一种鸡蛋裂纹多域声学重复敲击识别方法及系统
本发明涉及禽蛋品质无损检测,尤其是涉及一种鸡蛋裂纹多域声学重复敲击识别方法及系统。
背景技术:
1、鸡蛋在采集、输送、清洗、分级、包装和运输过程中,容易因相互碰撞、挤压或机械振动产生蛋壳裂纹。裂纹会破坏蛋壳的结构完整性,不仅降低鸡蛋的商品等级和销售价值,还会增加内部水分散失速率,为微生物侵入和内容物污染提供通道,严重影响鸡蛋的贮藏品质和食用安全性。
2、现有裂纹检测技术存在以下缺陷:一、人工照检方式,凭经验判断是否存在裂纹,容易受到操作人员经验水平、视觉疲劳、照明环境不稳定以及在线分选节拍快速等因素的影响,难以满足大规模自动化分选装备对检测速度、准确率和稳定性的严格要求。二、敲击声学检测,对蛋壳施加轻微机械激励(敲击),使蛋壳产生瞬态振动响应,利用麦克风等传感器采集振动衰减过程中的声学响应信号,通过对声学信号进行滤波、变换和特征分析,提取能够反映蛋壳结构完整性的声学特征,进而实现裂纹鸡蛋与正常鸡蛋的判别。cn101413928b公开了一种鸡蛋裂纹检测方法及装置,中国发明专利cn110187006b进一步公开了在多个激励位置采集声学响应并对多信号进行联合分析的改进方案。但是,同一枚鸡蛋的几何形状、壳厚、质量分布和支撑状态相对固定,其重复敲击信号具有明显个体相关性。若将同一枚鸡蛋的不同敲击信号分别划入训练折和验证折,分类模型可能利用鸡蛋个体差异,导致评价结果高估。另一方面,裂纹造成的声学变化同时存在于衰减过程、频谱能量分配和局部时频结构中,单一特征域难以覆盖不同裂纹位置和敲击接触状态;单次敲击还可能因裂纹远离敲击位置或局部响应较弱而漏检。
技术实现思路
1、本发明的主要目的在于提供一种鸡蛋裂纹多域声学重复敲击识别方法及系统,解决重复敲击信号跨训练折造成的性能高估、单一声学特征域表征不足以及单次敲击弱响应造成裂纹漏检的问题。
2、为解决上述技术问题,本发明所采用的技术方案是:一种鸡蛋裂纹多域声学重复敲击识别方法,包括以下步骤:
3、s1:获取正常鸡蛋和裂纹鸡蛋的初始数据,进行数据预处理后,划分为训练集和测试集;所述初始数据包括鸡蛋个体编号、鸡蛋类别标签、敲击序号及对应的声学响应信号数据;
4、s2:构建分类模型并采用训练集进行训练,保存最优分类模型;所述分类模型对输入的特征向量根据固定分箱映射进行直方图离散化后,从初始预测分数出发,所有决策树按固定顺序依次提供修正量并加权累加,最后通过sigmoid变换输出概率;
5、s3:对待测鸡蛋进行多次轻微机械敲击,采集初始数据,进行s1数据预处理后,输入最优分类模型,获得对应的敲击裂纹预测概率,将最大的裂纹预测概率作为待测鸡蛋的蛋级裂纹得分,所述蛋级裂纹得分与预设蛋级分类阈值比较,获得裂纹判定结果。
6、优选方案中,当所述蛋级裂纹得分大于或等于所述蛋级分类阈值时,输出裂纹鸡蛋判定结果,否则输出无裂纹鸡蛋判定结果。
7、优选方案中,步骤s1中,对每枚鸡蛋赋予唯一鸡蛋个体编号,并进行预设次数的轻微机械敲击,以预设采样频率采集每次敲击后的声学响应信号,每条声学响应信号包含预设数量的采样点,同一枚鸡蛋的全部声学响应信号关联至同一鸡蛋个体编号;所述初始数据以单次敲击为一条数据记录。
8、优选方案中,所述数据预处理包括:对声学响应信号依次执行去除直流偏置、敲击起点定位、预设时长的有效响应段截取、预设频带范围的带通滤波和归一化处理;从预处理后的每条声学响应信号中提取多域声学特征,所述多域声学特征包括时域特征组、频域特征组和时频域特征组,具体为:
9、从原始声学响应信号的各采样值中减去该原始声学响应信号的均值;
10、基于最大去均值的绝对幅值设置触发阈值,自信号起始端按采样顺序搜索候选采样点;当候选采样点及其后连续预设数量的采样点的绝对幅值均大于或等于所述触发阈值时,将该候选采样点确定为敲击起点;
11、从敲击起点之前的预设时长处起截取有效响应段,并进行带通滤波;
12、归一化处理有效响应段的均值和标准差。
13、优选方案中,多域声学特征包括时域特征组、频域特征组和时频域特征组,包括:
14、15维时域特征依次为绝对峰值、峰峰值、绝对值均值、均方根、方差、标准差、能量、偏度、峭度、过零率、峰值因子、波形因子、脉冲因子、裕度因子和衰减时间;
15、11维频域特征依次为主频、频谱质心、频谱带宽、频谱熵、95%滚降频率、峰值谱幅值以及0~1000hz、1000~3000hz、3000~5000hz、5000~8000hz和8000~12000hz五个频带的能量比;
16、38维时频域特征依次为短时傅里叶变换总能量、短时傅里叶变换熵、短时傅里叶变换质心、13个梅尔频率倒谱系数各自的均值和标准差、db4小波包三层分解得到的8个节点归一化能量以及小波包能量熵。
17、优选方案中,模型训练包括:
18、以鸡蛋个体编号为分组变量,在训练集内执行类别分层的分组交叉验证,使同一鸡蛋个体编号对应的全部声学响应信号位于同一折;在每一折中,以训练子集的多域声学特征向量和类别标签训练分类模型:
19、先根据训练子集确定各维连续特征的分箱边界并完成直方图离散化,再以由训练子集类别分布确定的初始预测分数为起点执行预设轮数的提升迭代;每一轮根据当前累加预测分数计算损失函数的一阶梯度和二阶信息,构建回归决策树,并按照预设学习率更新累加预测分数;每棵回归决策树具有预设的最大叶节点数、预设的叶节点最小样本数和预设的正则化系数;迭代完成后,将累加预测分数映射为单次敲击裂纹预测概率;
20、通过分组交叉验证获得训练集折外裂纹预测概率,将同一枚鸡蛋的全部折外裂纹预测概率进行融合形成折外蛋级得分,并根据所述折外蛋级得分确定蛋级分类阈值;
21、采用使用完整训练集拟合最终的分类模型,保存最优分类模型和蛋级分类阈值。
22、优选方案中,确定蛋级分类阈值包括:获取折外蛋级得分,以裂纹召回率不低于0.90为约束,根据下式计算候选阈值的综合评分:
23、;
24、式中,为指示函数;表示候选蛋级分类阈值,表示最终确定的蛋级分类阈值;、、和分别表示在候选阈值下计算得到的准确率、精确率、裂纹召回率和值将满足裂纹召回率约束且综合评分最高的候选阈值确定为蛋级分类阈值。
25、优选方案中,所述蛋级裂纹得分满足:
26、;
27、式中,表示第i枚鸡蛋第j次敲击的裂纹预测概率;
28、判定公式为:
29、;
30、式中,1表示裂纹鸡蛋,0表示无裂纹鸡蛋;表示蛋级分类阈值并且,。所述裂纹鸡蛋判定结果用于驱动分选执行机构将对应鸡蛋送入裂纹蛋通道或复检通道。
31、优选方案中,所述裂纹鸡蛋包括自然裂纹鸡蛋和人工制备裂纹鸡蛋;在声学响应信号采集前后分别执行人工目视检查和照蛋灯复核,并剔除严重破碎或裂纹标签不明确的鸡蛋。
32、第二方面,本发明提供了一种鸡蛋裂纹多域声学重复敲击识别系统,其特征在于,用于实现所述的一种鸡蛋裂纹多域声学重复敲击识别方法,包括:
33、鸡蛋支撑机构用于保持待测鸡蛋的支撑状态;
34、摆动式轻敲机构朝向所述鸡蛋支撑机构设置,用于对待测鸡蛋执行所述预设次数的轻微机械敲击;
35、麦克风设置在敲击区域附近并与所述数据采集模块连接,用于采集每次敲击后的声学响应信号;
36、数据采集模块与所述处理器连接,用于以所述预设采样频率向所述处理器输出每次包含预设数量采样点的声学响应信号;
37、所述存储器与所述处理器连接并存储计算机程序、直方图梯度提升分类模型、预处理参数、多域声学特征计算参数和所述蛋级分类阈值;
38、处理器与所述分选执行机构连接,根据同一枚待测鸡蛋的全部单次敲击裂纹预测概率的最大值输出裂纹鸡蛋判定结果或无裂纹鸡蛋判定结果;
39、分选执行机构根据所述处理器输出的判定结果将待测鸡蛋导入对应的分选通道;
40、处理器仅调用所述存储器中固定保存的预处理参数、多域声学特征计算参数、直方图梯度提升分类模型和蛋级分类阈值对待测鸡蛋进行识别,待测鸡蛋的声学响应信号不参与模型训练、模型参数调整或分类阈值调整。
41、本发明提供了一种鸡蛋裂纹多域声学重复敲击识别方法,旨在解决现有敲击声学检测存在模型性能高估、单域特征表征不足、单次敲击易发生裂纹漏检的问题。该方法首先采集正常、裂纹鸡蛋声学响应初始数据,经去除直流偏置、敲击起点定位、滤波、归一化预处理后,提取时域、频域、时频域共64维多域声学特征,划分训练集与测试集;采用鸡蛋个体编号分组的类别分层分组交叉验证训练直方图梯度提升分类模型,以裂纹召回率不低于0.90为约束,通过加权综合评分确定最优蛋级分类阈值。对待测鸡蛋进行多次轻微机械敲击,采集声学信号并预处理后输入固化的最优模型,取多次敲击裂纹预测概率最大值作为蛋级裂纹得分,与蛋级分类阈值对比得到裂纹判定结果。本发明还公开实现该方法的识别系统,由鸡蛋支撑机构、摆动式轻敲机构、麦克风、数据采集模块、处理器、存储器及分选执行机构构成,检测阶段待测数据不参与模型更新,判定结果直接驱动分选机构完成鸡蛋分选。本发明可有效降低裂纹漏检,评估结果客观可靠,适用于鸡蛋自动化在线分选装备。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com