禽蛋是人们生活中比较常见且营养价值很高的食品，与此同时，禽蛋还是很多食品的加工原材料。禽蛋表面如果存在裂纹则会导致禽蛋极易受细菌感染，从而影响人们的身体健康。在自动化生产线中，禽蛋的加工分为很多步骤且基本都已经实现了自动化生产，但是对于我国国内禽蛋品质检测，尤其是禽蛋裂纹检测这一部分来说，考虑到进口设备高昂的成本，很少会进行全自动化检测，而是采用人工检测的方式进行。人工检测的方式由于其识别慢且对工人的技术能力要求过高，并且工人的主观性很大，不能够保证识别率，所以对禽蛋裂纹自动化检测设备的研究就很有研究必要了，对禽蛋裂纹的自动化检测中比较常见的有两种方式，机器视觉和声学识别，相比于机器视觉而言，声学识别的识别速率快、识别率高等优点使声学识别成为了本文的研究重点，本文对声学识别这一部分做了详细的研究与设计，本文的主要研究工作如下：
(1)研究和分析基于声纹的禽蛋裂纹检测系统整体设计方案，主要对声纹采集部分以及声纹识别两部分做了详细的研究与设计，其中声纹采集部分则是利用STM32F401RET6芯片以及MEMS麦克风MP34DT01对声纹进行采集，通过芯片驱动MEMS麦克风把模拟信号转换成PDM数字信号，在芯片内通过I2S接口技术对PDM数字信号进行传输，利用STM32F401RET6的PDM2PCM库函数将PDM信号转换成PCM信号，最后将PCM信号通过USB线上传到上位机，成功实现了声音的录入功能，其中包含了对硬件部分的设计以及软件部分的设计，并利用keil5软件和Cubemx软件配合编程的方式对软件部分进行了设计，声音信号的采集为上位机的识别奠定了基础，本文中采用的是两个硅麦同时采集声音信号，实现了通过声纹采集装备获得高保真的声音信号。
(2)研究了长短时记忆网络（LSTM）算法，LSTM具有自主学习能力，能够从输入信号数据中挖掘出隐藏在完好禽蛋和裂纹禽蛋数据背后的特征，经过大量的数据训练具备分类功能，在上位机识别中采用LSTM算法对完好禽蛋和裂纹禽蛋进行分类，在进行分类之前需要对数据进行预处理，本文中的敲击信号为多次敲击，采用的方式是端点检测，检测出有效的敲击信号，并且分析了梅尔频率倒谱系数（MFCC）和线性预测倒谱参数（LPCC）两种特征提取的方式，最后采用了MFCC对数据特征进行提取，提取的12维特征作为输入经过LSTM进行训练，上位机的设计所用软件是Matlab2018a，在Matlab2018a中设计了一个简易的训练和识别界面，能够配合硅麦采集设备实时对禽蛋敲击信号进行分类，并且在训练了大量的完好禽蛋和裂纹禽蛋敲击数据之后，对识别样本的综合判别率达到了94.67%。
谷歌
火狐
