基于声振信号的香梨内部早期褐变判别
Detection of early browning in pears using vibro-acoustic signals作者机构:石河子大学机械电气工程学院石河子832003 绿洲特色经济作物生产机械化教育部工程研究中心石河子832003
出 版 物:《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)
年 卷 期:2020年第36卷第17期
页 面:264-271页
核心收录:
学科分类:0710[理学-生物学] 0832[工学-食品科学与工程(可授工学、农学学位)] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 083203[工学-农产品加工及贮藏工程] 0801[工学-力学(可授工学、理学学位)]
主 题:无损检测 果实 香梨 内部褐变 统计特征参数 K-近邻域算法 声振法
摘 要:香梨内部发生的褐变病害对香梨品质有严重影响,迫切需要对香梨内部早期褐变实现快速准确判别以减少贮藏期损失并提高商品率。该研究基于压电梁式传感器搭建声振无损检测装置系统,从香梨声振响应信号中提取了11个时域特征参数和7个频域特征参数,分别组成时域特征向量、频域特征向量和组合域特征向量(时域和频域参数组合),然后利用补偿距离评估技术评估各特征参数对香梨内部褐变的敏感性,输入敏感性较大的特征参数训练香梨内部褐变K-近邻域(K-nearest neighbor,KNN)判别模型。通过对模型判别结果的混淆矩阵分析,采用3个时域参数(波形因子、峭度、方根幅值)和1个频域参数(频率方差)构建香梨内部早期褐变KNN模型(近邻数K=5)用于判别早期褐变香梨,准确率和F1值分别为91.84%和92.59%;对已识别的褐变香梨,采用2个时域参数(波形因子、裕度因子)和1个频域参数(均方频率)构建香梨内部轻度褐变KNN模型(K=7)进一步判别其中的轻度褐变香梨,准确率和F1值分别为81.82%和83.33%。研究结果可为今后声振法香梨内部褐变实时在线检测和自动化分级技术研发提供参考。