基于振动及EEMD-CMAC算法的鸭蛋散黄在线检测

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。

关键词：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

所属期刊栏目：32

分类号：TP391.4(计算技术、计算机技术)

资助基金：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

在线出版日期：2016-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：282-289