禽蛋品质的自动化检测对满足消费者在禽蛋安全和质量方面的要求,以及提高禽蛋的市场价值和竞争力有重要意义。本课题以鸡蛋为研究对象,利用敲击振动响应信号分析、机器视觉和近红外光谱技术对鸡蛋的内外品质指标(蛋壳强度、裂纹、新鲜度)进行快速无损检测。主要研究内容如下：1.禽蛋蛋壳质量基础研究平台设计。以Labview语言编制平台软件系统,可实现禽蛋的自动敲击及振动响应信号的采集和分析。在此平台上进行基础研究,优化硬件和软件系统,以便更有效的采集禽蛋敲击振动响应信号,并为后期在线检测系统的设计提供基础技术参数。提取鸡蛋敲击振动响应信号频域功率谱的5个特征参数,采用线性分析方法(LDA),尝试检测鸡蛋蛋壳裂纹,模型的识别率为86.1%。试验结果表明利用敲击振动响应信号识别鸡蛋蛋壳裂纹是可行的。2.利用敲击振动响应信号分析技术识别蛋壳裂纹研究。首先,应用两种自适应滤波方法(归一化最小均方误差NLMS；最小二乘RLS)对敲击响应信号进行滤波处理,研究结果表明RLS能更好地处理环境噪音,显著提高了信号的灵敏度和分辨率；然后,对试验中完好和带有裂纹的鸡蛋蛋壳敲击响应信号的频域功率谱进行统计性分析,提取了10个特征参数,分别利用逐步回归法和遗传算法对特征参数进行筛选并进行比较后,采用遗传算法优选的四个特征参数(功率谱信号的第一共振峰对应的频段、第一共振峰的功率谱与其前四个频率功率谱的方差、前三个共振峰功率谱方差、中低频段功率谱能量比均值)作为判别模型的输入向量,分别以线性分析方法(LDA)、K最近邻法(KNN)、人工神经网络(ANN)和支持向量机(SVM)等四种模式识别方法建立蛋壳裂纹的判别模型,并进行比较。试验结果表明,SVM模型对鸡蛋蛋壳裂纹的检测精度最高,检测率为95.5%。3.利用敲击振动响应信号技术结合多变量分析方法定量检测鸡蛋蛋壳的强度研究。试验采用3种变量筛选方法(联合区间偏最小二乘siPLS:遗传偏最小二乘GA.PLS:遗传联合区间偏最小二乘,GA.siPLS)对采集的鸡蛋蛋壳敲击响应功率谱信号频率区域进行筛选,优选出对蛋壳强度信息贡献较大的频率区域。试验结果表明,利用变量筛选方法可有效减少模型中的冗余信息,降低模型的复杂度,提高模型的精度和稳定性。在3个模型中,GA.siPLS模型使用的变量最少(29个变量),模型的鲁棒性更强。模型的预测最小均方根误差(RMSEP)为3.55,相关系数R为0.7591。4.禽蛋裂纹敲击振动响应信号在线分析检测系统设计和研究。在禽蛋外部蛋壳质量研究平台的基础上,设计了一套以DSP为核心处理器的禽蛋裂纹在线分析检测系统,实现禽蛋的自动敲击、信号采集、处理,并建立了蛋壳裂纹判别和蛋壳强度分析的数据库,实现禽蛋蛋壳质量的在线检测。系统检测速度为5个／秒,完好和裂纹禽蛋检测率分别达97%和95.5%,蛋壳强度(蛋壳最大承受应力)的预测平均误差为2.02,相关系数R为0.704。5.利用机器视觉技术检测鸡蛋的新鲜度研究。通过透射方式采集鸡蛋图像,并对鸡蛋图像的B分量进行中值滤波预处理。试验提取14个特征变量,它们分别来自鸡蛋图像的三种信息(颜色信息、蛋黄面积、鸡蛋密度),以综合描述鸡蛋新鲜度的变化。通过逐步回归法筛选了7个特征变量作为输入向量,利用误差反传人工神经网络(BP-ANN)与鸡蛋新鲜度标准检测值(哈夫单位)建立回归模型。模型预测时的RMSEP值为4.425,相关系数为0.675。6.采用近红外光谱分析技术检测鸡蛋的新鲜度。使用主成分分析(PCA)和独立分量分析(ICA)两种方法提取近红外光谱特征信息,并结合遗传神经网络回归(GA-NNR)建立鸡蛋新鲜度的检测模型,研究结果表明,ICA方法提取的因子与实际光谱的信息更为接近,建立的模型检测精度更高,该模型预测值与实测值之间RMSEP为2.413,相关系数为0.879。同时,研究采用了线性分析方法--PLS建立鸡蛋新鲜度的近红外光谱检测模型。为了分析两种模型的检测精度,采用残差图(ApaRP)结合Runs test方法测试鸡蛋近红外光谱和新鲜度实测值之间的线性度,结果发现两者之间有较强的非线性关系。因此,GA-NNR非线性模型比PLS线性模型有更高的检测精度。7.禽蛋品质检测过程中样本数不均衡问题研究。对敲击振动响应信号,采用一类支持向量机(OC-SVM)方法建立完好和裂纹鸡蛋判别模型,当训练样本中完好和裂纹鸡蛋数量比例为11：1时,常规的模式识别方法(LDA,SVM)识别结果较差(识别率均低于50%),而OC-SVM模型识别结果较好(识别率为90%)；采用支持向量数据描述(SVDD)方法,建立鸡蛋新鲜度的近红外光谱识别模型,当训练样本中新鲜和非新鲜鸡蛋数量比例为13：1时,常规的模式识别方法(PLS-DA, KNN, ANN, SVM)识别结果较差(识别率均低于53.3%),而SVDD有较好的识别结果(识别率均为93.3%)。本课题研发了禽蛋蛋壳品质快速无损检测方法和装置,可为禽蛋品质检测提供新的思路和手段,研究的成果对提高我国禽蛋行业的自动化检测水平有积极的意义。