陳 誠，強 敏，蔡健榮，張世慶，孫 力

(1.江蘇大學(xué)機械工程學(xué)院，江蘇 鎮(zhèn)江 212013； 2.鎮(zhèn)江市產(chǎn)品質(zhì)量監(jiān)督檢驗中心，江蘇 鎮(zhèn)江 212003；3.江蘇大學(xué)食品與生物工程學(xué)院，江蘇 鎮(zhèn)江 212013)

0 引言

我國近15年禽蛋年產(chǎn)量呈現(xiàn)上升趨勢，蛋類消費量逐年增加，消費者對于蛋類的質(zhì)量要求也逐漸增高。禽蛋在產(chǎn)銷過程中易產(chǎn)生裂紋，會導(dǎo)致有害細(xì)菌侵入并引發(fā)禽蛋變質(zhì)，如不及時檢出裂紋蛋，勢必會造成食品安全問題和經(jīng)濟損失。

目前，禽蛋蛋殼裂紋的在線檢測研究主要采用機器視覺技術(shù)和聲學(xué)響應(yīng)信號分析技術(shù)。當(dāng)前機器視覺技術(shù)研究集中在模型算法和圖像處理技術(shù)，且依賴于實驗室理想條件[1-5]。有學(xué)者采集并處理輸送線上雞蛋表面圖像，結(jié)果表明視覺系統(tǒng)只能檢測顯著性裂紋，對于可高度嚙合的短絲狀裂紋則無法檢出[6-7]。PRIYADUMKOL J等[8]和LI Y等[9]采用低壓方式檢測，100%檢測出各類裂紋特征，但低壓方式檢測耗時且難以實現(xiàn)在線連續(xù)檢測。因此，機器視覺技術(shù)應(yīng)用于蛋殼裂紋在線檢測時存在一定局限性。

在聲學(xué)響應(yīng)信號分析技術(shù)方面，王芳等[10]采用Hilbert Huang變換和Multi-PCA方法提取蛋殼聲信號特征參數(shù)，結(jié)合SVM模型中的徑向基核函數(shù)建立判別算法，檢測準(zhǔn)確率達(dá)90%。胥保文等[11]開發(fā)出DSP集成電路系統(tǒng)，實現(xiàn)對雞蛋自動激勵并采集響應(yīng)信號，上述算法和系統(tǒng)對于在線檢測的效果尚且未知。秦炎炎等[12]采集并分析了輸送線上雞蛋聲信號的遞歸圖，提取并量化特征，基于SVM建立判別模型，檢測準(zhǔn)確率達(dá)93%以上，但仍停留于模型研究。深圳振野公司開發(fā)出基于聲學(xué)的蛋殼裂紋檢測裝置，檢測速度為每通道0.7萬枚h，與國際上1.1萬枚h的檢出速度相比存在較大差距，一定程度制約了我國蛋品行業(yè)的發(fā)展。

本文擬采用敲擊響應(yīng)信號分析方法，設(shè)計與機械結(jié)構(gòu)相對應(yīng)的運動控制模塊和音頻信號的采集與分析模塊，實現(xiàn)對輸送線上雞蛋的準(zhǔn)確敲擊、多工位響應(yīng)信號的精準(zhǔn)采集，以及蛋殼裂紋的綜合判斷，并對檢測系統(tǒng)的實時性和準(zhǔn)確性進(jìn)行評估。

1 檢測系統(tǒng)總體設(shè)計

1.1硬件設(shè)計

根據(jù)在線檢測系統(tǒng)的機械設(shè)計尺寸，在電氣控制系統(tǒng)中需要保證的參數(shù)包括：①敲擊裝置與輸送線電機轉(zhuǎn)速之比為5∶1；②敲擊裝置與輸送線基準(zhǔn)位置校正；③多路模擬開關(guān)切換時序，如表1所示；④觸發(fā)采集的時機信號(編碼器脈沖數(shù))，如表1所示。其中，當(dāng)在線裝置連續(xù)運行時，模擬開關(guān)切換時序和觸發(fā)采集時機按周期循環(huán)，編碼器脈沖參數(shù)為1 000r。

表1 模擬開關(guān)切換時序和觸發(fā)采集時機
Tab.1Simulatedswitchswitchingtimingandtriggeracquisitiontiming

序號模擬開關(guān)切換次序通道次序觸發(fā)采集時基(脈沖數(shù))121 1 073543421159116945563 4161105167841375231069105 6303126571112615894524813147 94651481915168 2 558409

雞蛋蛋殼裂紋在線檢測系統(tǒng)原理如圖1所示，包括運動控制模塊和聲學(xué)信號采集與分析模塊。

運動控制模塊采用PLC(DVP-EH3，臺達(dá))作為主處理器，用于在線檢測裝置的運動控制調(diào)配及音頻信號觸發(fā)時機的產(chǎn)生。其中，輸送線旋轉(zhuǎn)由編碼器1(E6B2-CWZ6C，OMRON)進(jìn)行監(jiān)測，伺服控制器工作模式設(shè)置為速度控制模式，電子齒輪比設(shè)置為5∶1，根據(jù)編碼器1輸出的A相和B相脈沖信號控制伺服電機的旋轉(zhuǎn)，保證伺服電機與輸送線電機轉(zhuǎn)速之比為5∶1，實現(xiàn)敲擊裝置與輸送線運動的匹配。接近開關(guān)1(E2E-X2ME1，OMRON)安裝于輸送線，禽蛋每運動1個工位即產(chǎn)生1個高電平信號，信號輸入至PLC，作為基準(zhǔn)位標(biāo)志信號。接近開關(guān)2安裝于敲擊裝置，敲擊裝置每工作1個周期接近開關(guān)即產(chǎn)生1個高電平信號，輸入至PLC，PLC根據(jù)接近開關(guān)1和2的信號，控制實現(xiàn)敲擊裝置與輸送線基準(zhǔn)位置校準(zhǔn)，保證所有禽蛋敲擊位置位于禽蛋上頂端。編碼器2用于監(jiān)測敲擊裝置旋轉(zhuǎn)角度，并將輸出信號接入PLC，PLC根據(jù)編碼器2信號與預(yù)設(shè)時機脈沖值向DSP發(fā)送外觸發(fā)采集信號。具體電路設(shè)計如圖2所示。

聲學(xué)信號采集與分析模塊以DSP(TMS320F28335，TI)為主處理器，根據(jù)PLC發(fā)出的觸發(fā)信號進(jìn)行聲信號的采集與分析。當(dāng)敲擊棒對生產(chǎn)運輸線上的禽蛋施加激勵時，PLC通過IO口向DSP發(fā)送電平信號以觸發(fā)其進(jìn)入中斷執(zhí)行聲學(xué)響應(yīng)信號采集功能。由于PLC的IO口信號電平為24 V，而DSP的IO口信號電平為3.3 V，因此需采用光電耦合器(ZP_NP04HS)實現(xiàn)觸發(fā)信號的電平轉(zhuǎn)換，同時能夠隔離兩部分信號，光電耦合電路如圖2a所示。

音頻采集芯片(TLV320AIC23，TI)與DSP采用I2C進(jìn)行控制接口連接，音頻采集電路如圖2b所示，圖中VMID端口并聯(lián)電容可實現(xiàn)硬件濾波作用，同時將AIC23配置為DSP工作模式，且芯片內(nèi)部有集成AD轉(zhuǎn)換功能，結(jié)合DSP多通道緩沖串行口(McBSP)采集到數(shù)字信號。此外，根據(jù)前期研究得出，采樣頻率和采樣點數(shù)分別設(shè)置為96 kHz和256，能夠保證信號的有效性及后續(xù)頻域計算分析。

為實現(xiàn)多路音頻信號的異步采集，在音頻采集芯片前端設(shè)置有多路模擬開關(guān)(CD4051，TI)，多路模擬開關(guān)電路如圖2c所示。

本文采用端口收發(fā)器(SN65HVD08，TI)將DSP的SCI串口配置成RS485接口，其接口電路如圖2d所示。該通信方式便于DSP處理結(jié)果傳輸給串口屏(TJC4824T035_011R)顯示，以及在試驗過程中將采集到的原始信號保存至上位機，以便后續(xù)離線分析信號，建立檢測判別模型。

1.2工作流程

在線檢測系統(tǒng)工作流程如圖3所示。

具體工作內(nèi)容如下。①在線檢測裝置開機啟動，由于事先已配置好伺服系統(tǒng)參數(shù)和以編碼器1信號作為控制回路，因此敲擊裝置和輸送線始終保持5∶1的速度運行，以保證兩者的運動匹配。②PLC根據(jù)接近開關(guān)1和2的信號，實現(xiàn)敲擊裝置和輸送線基準(zhǔn)位置校正，保證對禽蛋實施精準(zhǔn)敲擊。③開機校正之后裝置進(jìn)入運行狀態(tài)，PLC中計數(shù)器統(tǒng)計編碼器2的脈沖個數(shù)，當(dāng)計數(shù)器數(shù)值和預(yù)設(shè)時機脈沖值相等時，發(fā)送觸發(fā)信號，其中敲擊裝置每運動1個周期，計數(shù)器要清零。④當(dāng)DSP的IO口接收到PLC發(fā)送的觸發(fā)信號時，DSP進(jìn)入中斷程序，根據(jù)預(yù)設(shè)時序切換IO口進(jìn)行模擬開關(guān)通道選擇并導(dǎo)通。⑤同時利用AIC23和McBSP采集相應(yīng)聲信號。⑥當(dāng)單枚雞蛋采集完16個信號，利用算法模型對信號進(jìn)行聯(lián)合處理并計算判別，最后結(jié)果由串口屏顯示，其中試驗階段將數(shù)字信號通過RS485通信方式傳輸至上位機，以便離線分析建立判別模型。

2 試驗與分析

2.1試驗樣本

本文采用100枚雞蛋對所設(shè)計系統(tǒng)的穩(wěn)定性和檢測精度進(jìn)行驗證，雞蛋樣本選自江蘇省鎮(zhèn)江市東郊農(nóng)場產(chǎn)后1～2 d的褐色殼雞蛋，試驗前用干布將蛋殼表面擦拭干凈，并采用背光照蛋的方式逐個檢測，保留蛋殼完整雞蛋。在完好雞蛋信號采集完成后，采用堅硬物隨機敲擊制造裂紋，并將其作為裂紋雞蛋樣本，樣本物理參數(shù)如表2所示。

表2 雞蛋物理參數(shù)

2.2聲學(xué)信號的采集與分析

試驗中將完好蛋和裂紋蛋各100枚放置于在線裝置中，采集各雞蛋16個響應(yīng)信號。在前期基礎(chǔ)研究中，敲擊裝置單次激勵蛋殼后的響應(yīng)信號約為250個采樣點，且為后續(xù)頻域計算方便，確定信號采樣點為

256。通過計算各信號的FFT(快速傅里葉變換)值，得出背景噪聲頻段主要集中在0～12頻點(0～4.125 kHz)和120～124頻點(44.625～46.125 kHz)，而蛋殼信號頻譜主要集中在11～35頻點(3.75～12.75 kHz)。為提高信噪比，采用巴特沃斯高通濾波器作為信號預(yù)處理方式，最大限度的保留信號有效性。典型單枚雞蛋信號頻域如圖4所示。

由圖4可知，頻域信號主要集中在35頻點范圍內(nèi)。由圖4a和4b時域信號可知，完好蛋信號一致性較高，而裂紋蛋信號中存在1～2個特異信號。這是因為該特異信號是裂紋蛋的裂紋處或裂紋附近的激勵響應(yīng)信號，且出現(xiàn)裂紋的蛋整體剛度降低，所以裂紋蛋的非裂紋區(qū)域信號幅值及信號之間一致性明顯降低。

由圖4c和4d可知，頻域中完好蛋與裂紋蛋信號之間存在多個差異特征，如信號峰值、主頻點分布、頻段能量比值和截止頻率等。因此，上述差異化特征可作為后續(xù)模型特征提取依據(jù)。此外，由于不同雞蛋之間存在差異，信號幅值、主頻點等參數(shù)存在差異，因此提出以各枚雞蛋信號為一組，計算組內(nèi)特征值，能夠有效避免各雞蛋信號參數(shù)差異所產(chǎn)生的影響，使特征值統(tǒng)一化。

2.3特征提取及判別結(jié)果分析

對完好蛋和裂紋蛋時域和頻域信號分析，提取7個特征參數(shù)用于建立判別模型，具體特征及特征內(nèi)容說明如表3所示。

表3 特征統(tǒng)計及特征內(nèi)容說明

為建立穩(wěn)定良好的判別模型，需將所提取的特征做進(jìn)一步的整合。模式識別中可利用疊加法將各特征值綜合統(tǒng)一，具體將各類特征值按完好蛋特征值低于裂紋蛋特征值進(jìn)行轉(zhuǎn)換并疊加，得出綜合判別模型。前期試驗分析中，通過各特征枚舉疊加計算并判別雞蛋，得出特征1、4、5和6疊加時，模型最簡且判別率最高，具體如式(1)所示，且模型閾值設(shè)為4.5。

式中Di——第i個特征值

利用該模型對100枚雞蛋進(jìn)行檢測，以評估模型判別效果，計算結(jié)果如圖5所示。

由圖5可知，模型對100枚雞蛋檢測中，完好蛋準(zhǔn)確率為92%，裂紋蛋準(zhǔn)確率為100%。因此，該檢測模型有較高的檢測率和穩(wěn)定性。最后將該模型轉(zhuǎn)化為軟件程序，燒寫在DSP中，以實現(xiàn)在線檢測并實時顯示判別結(jié)果。其中，對DSP運行實時監(jiān)控過程中，通過程序自帶計時器可得出程序運行時間：單枚雞蛋16個信號采集時間82 ms，F(xiàn)FT計算時間213 ms，特征計算時間159 ms。因此該系統(tǒng)雞蛋檢測速度為2.2 枚s。

3 結(jié)束語

本文基于TMS320F28335處理器和DVP-EH3運動控制器及相關(guān)機械裝置，設(shè)計了蛋殼裂紋在線檢測裝置。通過對裝置的調(diào)試運行，采集雞蛋激勵響應(yīng)信號，結(jié)果表明該系統(tǒng)裝置能夠穩(wěn)定有效地采集雞蛋輸送線中各枚雞蛋的聲學(xué)信號，同時對采集的聲學(xué)信號做進(jìn)一步的處理分析，提取完好蛋與裂紋蛋信號的差異化特征，并建立聯(lián)合判別模型。判別結(jié)果表明，該模型能夠保持較高的檢測率和穩(wěn)定性，可滿足蛋殼裂紋在線檢測的需求。同時，還縮小了國內(nèi)禽蛋在線檢測設(shè)備與國外先進(jìn)設(shè)備的差距，為我國蛋品行業(yè)的發(fā)展提供關(guān)鍵技術(shù)支持。