基于頻域特征提取的無源蛋類鑒別

基于頻域特征提取的無源蛋類鑒別

目前，中國大多數(shù)采用手動方法進行雞裂的檢查和選擇。由于人體的感官限制，由于檢測速度低，很難保證質量。近20多年來,一些國家已經(jīng)開始研究雞蛋裂紋的自動檢測方法,如Goodrum等、潘磊慶等、孫永海等利用視覺與圖像處理來檢測蛋殼圈較大裂紋,檢測正確率較高。Cho等報道了用聲脈沖頻率特性檢測蛋殼裂紋,認為此方法針對細小裂紋的檢測比視覺圖像處理的精度高。Ketelaere等、Wang等利用聲學脈沖共振特征頻率特性來檢測蛋殼的裂紋,通過對雞蛋的時間信號和頻率信號分析與功率譜密度分析,認為利用振動動態(tài)特性測量是一種有效的檢測雞蛋裂紋方法。王樹才等利用聲學響應后的衰竭時間、最小共振峰頻率和最大頻率差等參數(shù)進行模糊識別破損蛋。這些研究為深入探討雞蛋裂紋的檢測方法和今后生產(chǎn)應用提供指導。雞蛋裂紋檢選敲擊響應特性檢測中獲得的信息是大量的,采用不同的數(shù)據(jù)處理與分析,獲得的結果可能不同。至今還沒見到采用主成分分析、線性判別函數(shù)分析對雞蛋敲擊響應信號和頻譜特性信號進行模式識別分析的報道。采用柔性壓電薄膜傳感器對雞蛋的裂紋進行研究的也很少見。本文采用柔性壓電薄膜傳感器通過敲擊振動的動力學方法檢測雞蛋的響應信號,對獲得信號進行頻譜分析后,進行主成分分析、線性判別函數(shù)分析,對雞蛋有無裂紋進行模式識別。1方法和材料1.1小口徑管網(wǎng)參數(shù)的采集與使用所建立的測試系統(tǒng)示意圖如圖1所示。采用柔性壓電薄膜傳感器LDTO-028K(寬頻帶0.001Hz~1GHz)和高性能自觸發(fā)PCL-6250(采樣率1.25M/s)數(shù)據(jù)采集卡。在平臺底座固定雞蛋,兩側開有小孔用于放置傳感器,3個傳感器的位置在雞蛋縱徑的大、小頭處(以下簡稱“大頭處”、“小頭處”)和橫徑的“赤道”中央(簡稱“橫徑處”),激勵點的位置可以調節(jié)。試驗采用單點激振多點響應的方法。雞蛋被激勵后將自觸發(fā)進行數(shù)據(jù)的采集、存儲。在同一工況下重復試驗8次。經(jīng)預備試驗,在雞蛋的敲擊試驗中,用9.5g小木球以0.584m/s的速度進行敲擊。獲得時域數(shù)據(jù)后,進行快速傅立葉變換得到0-7500Hz的響應頻率曲線(即頻域特征或功率頻譜特征)。1.2民族雞蛋裂紋的實驗2007年9月15日,從杭州養(yǎng)雞場取得一批伊薩褐蛋雞產(chǎn)的新鮮雞蛋。將在放大鏡下精心挑選的無損殼蛋運送至浙江大學生工樓實驗室。根據(jù)實驗需要,將雞蛋人為輕輕擠壓成裂紋蛋60只(裂紋寬在10μm以內),裂紋在近橫徑處、大頭處和小頭處的蛋各20只。另外選取60只完好無損蛋進行對比試驗。試驗樣本的質量為51.1~63.4g、密度為0.98~1.19g/cm3。前期的試驗證明質量、密度等對裂紋檢測的影響較小,以雞蛋縱徑與橫徑相交處為激勵點,同時以雞蛋大頭處、小頭處、橫徑處為測點進行蛋殼有無裂紋的敲擊試驗。1.3統(tǒng)計量的選取本文采用多元統(tǒng)計中的主成分分析(PCA)和線性判別分析方法。通過主成分分析,可以討論各變量對分類作用的大小和性狀變異的方向,降維后的綜合指標之間互不相關,卻能反映原來多指標的信息。用線性判別函數(shù)分析,對于滿足類內樣本點接近、類間樣本點疏遠的性質,可以通過統(tǒng)計量:類間離差平方和與類內離差平方和的比值來表現(xiàn)。比值越大說明類內與類間差異越大,分類效果越好。2反應功能與特征值的提取2.1雙幅值頻率分布以雞蛋小頭處為激勵點、橫徑處為測點進行雞蛋蛋殼有無裂紋的敲擊試驗,結果見圖2。從頻域圖中可發(fā)現(xiàn)無損蛋有一個幅值最大、頻率值較低的主頻率;而有裂紋蛋對應的頻域特征中雖然也存在一個有響應幅值的主頻率,但與其他幅值較高的頻率相比,幅值差異不明顯,且該頻率值相對較高。同樣,以雞蛋大頭處為激勵點、橫徑處或小頭處為測點進行試驗后,也獲得相類似的規(guī)律,圖略。2.2歸一化功率譜幅值的確定在對蛋殼有無裂紋的檢測中,功率譜幅值可作為一個主要的考慮因素。但在相同條件的敲擊響應下,功率譜幅值的大小與雞蛋本身的多種物理特性有關,例如激勵強度、雞蛋大小、蛋形指數(shù)、蛋殼強度等等,這使得有無裂紋的檢測只限于特性相近的雞蛋上。筆者經(jīng)過實驗分析發(fā)現(xiàn),敲擊響應后即使雞蛋的品種或特性不同(有裂紋和無裂紋),其功率譜特性曲線圖都存在相似性,因此提出了歸一化功率譜幅值,其定義如下P1=P/Pmax(1)Ρ1=Ρ/Ρmax(1)式中:P1為0~7500Hz內歸一化功率譜幅值;P為0~7500Hz內功率譜幅值;Pmax為0~7500Hz內功率譜最大幅值。2.3資源值提取本文采用了單點激勵多點響應,即采用了以橫徑處為激勵點,大頭處、小頭處和橫徑處同時為測點,進行雞蛋蛋殼有無裂紋的敲擊試驗。2.3.1功率譜幅值的提取類似于圖2(b),以750Hz為間隔分別提取750、1500、2250Hz等頻率下的歸一化功率譜幅值,每條頻域曲線上共提取10個頻率的功率譜幅值作為特征值來進行雞蛋有無裂紋的識別。這樣,大頭、小頭和橫徑等3處信號的頻譜曲線中各有10個特征值,共有30個功率譜幅值的特征值。以375Hz為間隔,分別提取375、750、1125Hz、……,共20個頻率下的功率譜幅值作為特征值來進行雞蛋有無裂紋的識別。這樣,大頭、小頭和橫徑等3處信號的特征值共計有60個。2.3.2功率譜值特征值在歸一化功率譜幅值中,依次提取最高幅值、第2高幅值、……,直至第10高幅值作為特征值來進行雞蛋有無裂紋的識別。這樣,3個測點共有30個功率譜值特征值。同樣,從高到低依次提取前20個歸一功率譜幅值作為特征值,3個位置測點共有60個功率譜值特征值。2.3.3雞蛋有無裂紋在歸一化功率譜幅值中,按幅值由高到低的順序依次提取相對應的頻率值,將前10個頻率值、前20個頻率值作為特征值來進行雞蛋有無裂紋的識別。這樣,3個測點共有30或60個功率譜值特征值。3觀點及其結果采用三種方法提取的特征值,分別采用主成分分析和線性判別分析方法進行模式識別,結果見圖3~圖8。第一主成分的分析值(橫坐標PC1或LD1)與第二主成分的分析值(縱坐標PC2或LD2)之和已達85%以上,表明PCA、LDA第一主成分、第二主成分的分析二維圖能說明區(qū)分的情況。3.1pca、lda的分析圖3是按間隔頻率提取特征值經(jīng)PCA和LDA的分析結果圖。由圖可知,采用PCA方法無法區(qū)分蛋有無裂紋,完好蛋與裂紋蛋在PCA區(qū)分圖中大都是重疊的。采用LDA也無法區(qū)分,完好蛋與裂紋蛋也大都是重疊的。圖4是基于20個特征值采用PCA、LDA分析的結果圖。從圖中可知,兩種分析方法仍是無法區(qū)分的。效果還沒有采用10個特征值的分析效果好。原因可能是由于信息量多,特別是無用信息多,影響了區(qū)分效果。由圖2可知,裂紋蛋與無裂紋蛋的響應頻率特性的區(qū)別主要體現(xiàn)在低頻段(0~2500Hz),而不是中頻段(2500~5000Hz)和高頻段(5000~7500Hz)。特征值取得多,雖然低頻段的特征值增加了,但中、高頻段的特征值增加更多,使得在采用PCA、LDA等區(qū)分蛋有無裂紋的作用更小。3.2pca和lda的區(qū)分提取10個特征值后采用PCA、LDA的區(qū)分效果見圖5。從圖中可知,PCA方法和LDA方法有較好的區(qū)分效果,其中LDA的區(qū)分效果比PCA還好些。比較圖3可知,采用依次取最高幅值提取10個特征值采用PCA、LDA的區(qū)分效果比按等間隔頻率提取幅值特征值的區(qū)分效果要好得多。提取20個特征值后采用PCA、LDA的區(qū)分效果見圖6。采用PCA區(qū)分時裂紋蛋與完好蛋間有較多重疊。而采用LDA能較好地區(qū)分出完好蛋與裂紋蛋。從圖5和圖6可以發(fā)現(xiàn),采用20個特征值后經(jīng)過PCA、LDA區(qū)分的效果分別不如采用10個特征值區(qū)分的效果。由圖2可知,完好蛋在低頻率(0~2500Hz)的幅值明顯較高,在中頻率(2500~5000Hz)和高頻率(5000~7500Hz)的幅值相對低些。提取前10個特征值時,完好蛋相應的歸一化后幅值相互間可能差異較大;而裂紋蛋相應幅值間的差異較小。在提取前10個特征值時,完好蛋的特征值(低頻率占多數(shù))相對幅值較高些,而裂紋蛋的特征值幅值沒有完好蛋的高。在提取前20個特征值時,完好蛋的特征值不僅在低頻率時高幅值的較多,在中高頻率時低幅值的也較多;并且完好蛋與裂紋蛋的特征值的差異沒有前10個特征值時的大。因此提取前10個特征值的判斷效果優(yōu)于提取前20個特征值的。由圖2(b)可知,在經(jīng)過歸一化處理的完好蛋響應頻譜特性中,功率譜峰值約占10個左右,而這些正是區(qū)分裂紋蛋的重要因素;按幅值高低依次提取的歸一化幅值20個特征值的后10個特征值中,較多的是一些幅值較低、對裂紋蛋區(qū)分作用不大的信息。3.3取頻率對不同特征值的判別提取前10個特征值,采用PCA、LDA的區(qū)分效果見圖7。從圖中可知,PCA和LDA的區(qū)分效果很好。裂紋蛋與完整蛋均集中在各自區(qū)域上。相比之下,采用LDA區(qū)分的效果更好。比較圖6和圖7,采用前10個幅值高的頻率作為特征值區(qū)分的效果最佳。按功率幅值高低提取頻率作為特征值來判別完好蛋與裂紋蛋,其效果優(yōu)于按功率譜幅值高低提取幅值的方法。這可能是因為完好蛋的響應頻域中幅值較高的特征值在低頻率較多,特別是前10個特征值中大多系低頻率段的。而裂紋蛋的幅值較高的特征值以中高頻率為主。這種差異在按功率譜幅值高低提取幅值中沒有這樣大。提取前20個特征值,采用PCA、LDA的區(qū)分效果見圖8。從圖中可知區(qū)分的效果較好。與圖7比較采用20個特征值區(qū)分的效果不如10個特征值的區(qū)分效果。提取前10個頻率作為特征值的判別正確率比提取前20個頻率的正確率要高。在完好蛋前10個頻率響應頻域中,低頻率段占多數(shù);而裂紋蛋前10個頻率響應頻域中,中高頻率占多數(shù)。在完好蛋的前20個頻率響應頻域中,增加了許多中高頻率;而裂紋蛋的前20個頻率響應頻域中,也增加了多個低頻率。因此提取10個特征值的判斷效果優(yōu)于提取20個特征值的判斷效果。4提取參數(shù)選取對判別效果的影響(1)無損蛋的頻域特征曲線有明顯的主頻率值,峰值突出;裂紋蛋頻域特征曲線上沒有明顯的主頻率值,峰值多而紊亂。(2)在歸一化功率譜中,分別按頻率、依次取最高