[發(fā)明專利]一種基于光譜幅值空間轉(zhuǎn)換的血斑蛋在線無損檢測方法

有效

• 申請?zhí)枺?/td>: 201710245494.3
• 申請日: 2017-04-14
• 公開（公告）號: CN107064021B
• 公開（公告）日: 2019-10-15
• 發(fā)明（設(shè)計）人: 祝志慧;湯勇;向英杰;馬美湖;王巧華;王樹才
• 申請（專利權(quán)）人: 華中農(nóng)業(yè)大學(xué)
• 主分類號: G01N21/27
• 分類號: G01N21/27;G01N21/84;G01N21/88;G01N21/892;G06T7/00;G06N3/08
• 代理公司: 宜昌市三峽專利事務(wù)所 42103
• 代理人: 成鋼

本發(fā)明涉及雞蛋品質(zhì)動態(tài)檢測技術(shù)領(lǐng)域，尤其涉及一種基于光譜幅值空間轉(zhuǎn)換的血斑蛋在線無損檢測方法。主要包含以下步驟：通過血斑蛋在線檢測系統(tǒng)采集每個雞蛋樣品的光譜透射率獲取光譜數(shù)據(jù)；將光譜數(shù)據(jù)進行預(yù)處理后；為了減少實驗過程中速度、批次、儀器和環(huán)境的干擾，將預(yù)處理后的數(shù)據(jù)利用LM算法將光譜信號轉(zhuǎn)換至人為指定的幅值空間中，得到轉(zhuǎn)換后的處理數(shù)據(jù)；建立血斑蛋BP神經(jīng)網(wǎng)絡(luò)在線判別模型；檢驗?zāi)Ｐ汀１景l(fā)明提供了一種智能化的無損檢測方法，提高模型的精度和適用性。整個檢測過程是高度自動化和智能化，具有很廣闊的市場前景。

技術(shù)領(lǐng)域

本發(fā)明涉及雞蛋品質(zhì)動態(tài)檢測技術(shù)領(lǐng)域，尤其涉及一種基于光譜幅值空間轉(zhuǎn)換的血斑蛋在線無損檢測方法。

背景技術(shù)

我國是雞蛋生產(chǎn)消費大國，但是雞蛋出口率低，分級精度不高，嚴重影響我國蛋品行業(yè)的發(fā)展。為了確保進入流通領(lǐng)域的雞蛋產(chǎn)品質(zhì)量，迫切要求我們提高雞蛋分選的技術(shù)水平，血斑蛋在線檢測是雞蛋品質(zhì)分級的必要前提。美國農(nóng)業(yè)部對雞蛋的質(zhì)量劃分標準中規(guī)定雞蛋中存在血斑且直徑不超過0.32厘米(0.13英寸)必須歸類為B級。我國關(guān)于雞蛋的分級標準中規(guī)定AA級、A級、B級雞蛋中不能含有血斑，血斑蛋不得進入銷售市場。就目前來看，血斑蛋的檢測大部分工作都是完全依靠人工完成，檢測時間長，效率低下，實現(xiàn)智能化、自動化的雞蛋內(nèi)部品質(zhì)檢測仍存在很大困難，因此，研究一種快速的、穩(wěn)健的在線模型對于實現(xiàn)血斑蛋快速檢測以及提高蛋品分級效率具有很大的現(xiàn)實意義和研究價值。

目前，國內(nèi)外學(xué)者利用血值判別法，偏最小二乘,廣義馬氏距離，最小二乘支持向量機對血斑蛋進行檢測，取得一定的研究進展。祝志慧、謝德君等利用多分類器融合的方法提高了血斑蛋檢測模型的準確率，但是此方法的實驗環(huán)境是靜態(tài)，建立的模型較復(fù)雜，不適用于在線檢測。此外，關(guān)于血斑蛋實時在線檢測已鮮有報道。陳猛利用二元邏輯算法取雙波段建模實現(xiàn)血斑蛋在線檢測，此方法可行，但是試驗樣本為人工注射血斑蛋，對于天然血斑蛋的檢測效果不得而知。李婉清利用CARS算法優(yōu)選的光譜特征變量建立的貝葉斯判別模型避免了光譜特征變量對模型的影響，但是此方法忽視了光譜信號采集速度與不同批次雞蛋對模型判別準確率的影響。

因雞蛋批次和光譜采集速度的不同，存在光譜特征(趨勢)相同但圖譜幅值不同的情況，影響了算法對樣本判斷的正確率，為了讓算法識別幅值不同但特征(趨勢)相同的個體，因此需要提供一種新的檢測方法，減少實驗過程中速度、批次、儀器和環(huán)境的干擾，使模型的適應(yīng)與推廣能力得到加強。

發(fā)明內(nèi)容

本發(fā)明的目的是克服國內(nèi)目前對于血斑蛋在線檢測模型通用性低的現(xiàn)狀，將原有波段通過移動平均濾波處理去除光譜信號的部分噪聲，利用幅值空間轉(zhuǎn)換將不同批次樣本與不同速度情況下采集的光譜特征(趨勢)相同但圖譜幅值不同的光譜信號，線性映射至人為指定的幅值空間中，提高在線檢測模型的精度和通用性，提出了一種有效的適用于血斑蛋在線檢測的LM算法。

本發(fā)明技術(shù)方案如下：

一種基于光譜幅值空間轉(zhuǎn)換的血斑蛋在線無損檢測方法，主要包含以下步驟：

1)通過血斑蛋在線檢測系統(tǒng)采集每個雞蛋樣品的光譜透射率，獲取光譜數(shù)據(jù)；

2)將光譜數(shù)據(jù)進行濾波處理，將通過濾波處理后的數(shù)據(jù)按照3:2的原則隨機分成訓(xùn)練集和測試集，得到預(yù)處理后的數(shù)據(jù)；

3)將步驟2)預(yù)處理后的數(shù)據(jù)利用LM算法轉(zhuǎn)換空間至人為指定的幅值空間中，得到轉(zhuǎn)換后的處理數(shù)據(jù)；

4)訓(xùn)練集經(jīng)步驟3)轉(zhuǎn)換后的處理數(shù)據(jù)建立血斑蛋BP神經(jīng)網(wǎng)絡(luò)在線判別模型；

5)用測試集數(shù)據(jù)檢驗步驟4)得到的模型：將測試集的數(shù)據(jù)選出對應(yīng)的特征波段代入判別模型中得到預(yù)測值，通過與真實值的比較來檢驗?zāi)Ｐ偷倪m用性。

優(yōu)選地，所述步驟1)在線檢測系統(tǒng)包括被檢測對象雞蛋，設(shè)置有可調(diào)光源、玻璃光纖、聚焦透鏡、準直透鏡、暗箱、光纖光譜儀、光電傳感器、計算機、傳送帶和可編程控制器；