一种基于振动声音信号的苹果脆度无损检测方法技术

本发明专利技术公开了一种基于振动声音信号的苹果脆度无损检测方法，具体步骤为S1、声音信号的采集；S2、声音信号的预处理：采用MATLAB编程，对采集到的声音信号进行去噪处理；S3、声音信号特征值的提取；S4、利用食品感官评价对苹果的脆度进行评价；S5、基于神经网络与线性回归模型完成对苹果脆度的评价。本发明专利技术基于振动声音信号，利用神经网络的方法实现苹果脆度的无损评价，为无损检测技术提供更好的理论依据。

A nondestructive testing method of Apple brittleness based on vibration and sound signal

【技术实现步骤摘要】
一种基于振动声音信号的苹果脆度无损检测方法
本专利技术涉及农产品的无损检测领域，具体涉及基于振动声音信号的苹果脆度无损检测方法。
技术介绍
农产品的质地评价是以感官分析技术为基础，多种检测技术相结合的评价方法。食品感官分析技术经过几十年的发展，迅速成为现代食品科学技术及食品产业发展的重要技术支撑，实用性强、灵敏性高、结果可靠，而且解决了一般理化分析所不能解决的复杂问题，但随着技术多年的应用及发展，其部分问题逐渐呈现，如评价员培训周期长、人员个体差异较大、实验结果系统性及重复性较低等缺点；而精确的量化测量仪器对农产品的评价结果具有较高的灵敏性、客观性与准确性，但具有体积较大，仪器过于贵重，属于破坏性检测、无法实现在线实时检测等缺点，仍需加强和完善。无损检测技术是指在不破坏待测物质原来的状态、化学性质的前提下，进行物质提取检测的一种方法，主要包括声学检测技术、光学检测技术、核磁共振检测技术等，可在不破坏农产品本身的情况下对其质量实现高效快速的检测，因而无损检测技术发展前景极为可观。与光学检测技术、核磁共振检测技术相比，利用声学技术技术对食品品质进行快速无损评价研究，具有快速、简便、成本低、可操作性强等优势。利用食品的声学特性对其质地进行检测研究是近30年来才发展起来的新技术，国内外学者的相关研究为此项技术在食品检测中的应用奠定了一定的基础。大量研究证实，利用声学技术可以实现食品脆性、硬度等质地指标的检测。彭彦昆等研究自主开发了一套完整的声学特性检测和分析系统，初步证明了该检测和分析系统可以用于水果的硬度分级。ZdunekA等研究学者利用声学技术实现了苹果脆度、硬度的检测，通过将声音信号判定苹果的脆性与由专家组成的评定小组进行感官评价进行对比分析，结果表明声学检测方法对苹果的脆度、硬度判定与专家组成的评定小组较为一致，充分证明了声学技术可以用于食品的脆度、硬度等质地特性测定。TakashiIkeda利用西瓜表面的弹性波速度，对西瓜的硬度进行预测，研究发现弹性波速度与感官硬度有较好的相关性，当西瓜的贮藏时间延长10天后，弹性波的速度下降10％。HuiZhang利用胶锤以15N大小的力，敲击不规则形状梨的赤道及轴肩位置，收集两位置共振频率，发现两者与梨的硬度高度相关，并实现了梨硬度的无损预测。
技术实现思路
1、本专利技术的目的为解决上述问题，本专利技术提供了一种基于振动声音信号对苹果的质地评价研究方法，实现对农产品质地的无损检测。2、本专利技术所采用的技术方案本专利技术公开了一种基于振动声音信号的苹果脆度无损检测方法，包括如下步骤：S1、声音信号的采集：自制敲击平台，用小球敲击苹果的最外围处，再用高敏感度的麦克风连接电脑音频处理软件进行声音的收集；S2、声音信号的预处理：采用MATLAB编程，对采集到的声音信号进行去噪处理；S3、声音信号特征值的提取：利用包括傅里叶变换、希尔伯特黄变换方法进行声音信号特征值的提取：S3.1时域特征值：利用时域分析算法，从所采集的声音信号当中提取3个显著相关的声学参数，即能量、波形指数、最大振幅；S3.2频域特征值：将苹果声音信号的频率定义在1KHz-10KHz范围内，每隔1KHz的分频能量将其划分为10个频率区段，再进行能量统计；S4、利用食品感官评价对苹果的脆度进行评价；S5、基于神经网络与线性回归模型完成对苹果脆度的评价，并与真实值比对，比较两种模型的优劣，神经网络的预测结果优于线性回归。更进一步，所述的步骤S3中，根据傅里叶变换结合MATLAB，将苹果振动声音信号时域特征值波形指标、能量提取出来；而频域特征值以分频能量衡量，采用希尔伯特黄变换处理。更进一步，所述的步骤3.1中能量被定义为离散声信号采样点的总能量，计算公式表示如下：式中：x(i)代表某一离散点的能量，N为离散点的范围。更进一步，所述的步骤3.1波形指标：定义为声音信号的能量和振幅宽度的均方根之比，其公式表示如下：式中：i为采样点，分子为信号总能量，分母为振幅宽度代表某一离散点的能量。更进一步，所述的步骤3振动声音信号频域分析：利用希尔伯特黄变换分析方法，对苹果的振动声音信号进行分析；利用MATLAB试验测得该模式下声音信号的Hilbert谱，将各种分频区域内的声音信号能量相加，得到各频域内总能量公式为：式中：E代表基于希尔伯特普频率的能量，i，n代表频率为iHz-nHz的频率范围。更进一步，脆度评价中感官评价包括苹果的断裂所需要力、苹果的破碎时的声音、苹果的断裂程度三种属性；苹果的断裂所需要力包括无法咬断或需要极大力、中等力度、极易；苹果的破碎时的声音包括声音沉闷或几乎没有、较为清脆、声音清脆；苹果的断裂程度包括断裂较小、中等、断裂较多。更进一步，采用下式得到感官脆度值：更进一步，脆度结果分析中：模型的构建、脆度与声音信号特征值相关性分析、脆度与声音信号特征值相关性脆度与硬度、波形指标、能量以及3KHz-10KHz范围内，每隔1KHz的分频能量内的分频能量相关性显著；使用SPSS对因子分析的得分保存为变量进行回归分析，得到R2为0.548，F值为80.028，显著性接近于0，所得脆度Y与主成分分析后的主成分一X21方程为：Y＝5.159-0.532X21。3、本专利技术所采用的有益效果本专利技术利用自制的农产品敲击振动采集平台，对苹果的振动声音信号进行采集，利用信号时域分析及希尔波特变换等理论对声音信号进行处理，提取振动声音信号时频特征值，利用感官评价对苹果质地进行检测评价，分析特征值与苹果脆度的关系，筛选相关性较好的特征值，以线性回归方程与神经网络构建苹果的脆度评价模型。结果表明：苹果的脆度与振动声音信号多个时频特征参数均呈现显著相关性，利用神经网络构建模型预测平均相对误差为1.42％±1.9％，线性回归模型平均相对误差为6.34％±9.09％；相对来说，神经网络的预测结果要优于线性回归。基于振动声音信号，利用神经网络方法可以实现苹果脆度无损评价，为无损检测技术能提供更好的理论依据。附图说明图1为自制敲击振动采集平台。图2为不同贮藏时间的脆度分布图。图3为脆度神经网络模型训练概况。图4为脆度神经网络模型的验证图。图5为脆度线性回归模型的验证图。具体实施方式下面结合本专利技术实例中的附图，对本专利技术实例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域技术人员在没有做创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。下面将结合附图对本专利技术实例作进一步地详细描述。S1、声音信号的采集：自制敲击平台，用小球敲击苹果的最外围处，再用高敏感度的麦克风连接电脑音频处理软件进行声音的收集；S2、声音信号的预处理：采用MATLAB编程，对采集到的声音信号进行去噪处理；<本文档来自技高网...

【技术保护点】
1.一种基于振动声音信号的苹果脆度无损检测方法，其特征在于包括如下步骤：/nS1、声音信号的采集：自制敲击平台，用小球敲击苹果的最外围处，再用高敏感度的麦克风连接电脑音频处理软件进行声音的收集；/nS2、声音信号的预处理：采用MATLAB编程，对采集到的声音信号进行去噪处理；/nS3、声音信号特征值的提取：利用包括傅里叶变换、希尔伯特黄变换方法进行声音信号特征值的提取：/nS3.1时域特征值：利用时域分析算法，从所采集的声音信号当中提取3个显著相关的声学参数，即能量、波形指数、最大振幅；/nS3.2频域特征值：将苹果声音信号的频率定义在1KHz-10KHz范围内，每隔1KHz的分频能量将其划分为10个频率区段，再进行能量统计；/nS4、利用食品感官评价对苹果的脆度进行评价；/nS5、基于神经网络与线性回归模型完成对苹果脆度的评价，并与真实值比对，比较两种模型的优劣，神经网络的预测结果优于线性回归。/n

【技术特征摘要】
1.一种基于振动声音信号的苹果脆度无损检测方法，其特征在于包括如下步骤：
S1、声音信号的采集：自制敲击平台，用小球敲击苹果的最外围处，再用高敏感度的麦克风连接电脑音频处理软件进行声音的收集；
S2、声音信号的预处理：采用MATLAB编程，对采集到的声音信号进行去噪处理；
S3、声音信号特征值的提取：利用包括傅里叶变换、希尔伯特黄变换方法进行声音信号特征值的提取：
S3.1时域特征值：利用时域分析算法，从所采集的声音信号当中提取3个显著相关的声学参数，即能量、波形指数、最大振幅；
S3.2频域特征值：将苹果声音信号的频率定义在1KHz-10KHz范围内，每隔1KHz的分频能量将其划分为10个频率区段，再进行能量统计；
S4、利用食品感官评价对苹果的脆度进行评价；
S5、基于神经网络与线性回归模型完成对苹果脆度的评价，并与真实值比对，比较两种模型的优劣，神经网络的预测结果优于线性回归。


2.根据权利要求1所述的基于振动声音信号的苹果脆度无损检测方法，其特征在于所述的步骤S3中，根据傅里叶变换结合MATLAB，将苹果振动声音信号时域特征值波形指标、能量提取出来；而频域特征值以分频能量衡量，采用希尔伯特黄变换处理。


3.根据权利要求1所述的基于振动声音信号的苹果脆度无损检测方法，其特征在于所述的步骤3.1中能量被定义为离散声信号采样点的总能量，计算公式表示如下：



式中：x(i)代表某一离散点的能量，N为离散点的范围。


4.根据权利要求1所述的基于振动声音信号的苹果脆度无损检测方法，其特征在于所述的步骤3.1波形指标：定义为声音信号的能量的均方根和振幅宽度的均方根之比，其公式表...

【专利技术属性】
技术研发人员：刘洋，丁霄，张扬，郑丽雪，冯万岭，孙兴媛，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：江苏;32