基于碰撞声信号的玉米品级检测识别研究

作     者：梅亚敏 

作者单位：陕西师范大学 

学位级别：硕士

导师姓名：郭敏

授予年度：2013年

学科分类：0711[理学-系统科学] 07[理学] 09[农学] 0901[农学-作物学] 

主      题：碰撞声 主成分分析 决策树 模糊推理系统 近似熵 

摘      要：我国玉米产量高,种植面积大,易受天气和贮藏方式的影响,经常出现虫蛀和霉变现象,严重影响玉米的品级。随着人们生活水平的提高,对农产品的品级提出了更高的要求。 为实现对玉米品级的自动检测识别,本文以玉米完好粒、虫蛀粒和霉变粒的碰撞声信号为研究对象,设计了采集、处理、识别玉米碰撞声信号的装置,通过分析3类信号的时频特征,分别采用主成分分析、决策树和近似熵3种方法提取玉米碰撞声信号的多种特征,然后分别利用BP神经网络、模糊推理系统和Elman神经网络对3类玉米碰撞声信号分类,均取得很好的品级识别效果。本论文提出的3种方法为农产品品级检测识别研究提供了有效依据。 本文的研究内容主要包括以下几个方面： (1)介绍农产品品级检测的研究意义,对农产品品级检测技术进行概述,着重综述碰撞声信号应用于农产品品级检测技术的国内外研究现状。 (2)介绍了基于声信号的玉米颗粒品级检测装置、实验材料的选择及玉米颗粒碰撞声信号的采集过程。 (3)从时域和频域2个角度分别提取信号的幅值、功率谱密度值、相位角值等特征,采用主成分分析方法对特征数据进行降维,利用BP神经网络进行品级识别,实验对完好粒、虫蛀粒和霉变粒3类玉米的识别正确率分别为94.0%,91.7%和95.2%。 (4)采用决策树和模糊推理系统相结合的方法,对采集的玉米碰撞声信号进行特征选择和分类。提取每个碰撞声信号的标准差、偏度、峰度等9类统计特征,作为C4.5算法的输入,构造决策树,进行特征选择;根据构造的决策树,确定模糊推理系统的隶属函数和IF-THEN规则;最后,利用设计好的模糊推理系统对碰撞声信号进行分类,该方法对玉米完好粒、虫蛀粒和霉变粒的正确识别率分别达到了97.6%、92.9%和96.4%。该实验结果表明,采用决策树和模糊推理系统相结合的方法对玉米颗粒检测与分级是可行的,具有较强的实际应用价值。 (5)提取信号幅值,合理选择近似熵的最佳参数,计算幅值的近似熵值作为特征向量,利用具有动态和记忆功能的Elman神经网络分类识别,并与同等参数模型的BP神经网络进行对比实验,Elman神经网络对完好粒、虫蛀粒和霉变粒3类玉米品级的识别准确率分别达到了95.0%,93.3%,96.7%。该实验结果表明,计算信号幅值的近似熵值作为碰撞声信号的特征对玉米品级进行检测的方法是可行有效的,为农产品品级的检测找到了新的思路。