食品科学
食品科學
식품과학
FOOD SCIENCE
2015年
14期
156-160
,共5页
丁天华%卢伟%张超%杜健健%丁为民%赵贤林
丁天華%盧偉%張超%杜健健%丁為民%趙賢林
정천화%로위%장초%두건건%정위민%조현림
禽蛋裂纹检测%磁致伸缩%Welch功率谱%主成分分析%广义回归神经网络
禽蛋裂紋檢測%磁緻伸縮%Welch功率譜%主成分分析%廣義迴歸神經網絡
금단렬문검측%자치신축%Welch공솔보%주성분분석%엄의회귀신경망락
eggshell crack detection%magnetostriction%Welch power spectrum%principal component analysis (PCA)%generalized regression neural network (GRNN)
为建立一种快速无损检测禽蛋裂纹的方法,构建了基于磁致伸缩振子扫频式振动的禽蛋裂纹检测系统.系统以声学特性为基础,通过利用Welch法功率谱分析禽蛋振动音频信号,利用主成分分析法提取特征向量中的有用信息并构建基于广义回归神经网络(generalized regression neural network,GRNN)的禽蛋裂纹检测模型.实验对290枚鸡蛋进行检测(训练集200枚,测试集90枚).结果表明,测试集中无损蛋与裂纹蛋的判别率分别达到96.7%和98.3%.研究表明,利用磁致伸缩振子扫频和Welch法功率谱分析,通过主成分分析法提取特征向量中的有用信息并结合GRNN模型检测禽蛋裂纹是可行的.
為建立一種快速無損檢測禽蛋裂紋的方法,構建瞭基于磁緻伸縮振子掃頻式振動的禽蛋裂紋檢測繫統.繫統以聲學特性為基礎,通過利用Welch法功率譜分析禽蛋振動音頻信號,利用主成分分析法提取特徵嚮量中的有用信息併構建基于廣義迴歸神經網絡(generalized regression neural network,GRNN)的禽蛋裂紋檢測模型.實驗對290枚鷄蛋進行檢測(訓練集200枚,測試集90枚).結果錶明,測試集中無損蛋與裂紋蛋的判彆率分彆達到96.7%和98.3%.研究錶明,利用磁緻伸縮振子掃頻和Welch法功率譜分析,通過主成分分析法提取特徵嚮量中的有用信息併結閤GRNN模型檢測禽蛋裂紋是可行的.
위건립일충쾌속무손검측금단렬문적방법,구건료기우자치신축진자소빈식진동적금단렬문검측계통.계통이성학특성위기출,통과이용Welch법공솔보분석금단진동음빈신호,이용주성분분석법제취특정향량중적유용신식병구건기우엄의회귀신경망락(generalized regression neural network,GRNN)적금단렬문검측모형.실험대290매계단진행검측(훈련집200매,측시집90매).결과표명,측시집중무손단여렬문단적판별솔분별체도96.7%화98.3%.연구표명,이용자치신축진자소빈화Welch법공솔보분석,통과주성분분석법제취특정향량중적유용신식병결합GRNN모형검측금단렬문시가행적.