声明
致谢
摘要
插图
表格
缩写、符号清单、术语表
第一章 绪论
1.1 研究背景
1.1.1 禽蛋在世界和中国的地位
1.1.2 禽蛋品质检测自动化的必要性
1.1.3 蛋壳裂纹对禽蛋品质的危害
1.2 国内外研究现状
1.2.1 基于机器视觉的禽蛋裂纹检测技术
1.2.2 基于声学的禽蛋裂纹检测技术
1.2.3 国内外研究总结
1.3 课题来源
1.4 研究目的及意义
1.5 主要研究内容
1.6 技术路线
1.7 本章小结
第二章 基于电磁驱动的伸缩式禽蛋激励机构及系统研究
2.1 激励机构研究
2.1.1 激励机构结构与运行原理
2.1.2 激励机构结构参数优化
2.1.3 激励机构检测禽蛋裂纹原理
2.2 激励机构驱动电路设计
2.2.1 驱动电路设计与调试
2.3 信号采集与分析系统设计
2.3.1 麦克风前置放大滤波电路设计
2.3.2 基于CompactRIO的数据采集系统
2.4 敲击力及声音信号采集平台搭楚
2.5 激励机构输出敲击力与相关参数关系研究
2.5.1 敲击力的描述与获取方法
2.5.2 标定敲击力与参数关系研究
2.5.3 实测敲击力与参数关系研究
2.6 最优敲击力范围及相关参数取值研究
2.6.1 敲击力上限
2.6.2 敲击力下限
2.6.3 最优敲击力范围与参数取值
2.6.4 其他参数对敲击力的影响
2.7 本章小结
第三章 禽蛋裂纹检测声学特征提取与判别算法研究
3.1 引言
3.2 声学特征及评估准则介绍
3.2.1 时域特征
3.2.2 频域特征
3.2.3 特征评估准则
3.3 实验材料与步骤
3.3.1 鸡蛋样本与裂纹制造
3.3.2 实验步骤及分析过程
3.4 声学特征的计算与相关参数确定
3.4.1 过零率(ZCR)
3.4.2 衰减时问(DT)
3.4.3 主频及峰值(DF)
3.4.4 频谱重心(SC)
3.4.5 频谱衰减截止频率(SR)
3.4.6 频带能量(BE)
3.4.7 频带能量比(BER)
3.5 单个特征判别能力及特征问相关关系研究
3.5.1 单个特征的判别能力研究
3.5.2 特征之间相关性研究
3.6 基于神经网络的完好蛋和裂纹蛋判别效果及分析
3.6.1 神经网络训练
3.6.2 神经网络测试
3.6.3 总结
3.7 本章小结
第四章 基于FPGA和DSP的禽蛋裂纹在线检测系统
4.1 引言
4.1.1 DSP在禽蛋裂纹检测领域的应用及研究
4.1.2 FPGA在多通道信号采集与处理方面的研究
4.2 禽蛋裂纹在线检测机械结构
4.3 禽蛋裂纹在线检测控制系统
4.3.1 控制电珞与传感器介绍
4.3.2 传感器测试及试验验证
4.3.3 控制流程
4.4 禽蛋裂纹在线检测信号采集与分析系统
4.4.1 系统总体框架设计
4.4.2 硬件设计
4.4.3 软件设计
4.5 在线检测系统溯试
4.5.1 总体运行状况
4.5.2 不同激励机构敲击产生信号一致性研究
4.5.3 激励机构对不同大小禽蛋敲击产生信号一致性研究
4.6 本章小结
第五章 禽蛋裂纹在线检测系统判别效果与分析
5.1 测试流程与介绍
5.1.1 实验流程
5.1.2 信号处理与判别方法
5.2 用于测试的在线信号采集
5.2.1 样本处理
5.2.2 实验条件与步骤
5.3 利用静态模型测试在线特征
5.4 建立在线模型测试在线特征
5.4.1 训练集样本处理
5.4.2 实验条件与步骤
5.4.3 结果与分析
5.5 在线特征分析与筛选
5.5.1 样本处理
5.5.2 实验条件与步骤
5.5.3 特征F-ratio计算
5.5.4 特征间相关性计算
5.5.5 神经网络训练
5.5.6 神经网络模型判别效果验证
5.5.7 结论
5.6 本章小结
第六章 结论与展望
6.1 主要研究结论
6.2 主要创新点
6.3 进一步研究展望
参考文献
个人简介
参加科研项目
研究生期间主要成果
浙江大学;