基于振动及EEMD-CMAC算法的鸭蛋散黄在线检测

作     者：卢伟 丁婧 罗慧 王玲 代德建 Lu Wei;Ding Jing;Luo Hui;Wang Ling;Dai Dejian

作者机构：南京农业大学工学院/江苏省现代设施农业技术与装备工程实验室南京210031 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2016年第32卷第21期

页      面：282-289页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金青年基金项目(61401215) 江苏省自然科学基金项目(BK20130696) 中央高校基本科研业务经费专项资金项目(KYZ201427) 

主　　题：无损检测 算法 模型 集合经验模态分解(EEMD) 小脑神经网络(CMAC) 鸭蛋散黄 

摘      要：针对鸭蛋长期存储以及运输过程中造成的散黄问题,构建一种基于振动信息的鸭蛋散黄在线检测流水线,可实现鸭蛋的自动触压和随动检测。通过磁致伸缩振子对鸭蛋扫频振动进行音频信息增强,对音频振动信号进行集合经验模态分解,并通过主成分分析进行降维提取主要特征,基于此,构建基于小脑神经网络的鸭蛋散黄检测模型。试验中,对320枚鸭蛋进行检测(训练集200枚,测试集120枚),结果表明,基于累积贡献率达98.14%的前5个主成分的鸭蛋散黄检测模型训练集和测试集识别率分别达98.66%和97.03%,每枚鸭蛋在线检测时间约1 s。研究表明,所研制的检测流水线基于磁致伸缩振子扫频激励未知品质鸭蛋,再结合EEMD-CMAC进行鸭蛋散黄检测是可行的,可满足流水线在线检测的要求。