- 无标题文档
查看论文信息

中文题名:

 基于声纹的禽蛋裂纹检测系统设计与实现    

姓名:

 杨奎    

学号:

 1049731703735    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 0810    

学科名称:

 信息与通信工程    

学生类型:

 硕士    

学位:

 工程硕士    

学校:

 武汉理工大学    

院系:

 信息工程学院    

专业:

 电子与通信工程    

研究方向:

 嵌入式开发    

第一导师姓名:

 周伟    

第一导师院系:

 武汉理工大学    

完成日期:

 2019-03-01    

答辩日期:

 2019-05-11    

中文关键词:

 禽蛋裂纹 ; 声纹 ; STM32 ; MEMS麦克风 ; LSTM    

中文摘要:

      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%。

参考文献:

[1]我国蛋品加工装备发展现况[J].农产品加工,2014(01):10-11.

[2]张超,于海鹏.2018年中国禽蛋市场形势回顾与2019年展望[J].农业展望,2018,14(12):16-19.

[3]张超,卢伟,丁天华,杜健健,丁为民,罗慧.禽蛋品质无损检测的研究现状及其展望[J].食品工业科技,2015,36(18):381-384.

[4]王树才.禽蛋加工装备存在的问题与思考[J].养殖与饲料,2019(01):4-7.

[5]孙力,蔡健荣,李雅琪,袁雷明,许登程.禽蛋蛋壳品质无损检测方法研究进展[J].中国农业科技导报,2015,17(05):11-17.

[6]芦茜. 基于机器视觉的产地鸭蛋外形及裂纹检测方法研究[D].华中农业大学,2015.

[7]潘磊庆,屠 康,苏子鹏,等. 基于计算机视觉和神经网络检测鸡蛋裂纹的研究[J]. 农业工程学报,2007,23( 5) : 154-158.

[8]熊利荣,谢 灿,祝志慧. 基于 Adaboosting_SVM 算法的多特征蛋壳裂纹识别[J]. 华中农业大学学报,2015,34( 2) : 136-140.

[9]杨冬风,马秀莲. 基于分形纹理分析的蛋壳裂纹识别[J].吉林大学学报: 工学版,2011,S1:348-352.

[10]孙力. 禽蛋品质在线智能化检测关键技术研究[D].江苏大学,2013.

[11]张 超,卢 伟,丁为民,等. 基于扫频振动的禽蛋裂纹检测方法[J].食品与发酵工业,2015,41( 6) :181-186.

[12]达钊,李倩,郭霞生,章东.不同录音系统对声纹检测的影响[J].南京大学学报(自然科学版),2011,47(02):201-207.

[13]丁天华,卢 伟,张 超,等.基于 Welch 法功率谱和广义回归神经网络的禽蛋裂纹辨识[J].食品科学,2015,14: 156-160.

[14]Lin H,Zhao J W,Chen Q S,et al.. Eggshell crack detection based on acoustic response and support vector data description algorithm[J].Eur.Food Res.Technol.2009,230 ( 1) :95-100.

[15]王海军. 基于声学的禽蛋裂纹检测关键技术及在线检测研究[D].浙江大学,2016.],

[16]Goodrum and Elster, 1992 J.?Goodrum,?R.?ElsterMachine vision for crack detection in rotating eggs Trans. ASAE,?35?(4)?(1992), pp.?1323-1328

[17]View Record in ScopusGoogle Scholar Jenshin et al., 2001 L.?Jenshin,?Y.?Lin,?M.?HsiehAn automatic system for eggshell quality monitoring Trans. ASAE,?44?(3)?(2001), pp.?1028-1034

[18]Moayeri, 1998.Moayeri, H. (1998). Probe, device and method for testing eggs. Google Patents.Lin et al., 2009a

[19]H.?Lin,?J.?Zhao,?Q.?Chen,?J.?Cai,?P.?ZhouEggshell crack detection based on acoustic response and support vector data description algorithm Eur. Food Res. Technol.,?230?(1)?(2009), pp.?95-100

[20]Y.?Zhao,?J.?Wang,?Q.?Lu,?R.?JiangPattern recognition of eggshell crack using PCA and LDA Innovative Food Sci. Emerg. Technol.,?11?(3)?(2010), pp.?520-525

[21]Jin C,Xie L J,Ying Y B. Eggshell crack detection based on the time-domain acoustic signal of rolling eggs on a step-plate[J]. J. Food Engin.,2015,153:53-62.

[22]Jones D R,Lawrence K C,Yoon S C,et al.Modified pressure imaging for egg crack detection and resulting egg quality [J]. Poultry Sci.,2010,89( 4) : 761-765.

[23]Pourreza H R,Pourreza-Shahri R,Fazeli S,et al.. Automatic detection of eggshell defects based on machine vision[J]. J.Anim. Veter. Adv. ,2008,7( 10) : 1200-1203.

[24]Lawrence K C,Yoon S C,Jones D R,et al.. Modified pressure system for imaging egg cracks[J]. Trans. ASABE,2009,52( 3) : 983-990.

[25]杨阳,陈永明.声纹识别技术及其应用[J].电声技术,2007(02):45-46+50.

[26]Yoon S C,Lawrence K C,Jones D R,et al.. Improved egg crack detection algorithm for modified pressure imaging system [A]. In: SPIE defense,security,and sensing internatio Li Y Y,Dhakal S,Peng Y K. A machine vision system for identification of micro-crack in egg shell[J]. J. Food Engin.,2012,109( 1) : 127-134.

[27]金程. 鸡蛋蛋壳裂纹检测技术与装置的研发[D].浙江大学,2015.

[28]万玛宁,侯志化.基于Linux操作系统的USB设备驱动程序开发及传输实现[J].微电子学与计算机,2018,35(11):124-127.

[29]马晓东,李冰琪,魏鹏,农进洋,张玖焕,张松.DSP技术发展与应用研究综述[J].电子世界,2018(24):46-47.

[30]何蓉蓉. 低信噪比环境下语音信号端点检测算法[D].山东大学,2018.

[31]李琪. 基于深度学习的音频场景识别方法研究[D].西安电子科技大学,2018.

[32]范简. 基于Matlab的话者识别软件设计[D].湖南大学,2016.

[33]国维. K-means算法在选课系统中的应用研究[D].长春师范大学,2018.

[34]Wenyu Xing,Na Deng,Binjie Xin,Yang Chen,Zhengye Zhang. Investigation of a novel automatic micro image-based method for the recognition of animal fibers based on Wavelet and Markov Random Field[J]. Micron,2019,119.

[35]余涛. 基于SVM和BP神经网络的短时交通流预测与实现[D].南京邮电大学,2018.

[36]赵淑芳,董小雨.基于改进的LSTM深度神经网络语音识别研究[J/OL].郑州大学学报(工学版),2018(05):63-67[2018-08-31].

[37]侯秀颖. 基于BP神经网络模型的HL项目采购供应商评选研究[D].华南理工大学,2018.

[38]Yingqi Peng,Naoshi Kondo,Tateshi Fujiura,Tetsuhito Suzuki,Wulandari,Hidetsugu Yoshioka,Erina Itoyama. Classification of multiple cattle behavior patterns using a recurrent neural network with long short-term memory and inertial measurement units[J]. Computers and Electronics in Agriculture,2019,157.

[39]郑伟民,叶承晋,张曼颖,王蕾,孙可,丁一.基于Softmax概率分类器的数据驱动空间负荷预测[J/OL].电力系统自动化:1-8[2019-03-18].

[40]廖干洲,曾霞.深度学习在模式识别中的应用[J].数字技术与应用,2018,36(02):229-230

中图分类号:

 TN912.34    

馆藏号:

 TN912.34/3735/2019    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式