李雅琪，孫 力，陳 誠，戴其俊，盛建國

(1. 江蘇科技大學(xué) 糧食學(xué)院，江蘇 鎮(zhèn)江 212003； 2. 江蘇大學(xué) 機(jī)械工程學(xué)院，江蘇 鎮(zhèn)江 212013)

禽蛋含有豐富的營養(yǎng)成分且易于吸收，已成為日常首選的優(yōu)質(zhì)食品。據(jù)報(bào)道[1-2]，禽蛋樣本抽檢中，禽蛋的活菌檢出率約為10%，這些活菌加速了禽蛋的腐敗變質(zhì)，還會(huì)從蛋殼溢出污染其他禽蛋。裂紋禽蛋無法用于深加工。在禽蛋產(chǎn)、運(yùn)、銷過程中，采用快速檢測(cè)設(shè)備和方法及時(shí)識(shí)別和處理禽蛋的裂紋和破殼現(xiàn)象對(duì)提高經(jīng)濟(jì)效益、降低疾病傳播風(fēng)險(xiǎn)具有重要意義。

經(jīng)檢索，禽蛋蛋殼裂紋的無損檢測(cè)研究主要包括機(jī)器視覺技術(shù)和敲擊響應(yīng)信號(hào)分析。

機(jī)器視覺技術(shù)具有簡(jiǎn)便、直觀、信息量大等優(yōu)點(diǎn)，已被廣泛應(yīng)用于各個(gè)領(lǐng)域。在禽蛋裂紋檢測(cè)方面，視覺檢測(cè)系統(tǒng)采集高亮背景光條件下的禽蛋透射圖像，通過圖像預(yù)處理、灰度值分析和特征參數(shù)提取，結(jié)合模式識(shí)別方法，對(duì)蛋殼裂紋進(jìn)行識(shí)別，識(shí)別率超過90%[3-5]。

但裂紋具有自愈性，小裂紋特別是微裂紋的檢測(cè)十分困難。眾多學(xué)者提出，將禽蛋置于負(fù)壓環(huán)境下，以擴(kuò)大裂紋使其可視化效果更佳。Lawerence等[6-7]所設(shè)計(jì)的視覺系統(tǒng)可實(shí)現(xiàn)99.6%的裂紋檢出率和0.3%的誤檢率；Li等[8]利用18 kPa的負(fù)壓，結(jié)合機(jī)器視覺技術(shù)，實(shí)現(xiàn)了對(duì)微裂紋禽蛋的全檢出，并可排除污漬的影響；Priyadumkol[9]通過優(yōu)化特性選取，開發(fā)了對(duì)未清洗雞蛋的裂紋具有高魯棒性識(shí)別率的算法，識(shí)別率為94%，誤判率為1.67%。負(fù)壓環(huán)境提高了微裂紋識(shí)別率，但增加了檢測(cè)系統(tǒng)的復(fù)雜性，難以滿足禽蛋的高速自動(dòng)化檢測(cè)。

敲擊響應(yīng)信號(hào)分析是蛋殼裂紋檢測(cè)的主要方法，由拾音器采集對(duì)蛋殼表面施加機(jī)械敲擊所產(chǎn)生的聲學(xué)信號(hào)，利用時(shí)頻分析進(jìn)行特征分析，提取特征參數(shù)，采用模式識(shí)別方法實(shí)現(xiàn)對(duì)蛋殼裂紋的識(shí)別。目前研究方向集中于模式識(shí)別方法，如支持向量機(jī)[10]、支持向量數(shù)據(jù)描述[11]、人工神經(jīng)網(wǎng)絡(luò)[12]、廣義回歸神經(jīng)網(wǎng)絡(luò)[13]，蛋殼裂紋的檢測(cè)精度高于90%，且可實(shí)現(xiàn)對(duì)微裂紋的檢測(cè)，但因算法復(fù)雜而造成檢測(cè)的實(shí)時(shí)性差。采用敲擊響應(yīng)信號(hào)分析的檢測(cè)方法需要進(jìn)行多次敲擊，存在造成二次損傷的可能性。

本文提出“單點(diǎn)激勵(lì)，多點(diǎn)響應(yīng)”的方法，減少檢測(cè)過程中的激勵(lì)次數(shù)，增加信號(hào)相關(guān)性分析，擬設(shè)計(jì)基于多維振動(dòng)響應(yīng)信號(hào)分析的雞蛋裂紋檢測(cè)裝置，采集與分析多維振動(dòng)信號(hào)，提取與優(yōu)化時(shí)域和頻域內(nèi)的特征參數(shù)，建立高效的線性判別模型，以實(shí)現(xiàn)蛋殼裂紋的檢測(cè)。

1 材料與方法

1.1 實(shí)驗(yàn)裝置

本研究設(shè)計(jì)的基于多維振動(dòng)響應(yīng)分析的雞蛋裂紋檢測(cè)試驗(yàn)裝置如圖1所示，主要包括多維加速度傳感模塊、瞬態(tài)沖擊控制模塊、信號(hào)采集與分析模塊、傳感器固定模塊。

圖1 蛋殼表面振動(dòng)信號(hào)采集裝置

瞬態(tài)沖擊控制模塊主要實(shí)現(xiàn)對(duì)雞蛋蛋殼表面的瞬態(tài)沖擊。DSP(TMS320F2812)與上位機(jī)通過RS232串口連接，根據(jù)需求在上位機(jī)程序設(shè)置運(yùn)動(dòng)控制參數(shù)，并由DSP發(fā)出固定脈沖至步進(jìn)電機(jī)驅(qū)動(dòng)器(SDG4)，由步進(jìn)電機(jī)(57HS54—2803)帶動(dòng)同步帶線性模組(CCM W40)進(jìn)行向下的沖擊運(yùn)動(dòng)，敲擊棒在同步帶的帶動(dòng)下實(shí)現(xiàn)對(duì)雞蛋的沖擊，以產(chǎn)生檢測(cè)過程中的沖擊激勵(lì)。本研究中，瞬態(tài)沖擊速度設(shè)置為0.3 m/s，并采用尼龍材質(zhì)作為與蛋殼接觸的激勵(lì)頭。

信號(hào)采集與分析模塊由壓電石英晶體加速度傳感器(YD-1)、電荷放大器(DHF-7)、信號(hào)采集卡(USB-1208FS)組成。加速度傳感器用來獲取敲擊棒對(duì)雞蛋沖擊后蛋殼表面的加速度。電荷放大器主要對(duì)響應(yīng)信號(hào)進(jìn)行調(diào)理，轉(zhuǎn)換至電壓信號(hào)。采用LabVIEW編寫的上位機(jī)軟件通過調(diào)用采集卡動(dòng)態(tài)庫函數(shù)，實(shí)時(shí)獲取傳感器輸出信號(hào)，并進(jìn)行顯示與保存。

傳感器固定模塊的設(shè)計(jì)中，根據(jù)雞蛋受激勵(lì)后蛋殼動(dòng)力學(xué)有限元分析結(jié)果[14]，將加速度傳感器分布于大頭、小頭和赤道位置，如圖2所示。試驗(yàn)中，加速度傳感器采用硬鋁支架與燕尾槽滑臺(tái)固定，被測(cè)雞蛋放置于固定底座，并保證傳感器與蛋殼表面緊密貼合。

圖2 傳感器布局結(jié)構(gòu)示意圖

1.2 實(shí)驗(yàn)材料

本研究采用的雞蛋購買于鎮(zhèn)江東郊農(nóng)場(chǎng)，均為產(chǎn)后1～2 d的褐色蛋，樣本數(shù)為120。經(jīng)測(cè)量，樣本雞蛋長軸、短軸尺寸范圍分別為[55 mm,58 mm]和[42 mm,45 mm]。實(shí)驗(yàn)前，簡(jiǎn)單擦拭雞蛋表面，進(jìn)行個(gè)體編號(hào)，并在蛋殼表面進(jìn)行4等分標(biāo)記，記作#1—#4。在完好雞蛋響應(yīng)信號(hào)采集實(shí)驗(yàn)后，以硬物敲擊的方式在蛋殼表面制造微裂紋，其中裂紋在赤道和大頭位置的樣本數(shù)為50，小頭位置的樣本數(shù)為20。

實(shí)驗(yàn)中，為獲取較穩(wěn)定的響應(yīng)信號(hào)[15-16]，選擇以雞蛋正上方赤道位置為瞬態(tài)敲擊點(diǎn)，對(duì)每枚雞蛋進(jìn)行4次敲擊，即#1—#4分別敲擊1次。數(shù)據(jù)處理中，將雞蛋分為訓(xùn)練集和預(yù)測(cè)集，其中訓(xùn)練集樣本數(shù)為160(完好雞蛋和裂紋雞蛋均為80枚)，用于建立雞蛋蛋殼裂紋判別模型；預(yù)測(cè)集樣本數(shù)為80(完好雞蛋和裂紋雞蛋均為40枚)，用于驗(yàn)證所建立判別模型的識(shí)別效果。

2 信號(hào)的采集與分析

2.1 響應(yīng)信號(hào)分析

本研究中，采用三通道同步采樣方式采集振動(dòng)信號(hào)，采樣頻率為20 kHz，并采用短時(shí)能量法確定信號(hào)的起始位置，使用有限元分析方法檢測(cè)振動(dòng)信號(hào)傳播的仿真結(jié)果，以起始位置為基準(zhǔn)的512點(diǎn)振動(dòng)信號(hào)作為蛋殼裂紋識(shí)別的有效信號(hào)，典型振動(dòng)信號(hào)時(shí)域波形如圖3—圖6所示。完好雞蛋表面振動(dòng)響應(yīng)信號(hào)具有一致性，裂紋雞蛋表面振動(dòng)響應(yīng)信號(hào)與蛋殼裂紋、傳感器、激勵(lì)點(diǎn)的相對(duì)位置密切相關(guān)。當(dāng)裂紋位置靠近激勵(lì)點(diǎn)(圖3)或傳感器(圖4)時(shí)，完好雞蛋與裂紋雞蛋的表面振動(dòng)響應(yīng)信號(hào)具有較大差異；當(dāng)裂紋位置遠(yuǎn)離激勵(lì)點(diǎn)(圖5)或傳感器(圖6)時(shí)，完好雞蛋與裂紋雞蛋的表面振動(dòng)響應(yīng)信號(hào)的差異減小。

因此，瞬態(tài)沖擊作用于完好雞蛋表面后，3個(gè)傳感器所采集的響應(yīng)信號(hào)具有高相關(guān)性；瞬態(tài)沖擊作用于裂紋雞蛋時(shí)，3個(gè)傳感器所采集的響應(yīng)信號(hào)有較大的差異，且與完好雞蛋有區(qū)分性。

圖3 完好雞蛋與裂紋雞蛋赤道位置(#1敲擊點(diǎn))典型振動(dòng)信號(hào)時(shí)域波形

圖4 完好雞蛋與裂紋雞蛋赤道位置(#2敲擊點(diǎn))典型振動(dòng)信號(hào)時(shí)域波形

圖5 完好雞蛋與裂紋雞蛋赤道位置(#3敲擊點(diǎn))典型振動(dòng)信號(hào)時(shí)域波形

圖6 完好雞蛋與裂紋雞蛋赤道位置(#4敲擊點(diǎn))典型振動(dòng)信號(hào)時(shí)域波形

2.2 特征參數(shù)的提取

根據(jù)上述完好雞蛋和裂紋雞蛋響應(yīng)信號(hào)在時(shí)域方面的差異性及三通道信號(hào)的關(guān)聯(lián)性，從信號(hào)的時(shí)域特征、頻域特征、信號(hào)相關(guān)性入手，提取9個(gè)用于區(qū)分完好雞蛋與裂紋雞蛋的特征參數(shù)，具體參數(shù)及物理意義如表1所示。

表1 完好雞蛋與裂紋雞蛋響應(yīng)信號(hào)的特征參數(shù)

表1所列特征參數(shù)均是通過觀察響應(yīng)信號(hào)的波形提取的，兩類雞蛋蛋殼的區(qū)分度、敏感程度均有差異。為了提高特征參數(shù)對(duì)蛋殼裂紋檢測(cè)識(shí)別模型的準(zhǔn)確率和魯棒性，本研究擬采用區(qū)分指數(shù)DI評(píng)價(jià)特征參數(shù)辨別兩種狀態(tài)的能力[17]，需要剔除對(duì)區(qū)分兩類雞蛋貢獻(xiàn)率比較低的特征值，減少冗余信號(hào)。當(dāng)特征參數(shù)的DI得分小于0.85時(shí)，則認(rèn)為該特征對(duì)蛋殼裂紋情況分類貢獻(xiàn)率較小，并從原始特征中剔除。通過計(jì)算，特征參數(shù)x1，x2，x3，x6，x8，x9被保留，用于后續(xù)雞蛋裂紋判別模型的輸入。計(jì)算所得區(qū)分指數(shù)

(1)

式(1)中，μ1和μ2分別表示完好雞蛋和裂紋雞蛋的待評(píng)價(jià)特征參數(shù)均值，σ1和σ2分別表示完好雞蛋和裂紋雞蛋的待評(píng)價(jià)特征參數(shù)標(biāo)準(zhǔn)差。

3 結(jié)果與分析

為研究蛋殼裂紋、激勵(lì)點(diǎn)、傳感器相對(duì)位置對(duì)蛋殼裂紋檢測(cè)的影響，本研究4個(gè)激勵(lì)點(diǎn)作用下傳感器信號(hào)均建立了完好雞蛋與裂紋雞蛋的線性判別模型，訓(xùn)練集回判正確率與預(yù)測(cè)集的判別率結(jié)果如表2所示。

表2 線性判別模型對(duì)樣本的判別結(jié)果 %

由表2可知，采用多維振動(dòng)響應(yīng)分析的方法，4個(gè)不同激勵(lì)點(diǎn)條件下對(duì)蛋殼裂紋敏感部位的識(shí)別率大多高于90%，只有激勵(lì)點(diǎn)在#4號(hào)時(shí)，大頭位置傳感器預(yù)測(cè)集的識(shí)別率為86.25%。

1) 相對(duì)于大頭位置和小頭位置，該方法對(duì)赤道位置的判別率相對(duì)較高?？赡苁浅嗟牢恢镁嚯x激勵(lì)點(diǎn)較近，且蛋殼結(jié)構(gòu)和厚度較為均勻，蛋殼表面振動(dòng)波傳播比較穩(wěn)定，當(dāng)?shù)皻こ霈F(xiàn)裂紋時(shí)，蛋殼振動(dòng)對(duì)赤道位置傳感器的影響相對(duì)較大。

2) 裂紋處于激勵(lì)點(diǎn)或傳感器檢測(cè)位置時(shí)，判別模型的識(shí)別率較高。其原因在于，裂紋會(huì)導(dǎo)致局部剛度下降，對(duì)振動(dòng)波信號(hào)的影響最直接，即對(duì)蛋殼裂紋振動(dòng)響應(yīng)的保真性最高。

4 結(jié)束語

設(shè)計(jì)的具有瞬態(tài)沖擊作用與多維加速度信號(hào)同步響應(yīng)的雞蛋蛋殼裂紋檢測(cè)試驗(yàn)裝置可實(shí)現(xiàn)“單點(diǎn)激勵(lì)，多點(diǎn)響應(yīng)”的表面振動(dòng)響應(yīng)信號(hào)采集。分析蛋殼表面振動(dòng)響應(yīng)信號(hào)，提取特征參數(shù)，篩選對(duì)裂紋識(shí)別貢獻(xiàn)率高的6個(gè)特征參數(shù)，建立線性判別模型，可滿足蛋殼裂紋識(shí)別。與常規(guī)聲學(xué)特性檢測(cè)方法相比，本方法能有效減少敲擊次數(shù)，且具有較高識(shí)別率。