一种基于力声同步采集的香梨果肉脆度检测方法

摘要

本发明公开了基于力声同步采集的香梨果肉脆度检测方法，具体步骤为：1.香梨试样制备；2.穿刺测试与力学特征参数提取；3.声信号AED低频采集分析及参数提取；4.声信号录音机高频采集与去噪预处理；5.高频采集声学时域特征参数提取；6.高频采集声学频域特征参数提取；7.香梨脆度感官评价；8.感官评价结果与力声特征参数相关性分析；9.力声特征参数的主成分分析降维；10.基于主成分的多元线性回归香梨脆度检测模型构建与验证；11.基于主成分的BP神经网络香梨脆度检测模型构建与验证。本发明基于力声同步采集，融合了力声多特征参数，建立了多元线性回归和BP神经网络香梨脆度评估模型，实现了香梨脆度客观准确的评价。

说明书

技术领域

本发明涉及一种库尔勒香梨脆度质地领域的检测方法，具体涉及基于力声同步采集的香梨果肉脆度检测方法。

背景技术

库尔勒香梨是新疆特色梨果，其“酥脆”品质是香梨产业对外宣传的亮点。脆度是反映香梨内部品质的重要指标之一，脆度不能简单等同于硬度，它是人在咀嚼果肉过程中产生的力和声行为的触听综合感知，既难以明确语义表述，又难以准确测量，目前脆度主要检测方式是感官评价，但感官评价人员易疲劳且评价效率较低，评价结果易受主观影响。因此，迫切需要找到一种可以对香梨脆度进行客观、高效、准确评价的方法，以实现更接近消费者口感的香梨内部品质检测.

湿脆性食品的活性细胞具有膨压，咀嚼过程食品膨压细胞破裂，细胞内容物质快速流出，而每个断裂事件都伴随着力降，都会有声压波产生。力学测试可以模拟人咬和咀嚼食品的过程，是最常用的评价食品脆性质地的方法，食品破碎的声音也可以用来评估食品脆度。因此，在对香梨脆度进行力学评估时需要结合声学测试的方法，对食品破碎产生的声音检测方法有接触式和非接触式两种，接触式声学测试法主要采用压电传感器、AE传感器（声发射传感器）和振动传感器采集压碎样品时产生的声学信号，可以有效评估果蔬食品脆度，但在与力学测试实现同步较为困难，而且试验装置复杂，传感器价格高昂.

与之相比，非接触式声学测试法易于实现与力学测试同步，非接触式声学测试法一种是采用AED（声音包络检波器）与麦克风结合采集，AED装置中自带滤波器所采集声音信号无需进行去噪处理。Cortellino（2018）在穿刺试验下，采用AED和质构仪结合对生菜破碎时的力学和声学信号进行采集，基于力学和声学信号对生菜脆度进行研究.

另一种是录音机或声卡与麦克风结合采集，录音机或声卡与麦克风结合采集为高频采集，采集频率最低达到44100 Hz。AED采集方式通常为低频采集，即采集频率低于500Hz，采样频率较低，所采集的与食品脆度相关的声音信号数据点较少，无法进行频域分析，而声音的频域信号中包含大量能表征食品脆度的特征信息，相比较而言，具有高采样频率的声卡或录音机和麦克风结合则避免了这些缺点。Sanahuja（2018）采用麦克风与录音机结合质构仪，基于力学和声学两种特征信息对膨化食品脆度进行了综合评价，根据1/3倍频程划分频带所获取的频域特征参数功率谱值能更好的区分不同脆度的薯片，功率谱值反映了声音在不同频带中的能量大小，所构建的脆度评估模型对膨化食品脆度分类准确率可达92%。

发明内容

本发明的目的

提出一种基于力声同步采集的香梨果肉脆度检测方法以取代人的感官评价，实现了香梨果肉脆度的准确检测。

本发明是采用如下技术方案实现，所述的包括以下步骤：

1）香梨试样制备

2）香梨果肉穿刺测试与力学特征参数提取

3）声信号AED低频采集分析及参数提取

4）声信号录音机高频采集与去噪预处理

5）高频采集声学时域特征参数提取

6）高频采集声学频域特征参数提取

7）香梨脆度感官评价

8）感官评价结果与力声特征参数相关性分析

9）力学和声学特征参数的主成分分析降维

10）基于主成分的多元线性回归香梨脆度检测模型构建与验证

11）基于主成分的BP神经网络香梨脆度检测模型构建与验证。

技术方案中所述的香梨试样制备的步骤如下：

1）挑选出300个香梨贮藏在温度为26±2 °C，相对湿度20%的条件下，贮藏时间分别为0、12、24、36、48和60 d.

2）将梗端和萼端切除保留中间部位，然后将保留部分切为两部分，上半部分进行感官试验制样，下半部分进行穿刺试验制样。

技术方案中所述的香梨果肉穿刺测试与力学特征参数提取步骤如下：

1）采用TA.XT plus质构仪对香梨试样进行穿刺测试；力学特征参数的提取主要由质构仪配套的Texture Exponent Exceed软件完成.

2）采用Duncan多重比较检验对不同贮藏期香梨果肉穿刺各力学参数进行方差分析，比较不同贮藏期香梨力学特征参数变化趋势及差异显著性。

技术方案中所述的声信号AED低频采集分析及参数提取步骤如下：

1）麦克风水平放置，距圆柱探头轴线2 cm处且位于香梨试样中高位置.

2）AED声学信号与力学信号的采集频率保持一致，Texture Exponent Exceed软件所能设置的采样频率最高为500 Hz，AED装置采集的香梨果肉破碎声音只能在时域进行分析.

3）采用Duncan多重比较检验对不同贮藏期香梨果肉穿刺各声学参数进行方差分析, 比较不同贮藏期香梨AED声学特征参数变化趋势及差异显著性。

技术方案中所述的声信号录音机高频采集与去噪预处理步骤如下：

1）声信号的高频采集和记录由NT5麦克风和R44数字录音机完成。麦克风依然采用水平放置，距圆柱探头轴线2 cm处且位于香梨试样中高位置.

2）质构仪采集力学信号时，同时按下录音机采集按钮开始采集高频声学信号.

3）质构仪所产生的噪声是恒定频率，采用谱减法对声音信号去噪处理.

4）在谱减噪声时，需对声音信号进行分帧处理。为避免分帧处理导致信号失真，在信号分帧前加入窗函数。

技术方案中所述的高频采集声学时域特征参数提取步骤如下：

1）录音机高频采集的声学时域特征参数由MATLAB 2018提取.

2）采用Duncan多重比较检验对不同贮藏期香梨果肉穿刺高频声学时域特征参数进行方差分析, 比较不同贮藏期香梨高频声学时域特征参数变化趋势及差异显著性。

技术方案中所述的高频采集声学频域特征参数提取步骤如下：

1）采用1/3倍频程划分的方法对声卡采集香梨果肉穿刺声音频域信号进行划分。去噪后声音信号经FFT变换为频域信号，计算信号功率谱，再进行1/3倍频程变换，求得1/3倍频程的频域信号功率谱值，作为评价香梨脆度的声音频域特征参数.

2）对经过去噪处理的香梨果肉穿刺声音信号

然后计算整个信号的功率谱密度值：

式中N表示信号长度。

对于每个中心频率

技术方案中所述的香梨脆度感官评价步骤如下：

1）由经过培训并考核合格的6名男生和4名女生进行感官脆度评估，仔细感觉咬第一口试样以及试样在牙齿间研磨过程牙齿受到的力；对咬和咀嚼试样过程中产生的声音录音.

2）试样被随机分给感官评价人员，感官评价员对每个试样感官评价后用清水漱口.

3）评价标准采用满分6分制评价法，主要从感官评价人员咬和咀嚼香梨果肉产生的力、声和断裂性三种香梨果肉咀嚼感受评价香梨果肉脆度。感官脆度最终得分为三种香梨果肉咀嚼感受得分平均值。

技术方案中所述的感官评价结果与力声特征参数相关性分析步骤如下：

1）运用SPSS数据分析软件对香梨果肉感官评价结果与力声特征参数进行相关性分析，筛选的力声特征参数用于构建香梨脆度评估模型。

技术方案中所述的力学和声学特征参数的主成分分析降维步骤如下：

1）采用MATLAB 2018对力学参数和声学参数进行线性相关性系数计算。计算公式如下：

式中

2）力学和声学参数对香梨脆度存在大量重复信息表达造成信息冗余，采用主成分分析对力声参数进行降维处理，用较少的主成分代替较多的力声参数表达香梨脆度。

技术方案中所述的基于主成分的多元线性回归香梨脆度检测模型构建与验证步骤如下：

将300个香梨力声穿刺参数经主成分降维后的数据随机分为训练集和测试集，训练集占70%，测试集占30%。采用训练集构建香梨脆度评估模型；测试集对所构建的香梨脆度评估模型进行验证。经多元线性回归分析，采用降维后的主成分和感官脆度评分构建香梨脆度评估模型。

技术方案中所述的基于主成分的BP神经网络香梨脆度检测模型构建与验证步骤如下：

1）将300个香梨力声穿刺参数经主成分降维后的数据随机分为训练集、验证集和测试集，训练集占70%，验证集和测试集各占15%.

2）确定力学和AED声学特征参数，力学和高频采集时域特征参数，力学和高频采集声学频域特征参数三种模型输入层、隐含层和输出层神经元节点数；确定隐含层激活函数及各参数设置。

本发明所采用的有益效果有：

本发明所述的基于力声同步采集的香梨果肉脆度检测方法，融合了力声多特征参数，并进行了主成分分析降维处理，建立了多元线性回归和BP神经网络构建香梨脆度评估模型，实现了香梨脆度客观准确的评价。多元线性回归三种模型均可以对香梨脆度进行准确评估（

附图说明

下面结合附图对本发明做进一步的说明：

图1为基于力声同步采集的香梨果肉脆度检测方法流程图。

图2为力声同步采集系统装置图。

图3为香梨果肉试样制备示意图。

图4为香梨果肉穿刺力变形曲线与力学特征参数示意图。

图5为香梨果肉穿刺AED低频声学曲线与声学特征参数示意图。

图6为香梨果肉穿刺高频采集声学曲线与声音时域特征参数示意图。

图7为香梨果肉穿刺高频采集声音信号1/3功率谱特征图。

图8为力学特征参数变化趋势与差异显著性分析示意图。

图9为AED低频声学特征参数变化趋势与差异显著性分析示意图。

图10为高频采集声音信号特征参数变化趋势与差异显著性分析示意图。

图中：不同字母表示差异显著（p>0.05），同一字母没有差异性（p<0.05）。

图11为香梨脆度感官评分与香梨果肉穿刺力学参数的相关性图。

图12-a为香梨脆度感官评分与穿刺测试AED声学参数的相关性图。

图12-b为香梨脆度感官评分与穿刺测试高频采集声学参数的相关性图。

图中：**表示在0.01水平相关性显著。

图13为高频采集声音信号谱减法去噪预处理示意图。

图14为1/3倍频程功率谱特征参数提取示意图。

图15为主成分碎石与帕累托图：（a）力学和AED声学参数；（b）力学和高频采集声学时域参数；（c）力学和高频采集声学频域参数。

图16为香梨脆度多元线性回归模型评估结果图：（a）力学和AED声学参数；（b）力学和高频采集声学时域参数；（c）力学和高频采集声学频域参数。

图17为香梨脆度BP神经网络模型评估结果图：（a）力学和AED声学参数；（b）力学和高频采集声学时域参数；（c）力学和高频采集声学频域参数。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。

参阅图1所示，本发明所述的基于力声同步采集的香梨果肉脆度检测方法步骤如下：

（1）香梨果肉破碎时力学和声学信号的采集与分析

采用质构仪穿刺模式进行香梨果肉穿刺试验，利用压力传感器和计算机采集香梨样品破碎时的力学信号，分别采用AED和录音机两种方式采集香梨破碎时的声学信号。对录音机采集声学信号进行去噪处理；采用峰值法从力学信号提取力学特征，分别从AED声信号和录音机高频采集声信号中提取时域特征；利用傅里叶变换从录音机高频采集声学信号中提取频域功率谱特征.

（2）香梨果肉脆度力学和声学参数的筛选与融合

采用ANOVA（方差分析）的方法来筛选力学和声学参数中可以表征香梨脆度的特征参数，并对这些参数进行自相关性分析确定是否存在信息冗余。采用PCA（主成分分析）将力学和声学特征进行线性组合成主成分来降低较多相关特征的问题.

（3）基于主成分的多元线性回归香梨脆度检测模型构建

基于力声参数降维后的主成分，采用多元线性回归构建香梨脆度检测模型；对比分别由力学和AED声学主成分，力学和高频采集声学时域主成分，力学和高频采集声学频域特征主成分构建的多元线性回归模型检测结果.

（4）基于主成分的人工神经网络香梨脆度检测模型构建

基于力声参数降维后的主成分，采用BP神经网络构建香梨脆度检测模型；对比分别由力学和AED声学主成分，力学和高频采集声学时域主成分，力学和高频采集声学频域特征主成分构建的BP神经网络模型检测结果。

参阅图2所示，本发明所述的力声同步采集系统装置图如下：

1）采用TA.XT plus质构仪对香梨试样进行穿刺测试。圆柱探头Φ4 mm，穿刺深度为8 mm；穿刺前和穿刺中速度均为2 mm/s；穿刺后速度为10 mm/s；分别采用AED和录音机两种方式采集香梨破碎时的声学信号。AED自由场麦克风水平放置，距圆柱探头轴线2 cm处且位于香梨试样中高位置。录音机电容麦克风依然采用水平放置，距圆柱探头轴线2 cm处且位于香梨试样中高位置。录音机采样频率设为44100 Hz，声音采集的位数设为16 bit。

参阅图3所示，本发明所述的香梨果肉试样制备步骤如下：

1）挑选出300个香梨贮藏在温度为26±2 °C，相对湿度20%的条件下，贮藏时间分别为0、12、24、36、48和60 d.

2）将梗端和萼端切除保留中间部位，然后将保留部分切为两部分，上半部分进行感官试验制样，下半部分进行穿刺试验制样。采用直径15 mm的取样器取果肉柱样,采用自制切样装置切取10 mm高度柱样，切样时保证上下两平面平整。每个香梨取4个柱样进行穿刺测试。

参阅图4、图8所示，本发明所述的香梨果肉穿刺测试与力学特征参数提取步骤如下：

1）采用TA.XT plus质构仪对香梨试样进行穿刺测试。圆柱探头Φ4 mm，穿刺深度为8 mm；穿刺前和穿刺中速度均为2 mm/s；穿刺后速度为10 mm/s；

2）初始触发力设为5 g，用50 kg压力传感器采集力学信号，数据采样频率为500Hz.

3）力学特征参数的提取主要由质构仪配套的Texture Exponent Exceed软件完成.

4）采用Duncan多重比较检验对不同贮藏期香梨果肉穿刺各力学参数进行方差分析，比较不同贮藏期香梨力学特征参数变化趋势及差异显著性，从15个力学特征参数中筛选11个用于构建香梨脆度评估模型。

参阅图5、图9所示，本发明所述的香梨果肉穿刺AED低频声学曲线与声学特征参数提取步骤如下：

1）麦克风水平放置，距圆柱探头轴线2 cm处且位于香梨试样中高位置。采用4231型声音校准器对麦克风进行两次校准，第一次将声音校准器设置为114 dB高电平下校准，第二次在94 dB低电平下进行校准。AED的包络增益设为2，以增加系统对声音采集的灵敏度.

2）AED声学信号与力学信号的采集频率保持一致，Texture Exponent Exceed软件所能设置的采样频率最高为500 Hz，AED装置采集的香梨果肉破碎声音只能在时域进行分析.

3）采用Duncan多重比较检验对不同贮藏期香梨果肉穿刺各声学参数进行方差分析, 比较不同贮藏期香梨AED声学特征参数变化趋势及差异显著性，从6个AED低频声学参数中筛选6个用于构建香梨脆度评估模型。

参阅图6、图10所示，本发明所述的香梨果肉穿刺高频采集声学曲线与声音时域特征参数提取步骤如下：

1）声信号的高频采集和记录由NT5麦克风和R44数字录音机完成。麦克风依然采用水平放置，距圆柱探头轴线2 cm处且位于香梨试样中高位置.

2）录音机采样频率设为44100 Hz，声音采集的位数设为16 bit。质构仪采集力学信号时，同时按下录音机采集按钮开始采集高频声学信号.

3）录音机高频采集的声学时域特征参数由MATLAB 2018提取.

4）采用Duncan多重比较检验对不同贮藏期香梨果肉穿刺高频声学时域特征参数进行方差分析, 比较不同贮藏期香梨高频声学时域特征参数变化趋势及差异显著性，从9个高频时域特征参数中筛选6个用于构建香梨脆度评估模型。

参阅图7、图14所示，本发明所述的香梨果肉穿刺高频采集声音信号1/3功率谱特征提取步骤如下：

1）采用1/3倍频程划分的方法对声卡采集香梨果肉穿刺声音频域信号进行划分。去噪后声音信号经FFT变换为频域信号，计算信号功率谱，再进行1/3倍频程变换，求得1/3倍频程的频域信号功率谱值，作为评价香梨脆度的声音频域特征参数.

2）对经过去噪处理的香梨果肉穿刺声音信号

然后计算整个信号的功率谱密度值：

式中N表示信号长度。

对于每个中心频率

参阅图11、12-a、12-b所示，本发明所述的香梨脆度感官评分与香梨果肉穿刺力学参数、AED声学参数、高频采集声学参数的相关性分析步骤如下：

1）由经过培训并考核合格的6名男生和4名女生进行感官脆度评估，仔细感觉咬第一口试样以及试样在牙齿间研磨过程牙齿受到的力；对咬和咀嚼试样过程中产生的声音录音.

2）对香梨力声同步测试后剩余感官评价试样取样，在试样赤道部位取4块大小为13 mm×10 mm×10 mm的长方体试样，试样被随机分给感官评价人员，感官评价员对每个试样感官评价后用清水漱口.

3）评价标准采用满分6分制评价法，主要从感官评价人员咬和咀嚼香梨果肉产生的力、声和断裂性三种香梨果肉咀嚼感受评价香梨果肉脆度。感官脆度最终得分为三种香梨果肉咀嚼感受得分平均值.

4）运用SPSS数据分析软件对香梨果肉感官评价结果与力声特征参数进行相关性分析，筛选的11个力学参数、6个AED声学时域特征参数以及6个高频采集声学时域特征参数可以用于构建香梨脆度评估模型。

参阅图13所示，本发明所述的高频采集声音信号谱减法去噪预处理如下：

1）质构仪所产生的噪声是恒定频率，采用谱减法对声音信号去噪处理.

2）在谱减噪声时，需对声音信号进行分帧处理。设置帧长为20 ms，帧移为10 ms。为避免分帧处理导致信号失真，在信号分帧前加入海明窗使旁瓣达到更小。

参阅图15所示，本发明所述的香梨脆度力学和声学参数主成分分析步骤如下：

采用MATLAB 2018对力学参数和声学参数进行线性相关性系数计算，确定是否存在信息冗余。计算公式如下：

式中

1）力学和声学参数对香梨脆度存在大量重复信息表达造成信息冗余，采用主成分分析对力声参数进行降维处理，用较少的主成分代替较多的力声参数表达香梨脆度.

2）力学和AED声学参数主成分分析选取特征值大于1的前三个主成分，帕累托图可以看出这3个主成分的方差贡献率分别是55.34%、16.48%和12.05%，总方差贡献率达到83.87%大于80%.

3）力学和高频采集声学时域特征参数主成分分析选取特征值大于1的前四个主成分，帕累托图可以看出这4个主成分的方差贡献率分别是45.66%、16.58%、13.22%和7.84%，总方差贡献率达到83.30%大于80%。

4）力学和高频采集声学频域特征参数主成分分析选取特征值大于1的前9个主成分，帕累托图可以看出这9个主成分的方差贡献率分别为23.21%、16.17%、12.06%、8.77%、7.30%、5.38%、4.00%、2.77%和2.42%，总方差贡献率达到82.07%大于80%。

参阅图16所示，本发明所述的获得香梨脆度多元线性回归模型评估结果步骤如下：

1）将300个香梨力声穿刺参数经主成分降维后的数据随机分为训练集和测试集，训练集占70%，测试集占30%。采用训练集构建香梨脆度评估模型；测试集对所构建的香梨脆度评估模型进行验证。经多元线性回归分析，采用降维后的主成分和感官脆度评分构建香梨脆度评估模型。

参阅图17所示，本发明所述的获得香梨脆度BP神经网络模型评估结果步骤如下：

1）将300个香梨力声穿刺参数经主成分降维后的数据随机分为训练集、验证集和测试集，训练集占70%，验证集和测试集各占15%.

2）确定输入层、隐含层和输出层神经元节点数：力学和AED声学特征参数，力学和高频采集时域特征参数，力学和高频采集声学频域特征参数分别经主成分降维为3、4和9个主成分，因此三种模型输入层节点数分别为3、4和9个；输出结果为脆度得分值，因此输出层节点数为1个；隐含层节点数主要根据以下公式计算：

式中

3）力学参数和AED声学参数主成分构建采用单层隐含层，神经元节点数为12；力学参数和高频采集声学时域参数主成分构建采用单层隐含层，隐含层神经元节点数为9；力学参数和高频采集声学频域参数主成分构建采用三层隐含层每层8个神经元节点.

4）隐含层激活函数采用双曲正切S型激活函数（tansig）, 对香梨脆度评估所构建网络结构属于中小型网络，采用默认衰减的最小平方算法作为训练函数。迭代次数设为10000；迭代步数默认设为6；目标误差设为1e-7；学习率设为0.01；训练间隔为25.

5）与多元线性回归模型相比，三种BP网络模型对香梨脆度评估结果略微有所提高。三种模型均可以对香梨脆度做出准确评估（r>0.850,可以替代感官评价对香梨脆度做出准确评估）。

结论：本发明基于力声同步采集的香梨果肉脆度检测方法，采用质构仪对香梨果肉进行穿刺试验获取力学信号，综合采用AED低频和录音机高频与力学测试同步采集的方式获取香梨果肉穿刺的声学信号，采用峰值法从力学信号和声学信号中提取特征参数，采用1/3倍频程法从高频采集声音信号中提取频域特征参数，通过差异显著性分析提取可表征香梨脆度的评价指标，将评价指标与香梨感官脆度评价结果进行相关性分析对各评价指标进行验证。对各参数进行自相关分析并采用主成分分析进行降维处理，最后分别基于多元线性回归和BP神经网络构建香梨脆度检测模型，实现香梨脆度的客观评价。