng)信號(hào)影響，以實(shí)現(xiàn)高效、高速和高精度的禽蛋裂紋在線檢測(cè).

References)

［1］ Lin J，Puri V M，Anantheswaran R C.Measurement of eggshell thermal-mechanical properties［J］.Transactions oftheASAE，1995，38(6):1769-1776.

［2］ De Ketelaere B，Coucke P，De Baerdmaeker J.Eggshell crack detection based on acoustic resonance frequency analysis［J］.JournalofAgricultureEngineeringResearch，2000，76:157-163.

［3］ Pan Leiqing，Zhan Ge，Tu Kang，et al.Eggshell crack detection based on computer vision and acoustic response by means of back-propagation artificial neural network［J］.EurFoodResTechnol，2011，233:457-463.

［4］ Lin Hao，Zhao Jiewen，Chen Quansheng，et al.Eggshell crack detection based on acoustic impulse response and supervised pattern recognition［J］.CzechJFood Sci，2009，27(6):393-402.

［5］ Lin Hao，Zhao Jiewen，Chen Quansheng，et al.Eggshell crack detection based on acoustic response and support vector data description algorithm［J］.European FoodResearchandTechnology，2009，230(1):95-100.

［6］ Zhao Y，Wang J，Lu Q，et al.Pattern recognition of eggshell crack using PCA and LDA［J］.InnovativeFood Science＆EmergingTechnologies，2010，11(3):520-525.

［7］ 潘磊慶，屠 康，詹 歌，等.基于計(jì)算機(jī)視覺(jué)和聲學(xué)響應(yīng)信息融合的雞蛋裂紋檢測(cè)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2010，26(11):332-337.Pan Leiqing，Tu Kang，Zhan Ge，et al.Eggshell crack detection based on information fusion between computer vision and acoustic response［J］.Transactionsofthe ChineseSocietyofAgriculturalEngineering，2010，26(11):332-337.(in Chinese)

［8］ 梅勁華，王石泉，王樹(shù)才.禽蛋破損在線檢測(cè)自動(dòng)敲擊發(fā)聲裝置設(shè)計(jì)與試驗(yàn)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2011，27(9):334-338.Mei Jinhua，Wang Shiquan，Wang Shucai.Design and experiment of automatic knocking device for eggshell crack detection ［J］.TransactionsoftheChineseSociety ofAgriculturalEngineering，2011，27(9):334-338.(in Chinese)

［9］ 孫 力，蔡健榮，林 顥，等.基于聲學(xué)特性的禽蛋裂紋實(shí)時(shí)在線檢測(cè)系統(tǒng)［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42(5):183-186.Sun Li，Cai Jianrong，Lin Hao，et al.On-line detection of cracked shelleggs based on acoustic resonance analysis［J］.TransactionsoftheChineseSocietyforAgriculturalMachinery，2011，42(5):183-186.(in Chinese)

［10］ Sun L，Zhang SQ，Cai JR，et al.The application of DSP in eggshell quality online detection system［J］.AppliedMechanicsandMaterials，2011，43:68-71.

［11］ Sun Li，Bi Xiakun，Lin Hao，et al.On-line detection of eggshell crack based on acoustic resonance analysis［J］.JournalofFoodEngineering，2013，116:240-245.

［12］ Sun Li，Cai Jianrong，Lin Hao，et al.On-line estimation of eggshell strength based on acoustic impulse response analysis［J］.InnovativeFoodScienceandEmergingTechnologies，2013，18:220-225.