基于美國E+E傳感器融合無損檢測雞蛋品質的研究
農產品無損檢測的目的是在不破壞樣品的情況下,對其進行無損指標的測定,并與實際品質參數建立對應關系,zui終達到分級的目的。單傳感器無損檢測雖對農產品的常規品質指標有較好的激勵響應特性,但存在檢測精度差、穩定性不高和部分傳感器運行成本過高的問題。此外還有一些品質屬性是用單一傳感器難以識別的,表明單傳感器的檢測范圍存在一定“盲區”。另一方面,出口標準的提高,導致農產品檢測趨向全面性,即需要輸出一組全面的品質數據,這也是單一傳感器難以完成的。

基于美國E+E傳感器融合無損檢測雞蛋品質的研究     因此：無論從應用,需求還是控制風險的角度來看,多傳感器融合應用于農產品無損檢測中都是十分必要的。為了探索多傳感器融合在食品檢測領域的可行性,提升檢測的準確性,擴大檢測的適應面。本文以雞蛋為研究對象,將傳感器信息預處理、傳感器融合(數據層和特征層)、專家系統和虛擬儀器等技術系統的應用于雞蛋品質的無損檢測中。這一研究,較單傳感器無損檢測,一方面：有效提高了檢測精度,范圍和穩定性。另一方面：通過傳感器的融合策略,解決了對一些無法用單一傳感器檢測,但具有應用價值的品質指標的識別問題。在此基礎上本文設計了相應的應用層軟、硬件系統。具體研究分述如下： 1.傳感器信息預處理及融合檢測雞蛋品質參數的確定 分別用定點迭代的快速獨立分量和提升小波變換,對機器視覺和敲擊振動這兩類傳感器輸出的針對雞蛋品質的無損檢測參數進行去噪,去噪效果較好。研究確定了電子鼻檢測雞蛋的*試驗條件。首先系統分析了針對雞蛋氣味的電子鼻模式識別算法特點。其次,通過算法比對確定了概率神經網絡具有的穩定性、識別準確率和較快的總體運行速度,是雞蛋氣味識別的模式識別算法。zui后,通過傳感器權重分析、傳感器響應值與指標的相關性分析,分別確定了針對雞蛋新鮮度和裂紋檢測的*電子鼻傳感器組合分別為2、5、8號傳感器和2、7、8號傳感器。 2.基于傳感器數據層融合的雞蛋新鮮度無損檢測 在傳感器數據融合的層面上運用機器視覺和電子鼻分別對雞蛋哈夫單位和TVB-N(揮發性鹽基氮)進行無損檢測。提出一種按無損檢測特征變量對目標量預測的貢獻程度劃分權重的傳感器數據融合方法。將其運用到機器視覺特征參數和電子鼻響應值特征參數的構建和預測建模過程中,解決了無損檢測建模方法中存在的變量權重信息缺失問題。驗證性研究表明：傳感器數據融合提升了雞蛋哈夫單位及TVB-N預測模型預測的準確性(預測準確率分別為97.31%和94.54%)、穩定性(RMSE分別為0.004%和0.006%)及可移植性(模型從構建組到驗證組的使用過程中,預測準確率的下降在2%以內)。