技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种基于声学振动的闭壳牡蛎新鲜度无损检测方法及装置  >  正文

一种基于声学振动的闭壳牡蛎新鲜度无损检测方法及装置

  • 国知局
  • 2024-11-06 14:48:40

本发明涉及闭壳牡蛎新鲜度无损检测领域,特别是涉及一种基于声学振动的闭壳牡蛎新鲜度无损检测方法及装置。

背景技术:

1、牡蛎在捕捞后的贮藏过程中,由于水分含量高、内源性酶活跃以及ph值呈中性等特点,牡蛎可能在细菌和真菌的介导下发生分解,从而导致贮藏过程中容易发生腐败变质,引发营养成分流失,甚至对人体健康产生潜在威胁。蚝壳在保护蚝肉方面扮演着重要的角色。在贮藏过程中,蚝壳能够阻挡外界的细菌、尘埃等污染物进入蚝肉,从而保持其清洁卫生。此外,蚝壳还能阻挡氧气进入和水分流失,避免了蚝肉氧化变质的问题。因此,与去壳牡蛎相比,闭壳牡蛎能够更好地保持蚝肉的品质。

2、然而,由于牡蛎壳的阻隔作用,现有的高光谱、近红外反射光谱、拉曼光谱、x射线等无损检测技术在难以透过牡蛎外壳深入探测到牡蛎内部,这使得难以准确检测牡蛎内部的新鲜度动态变化,对于保证食品安全和品质控制带来了一定的挑战。声波是一种常见的机械波,携带着有关振动源及其传播介质的重要信息。由于声学振动检测技术具有非侵入性、穿透性和非辐射性等特性,可以被应用于开发快速、无损的闭壳牡蛎新鲜度检测方法。但是,现有技术并没有基于声学振动的闭壳牡蛎新鲜度无损检测方法和装置。

技术实现思路

1、为了克服现有技术的不足,本发明的目的是提供一种基于声学振动的闭壳牡蛎新鲜度无损检测方法及装置,通过对闭壳牡蛎的声音和图像信息进行特征提取和机器学习,构建可用于闭壳牡蛎新鲜度无损检测的模型,解决无法利用声音信息判断牡蛎新鲜度的问题,提高牡蛎新鲜度分析的速度和准确率的同时减小对用于检测的牡蛎的损伤。

2、为实现上述目的,本发明提供了如下方案:

3、一种基于声学振动的闭壳牡蛎新鲜度无损检测方法,包括:

4、收集待检测闭壳牡蛎的待检测声学振动信号和待检测闭壳牡蛎图像;

5、对所述待检测声学振动信号和所述待检测闭壳牡蛎图像进行特征提取,得到待检测音频特征和待检测形态特征;

6、利用所述待检测音频特征和所述待检测形态特征构建待检测融合特征;

7、将所述待检测融合特征输入到预设的闭壳牡蛎新鲜度无损检测模型中,得到目标新鲜度结果;

8、所述闭壳牡蛎新鲜度无损检测模型的构建过程,包括:

9、收集预设闭壳牡蛎的待分析声学振动信号、待分析闭壳牡蛎图像以及新鲜度等级数据;

10、对所述待分析声学振动信号和所述待分析闭壳牡蛎图像进行特征提取,得到待分析音频特征和待分析形态特征;

11、利用所述待分析音频特征和所述待分析形态特征构建待分析融合特征;

12、根据所述待分析融合特征和所述新鲜度等级数据构建训练样本数据,并将所述训练样本数据分为训练集和测试集;

13、基于机器学习算法,利用所述训练集构建双层链式多模型集成的初始模型,并利用所述测试集对所述初始模型进行验证,得到验证好的所述闭壳牡蛎新鲜度无损检测模型。

14、优选地,收集待检测闭壳牡蛎的待检测声学振动信号和待检测闭壳牡蛎图像,包括:

15、向预设的控制单元发布检测指令;

16、利用预设的红外传感器判断待检测闭壳牡蛎的牡蛎放置状态;

17、当所述牡蛎放置状态为有牡蛎状态时,控制预设的敲击棒敲击待检测闭壳牡蛎;

18、利用预设的工业相机和麦克风传感器分别收集所述待检测闭壳牡蛎图像和所述待检测声学振动信号。

19、优选地,利用所述待分析音频特征和所述待分析形态特征构建待分析融合特征,包括:

20、依次对所述待分析声学振动信号进行信号预加重、分帧和平滑处理,得到时序空间信号;

21、对所述时序空间信号进行特征提取,得到时序空间特征;所述时序空间特征为行数为所述总帧数,列数为1的矩阵;

22、将所述时序空间信号映射为频序空间信号;

23、对所述频序空间信号进行特征提取,得到频序空间特征;所述频序空间特征为行数为所述总帧数,列数为1的矩阵;

24、根据所述频序空间信号计算融合频谱特征;

25、依次对所述待分析闭壳牡蛎图像进行灰度化、二值化和轮廓提取,得到轮廓图像;

26、对所述轮廓图像进行特征提取,得到外部形态特征;所述外部形态特征为行数为1,列数为1的矩阵;

27、将所述时序空间特征、所述频序空间特征、融合频谱特征和所述外部形态特征进行融合,获得所述待分析融合特征。

28、优选地,根据所述频序空间信号计算融合频谱特征,包括:

29、提取所述频序空间信号设定阶数的sc系数;所述sc系数为行数为所述总帧数、列数为预设阶数的矩阵;

30、利用差分系数公式获取所述sc系数的一阶差分系数和二阶差分系数;所述一阶差分系数和所述二阶差分系数均为行数为所述总帧数、列数为所述预设阶数的矩阵;

31、将所述sc系数、所述一阶差分系数以及所述二阶差分系数按照1:1:1比例进行加和,得到所述融合频谱特征;所述融合频谱特征为行数为所述总帧数、列数为所述预设阶数的矩阵。

32、优选地,将所述时序空间特征、所述频序空间特征、融合频谱特征和所述外部形态特征进行融合,获得所述待分析融合特征,包括:

33、将所述时序空间特征、所述频序空间特征、融合频谱特征进行横向合并,得到中间特征矩阵;

34、将所述中间特征矩阵按列求取均值并与所述外部形态特征进行横向合并,得到所述待分析融合特征;所述待分析融合特征为行数为1、列数为所述时序空间特征、所述频序空间特征、所述外部形态特征以及所述融合频谱特征的列数总和。

35、优选地,根据所述待分析融合特征和所述新鲜度等级数据构建训练样本数据,并将所述训练样本数据分为训练集和测试集,包括:

36、利用所述待分析融合特征构建特征集矩阵;

37、利用所述新鲜度等级数据构建新鲜度集矩阵;

38、将所述特征集矩阵和所述鲜度集矩阵进行横向合并,得到所述训练样本数据;

39、基于分层抽样方法,将所述训练样本数据划分为所述训练集和所述测试集;所述训练集和所述测试集的样本比例为2:1。

40、优选地,基于机器学习算法,利用所述训练集构建双层链式多模型集成的初始模型,并利用所述测试集对所述初始模型进行验证,得到验证好的所述闭壳牡蛎新鲜度无损检测模型,包括:

41、将训练集平均划分为k个互无交集的子集;

42、重复k次选取一个所述子集作为验证样本,并将其余k-1个所述子集作为训练样本,得到k组所述验证样本和所述训练样本的样本组合;

43、利用k组所述样本组合对所述机器学习算法第一层的一级分类器进行训练,得到k个训练完的所述一级分类器;

44、利用训练完的所述以及训练器分别对所述验证样本和所述测试集中的每个特征向量进行分类预测,得到k个验证预测值和k个测试预测值;

45、将k个所述验证预测值纵向堆叠并与所述鲜度集矩阵进行整合,更新替换所述样本组合;

46、将k个所述测试预测值进行加和平均并与所述鲜度集矩阵进行整合,更新替换所述测试集;

47、将更新后的所述样本组合对所述机器学习算法第二层的二级分类器进行训练,得到训练完成的所述闭壳牡蛎新鲜度无损检测模型;

48、利用更新后的所述测试集对所述闭壳牡蛎新鲜度无损检测模型进行指标评估,得到评估结果,若所述评估结果符合标准,则输出所述闭壳牡蛎新鲜度无损检测模型。

49、优选地,一种基于声学振动的闭壳牡蛎新鲜度无损检测装置,包括:噪声屏蔽室框架、吸音棉、工业相机以及敲击声振信号检测设备;所述敲击声振信号检测设备包括:检测台、麦克风支架、麦克风传感器、红外传感器、控制单元、牡蛎放置台、敲击棒、弹簧、敲击平台、步进电机以及凸轮;

50、所述吸音棉设置在所述噪声屏蔽室框架的外侧;所述工业相机设置在所述噪声屏蔽室框架内部上侧;所述敲击声振信号检测设备设置在所述噪声屏蔽室框架的内部;所述检测台固定在所述噪声屏蔽室框架内部下侧;所述敲击平台设置在所述检测台的一侧;所述麦克风支架设置在所述检测台的边角处;所述麦克风传感器和所述红外传感器设置在所述麦克风支架上;所述牡蛎放置台设置在所述检测台的中央位置;所述步进电机设置在所述敲击平台上;所述凸轮与所述步进电机连接;所述敲击棒与所述凸轮连接;所述弹簧设置在所述敲击平台和所述敲击棒中间;所述控制单元设置在所述检测台的底部;

51、所述噪声屏蔽室框架用于为所述工业相机和所述敲击声振信号检测设备提供基本框架;所述吸音棉用于降低所述噪声屏蔽室框架内部的噪声;所述工业相机用于采集闭壳牡蛎图像;所述检测台用于为牡蛎放置台提供放置平台;所述麦克风支架用于固定所述麦克风传感器和所述红外传感器;所述麦克风传感器用于采集声学振动信号;所述红外传感器用于检测所述牡蛎放置台的牡蛎放置状态;所述牡蛎放置台用于放置待检测闭壳牡蛎;所述敲击棒用于敲击所述待检测闭壳牡蛎;所述弹簧用于吸收所述敲击棒的反弹能量;所述步进电机和所述凸轮均用于控制所述敲击棒敲击所述待检测闭壳牡蛎;所述控制单元用于接收预设的计算机发送的检测指令,根据所述检测指令控制所述麦克风传感器、所述敲击棒、所述步进电机、所述凸轮以及所述工业相机进行工作,并将采集到的所述闭壳牡蛎图像和所述声学振动信号发送到所述计算机;所述牡蛎放置状态包括:放置有牡蛎状态和未放置牡蛎状态。

52、优选地,所述敲击的棒释放高度的计算公式为:h=a×sinθ;h为所述释放高度,a为所述敲击棒的长度,θ为所述凸轮的转动角度。

53、本发明公开了以下技术效果:

54、本发明提供了一种基于声学振动的闭壳牡蛎新鲜度无损检测方法及装置,通过对闭壳牡蛎的声音和图像信息进行特征提取和机器学习,解决了无法利用声音信息判断牡蛎新鲜度的问题,实现了对牡蛎新鲜度的无损检测。

本文地址:https://www.jishuxx.com/zhuanli/20241106/324236.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。