西瓜成熟度和内部空心的声学检测技术及装置研究

摘要

中国的西瓜产量和种植面积居世界第一，但出口量却不到产量的1％，主要是由于西瓜产后检测和处理的手段落后，导致西瓜商品化程度较低。西瓜的适时采收及成熟度判定过于依赖瓜农的经验，导致市面上西瓜品质良莠不齐。随着西瓜的成熟，西瓜的质地属性随之变化，利用声学技术检测西瓜力学和结构特性的变化，判断西瓜的成熟度，有利于提高瓜农收入，满足消费者对西瓜品质的消费需求，扩大西瓜的对外出口。
　　论文研制了声学检测装置和声学参数分析软件，提取了麒麟瓜声学特征参数，对西瓜成熟度进行了预测，并按照西瓜成熟度进行分类及空心瓜鉴别，取得如下结论:
　　(1)针对影响西瓜声学频谱的敲击装置部件开展了试验研究，结果表明敲击球和托盘的弹性模量越大，对声学频谱的影响越小，敲击力对声学频谱基本无影响，采集声学信号时需沿赤道多点敲击，但单个位置敲击一次即可准确获取该点的声学特征。
　　(2)利用短时双门限法对敲击信号进行端点检测，结合线性预测残差法和数字滤波器对信号中包含的噪声和毛刺进行进一步滤除，使敲击信号的信噪比提高了47％。
　　(3)提出声学特征参数一阶矩指数(MI1)和二阶矩指数(MI2)，解决了声学频谱中共振峰分裂为幅度和位置相近的两个共振峰造成声学特征难以提取的问题。将这两个参数结合传统声学参数f2m2/3、f2m，采用线性回归法、多项式回归法、逐步多元线性回归法、主成分回归法和遗传神经网络对力-形变曲线的斜率进行了预测，结果表明逐步多元回归模型性能最优。
　　(4)采用LDA法、KNN法、神经网络技术和LS-SVM算法，以MI1、 MI2为声学特征对未熟、成熟和过熟三种西瓜进行了分类，结果表明LS-SVM分类器性能最佳。
　　(5)采用LDA法、KNN法、神经网络技术、LS-SVM算法和经验阈值法以MI1、MI2和能量比Er为特征参数对不均衡样本进行空心瓜鉴别，结果表明LS-SVM分类器的性能最佳。
　　论文的创新点:
　　(1)针对声音预处理算法对信号特征的影响，采用短时双门限端点检测法进行端点提取，结合线性残差预测法和数字滤波器技术对信号中的噪声和毛刺进行去除，在提高信噪比的同时保留了共振峰等关键频谱特征。
　　(2)提出的声学特征参数MI1和MI2与西瓜成熟度密切相关，解决了由于共振峰分裂造成声学特征难以提取的难题。
　　(3)提出以能量比Er作为特征参数，结合经验阈值法对空心西瓜进行鉴别，具有原理简单，计算量小，易于在计算机和可编程硬件上实现的优点。

目录

声明

致谢

摘要

插图清单

表格清单

英文缩略表

第1章 绪论

1．1 研究的目的和意义

1．2 声学无损检测技术理论基础

1．3 西瓜品质声学无损检测国内外研究现状

1．3．1 国外研究现状

1．3．2 国内研究现状

1．4 西瓜内部品质声学检测的流程和技术难点

1．5 西瓜内部品质声学无损检测的关键技术

1．6 研究目标、研究内容与技术路线

1．6．1 研究目标

1．6．2 研究内容

1．6．3 技术路线图

第2章 西瓜成熟度声学无损检测试验装置

2．1 声学无损检测装置整体设计

2．1．1 敲击装置

2．1．2 麦克风

2．1．3 托盘与托盘架

2．1．4 智能数字电子秤

2．1．5 数据采集与控制电路

2．2 控制电路设计

2．2．1 单片机及其外围电路

2．2．2 电源电路

2．2．3 信号隔离电路

2．2．4 驱动电路

2．2．5 控制电路原理图

2．3 上位机软件设计

2．3．1 软件的整体框架图

2．3．2 软件模块功能设计

2．4 本章小结

第3章 声音信号预处理与声学装置优化

3．1 声音信号的预处理

3．1．1 短时双门限端点检测法

3．1．2 声音信号的去噪

3．2 声学检测装置的优化

3．2．1 材料和方法

3．2．2 试验结果与讨论

3．3 本章小结

第4章 西瓜坚实度声学无损检测的研究

4．1 西瓜成熟度与坚实度的关系

4．2 试验材料与方法

4．2．1 试验样本

4．2．2 试验方法

4．2．3 西瓜成熟度的声学特征参数

4．2．4 西瓜成熟度预测的建模方法和技术

4．3 声学参数与坚实度指标间的相关分析

4．3．1 质量与频率参数之间的相关性研究

4．3．2 声学参数与最大穿刺力Fmax的相关性

4．4 坚实度的声学无损检测建模技术研究

4．4．1 坚实度的线性回归法建模

4．4．2 坚实度的多项式回归法建模

4．4．3 坚实度的主成分回归法建模

4．4．4 坚实度的逐步多元线性回归法建模

4．4．5 坚实度的遗传神经网络建模

4．5 试验结果讨论

4．6 本章小结

第5章 西瓜成熟度分类和空心瓜判定的声学无损检测

5．1 前言

5．2 试验样本与方法

5．2．1 试验样本

5．2．2 试验方法

5．3 西瓜成熟度分类的建模方法研究

5．3．1 LDA法分类建模

5．3．2 KNN法分类建模

5．3．3 神经网络技术分类建模

5．3．4 LS-SVM技术分类建模

5．4 空心西瓜的判别方法研究

5．4．1 LDA法判定空心西瓜

5．4．2 KNN法判定空心西瓜

5．4．3 神经网络技术判定空心西瓜

5．4．4 LS-SVM技术判定空心西瓜

5．4．5 能量比阈值法判定空心西瓜

5．5 试验结果讨论

5．6 本章小结

第6章 结论与展望

6．1 结论

6．2 主要创新点

6．3 展望

参考文献

附录

攻读博士学位期间主要的研究成果