[发明专利]一种基于霍普菲尔德神经网络的鸡蛋散黄无损检测方法

说明书

本发明公开了一种基于霍普菲尔德神经网络的鸡蛋散黄无损检测方法。包括：通过声卡编程控制磁致伸缩振动发生器宽频扫描，采集鸡蛋振动音频信号并传给计算机进行去噪预处理，利用经验模态分解信号得到本征模函数；通过小波多分辨率分解本征模函数首要分量，对高频分量和低频分量进行阈值处理，实现信号去噪；通过多重信号分类功率谱对振动信号进行分析，放大振动信号差异性，利用主成分分析提取信号特征；输入提取的鸡蛋音频信号特征，通过霍普菲尔德神经网络自适应识别散黄蛋。该方法具有较好的精简性和自适应性，通过扫频式振动鸡蛋可以极大地提高信噪比，增强鸡蛋振动信息，利用霍普菲尔德神经网络自适应识别散黄蛋，检测速度快且准确率高。

技术领域

本发明涉及质量检测、神经网络、小波分析领域，具体涉及一种基于霍普菲尔德神经网络的鸡蛋散黄无损检测方法。

背景技术

鸡蛋散黄是因蛋黄膜破裂或存放时间过长，被细菌侵入蛋体内，破坏了蛋白质结构，若蛋白质已变性，将影响食用。现有的散黄蛋检测方法主要通过声脉冲敲击法和视觉分析，声脉冲敲击法易受噪声干扰，频谱幅值能力较低，而视觉分析易受光照等因素的影响，识别准确较低且速度较慢，若无法识别出散黄蛋，不仅降低了鸡蛋的商品等级，而且对于发出臭味的散黄蛋，食用后还会危害身体健康。

发明内容

为解决上述问题，本发明的目的在于提供一种具有较好的精简性和自适应性的鸡蛋散黄无损检测方法，通过扫频式振动鸡蛋可以极大地提高信噪比，增强鸡蛋振动信息，利用霍普菲尔德神经网络自适应识别散黄蛋，检测速度快且准确率高。

本发明解决其问题所采用的技术方案，包括以下步骤：

A.通过声卡编程控制磁致伸缩振动发生器宽频扫描，采集鸡蛋振动音频信号并传给计算机进行去噪预处理，利用经验模态分解信号得到本征模函数；

B.通过小波多分辨率分解本征模函数首要分量，对高频分量和低频分量进行阈值处理，实现信号去噪；

C.通过多重信号分类功率谱对振动信号进行分析，放大振动信号差异性，利用主成分分析提取信号特征；

D.输入提取的鸡蛋音频信号特征，通过霍普菲尔德神经网络自适应识别散黄蛋，完成鸡蛋散黄无损检测。

本发明的有益效果是：

在散黄蛋检测越来越重要的情况下，本发明具有较好的精简性和自适应性，通过扫频式振动鸡蛋可以极大地提高信噪比，增强鸡蛋振动信息，利用霍普菲尔德神经网络自适应识别散黄蛋，检测速度快且准确率高。

附图说明

图1为一种基于霍普菲尔德神经网络的鸡蛋散黄无损检测方法的整体流程图；

图2为鸡蛋音频信号获取装置结构图；’

图3为霍普菲尔德神经网络检测流程图。

具体实施方式

参照图1，本发明所述的方法包括以下步骤：

B.通过声卡编程控制磁致伸缩振动发生器宽频扫描，采集鸡蛋振动音频信号并传给计算机进行去噪预处理，利用经验模态分解信号得到本征模函数；

(1)通过声卡编程控制磁致伸缩振动发生器宽频扫描，经放大调理电路驱动磁致伸缩材料振动，并带动与之相连的探头产生相同形式的振动激励鸡蛋中部区域，由于磁致伸缩材料在磁场作用下，其长度发生变化，可发生位移而做功或在交变磁场作用可发生反复伸张与缩短，从而产生振动或声波，由话筒采集鸡蛋受到振动激励时的音频信号，并传进计算机进行分析处理，观察鸡蛋的特征频带，如图2所示。

(2)由于声学特性易受周围环境噪声干扰影响，振动信号中夹杂很多噪声，因此需要对振动信号进行去噪预处理。鸡蛋音频信号序列为x_i(i＝1，2，...，N)，对振动信号进行经验模态分解：