CN101419213A - 一种利用挥发物的禽蛋蛋壳裂纹检测装置及方法 - Google Patents

Abstract

本发明公开了一种利用挥发物的禽蛋蛋壳裂纹检测装置及方法，检测装置主要由计算机、活性碳过滤器、第一内置泵、贮气罐、气阀、盛料容器、转换开关、气敏传感器阵列、第二内置泵、数据采集器和A/D转换器组成。数据采集器采集气敏传感器阵列的响应信号，通过A/D转换器进行调理和转换后，送到计算机中，提取各传感器曲线中代表性的特征值；并以提取的特征值作为输入值，利用主成分分析和线性判别函数分析进行可视化区分；采用经典BP算法和基于遗传算法的BP神经网络进行模式识别。本发明排除人工作业时主观因素干扰，克服破坏检测的缺点，可以无损、准确地实现禽蛋细小裂纹的无损检测。

Description

一种利用挥发物的禽蛋蛋壳裂纹检测装置及方法

技术领域

本发明涉及一种禽蛋蛋壳裂纹检测技术，特别地，涉及一种利用挥发物的禽蛋蛋壳裂纹检测装置及方法。

背景技术

由于蛋壳薄且易破碎，一旦破碎，细菌会很快侵入和繁殖，引起禽蛋的腐败、变质。因此禽蛋的破损检测是禽蛋生产、经营和加工中的重要环节之一。据报道，我国每年收购的禽蛋由于腐败变质所造成的损失约占收购量的10-15％以上。因此对禽蛋的裂纹检测十分必要。

目前，国内外工业生产中主要依靠人工在灯光下剔除污斑蛋，通过观察和转动互碰禽蛋，听蛋壳发出的声音来识别、剔除破损禽蛋。这类方法不仅劳动强度大，生产效率低，人为破损量大，而且检测精度易受人工注意力、体力、经验和工作态度的影响而得不到根本保证。特别是对于细小裂纹，很难检测出。

发明内容

本发明的目的是克服现有技术的缺陷，提供一种利用挥发物的禽蛋蛋壳裂纹检测装置及方法

本发明的目的通过以下方法实现的：

一种利用挥发物的禽蛋蛋壳裂纹检测装置，它主要由计算机、活性碳过滤器、第一内置泵、贮气罐、气阀、盛料容器、转换开关、气敏传感器阵列、第二内置泵、数据采集器和A/D转换器组成。其中，所述活性碳过滤器、第一内置泵、贮气罐、转换开关、气敏传感器阵列、第二内置泵依次相连，盛料容器与转换开关相连；所述贮气罐、盛料容6与转换开关8之间均设有气阀；数据采集器与气敏传感器阵列相连，数据采集器、A/D转换器和计算机依次相连。

一种应用上述利用挥发物的禽蛋蛋壳裂纹检测装置的检测方法，包括以下步骤：

(1)将待测禽蛋盛放在普通容器内，用保鲜膜密封后置于室温一定时间，然后去除保鲜膜，放入盛料容器；

(2)启动第一内置泵，将经活性碳过滤器过滤后的洁净空气送入贮气罐，启动第二内置泵，使洁净空气清洗气敏传感器阵列，然后转换开关转至气敏传感器阵列与盛料容器相通，待测；

(3)第二内置泵将盛料容器顶空气体吸至气敏传感器阵列，气敏传感器吸附样品气体后，产生响应，并输出响应信号；检测后，转换开关转至气敏传感器阵列与贮气罐相通，第二内置泵吸气清洗气敏传感器气敏传感器阵列，并等待下次检测；

(4)数据采集器采集气敏传感器阵列的响应信号，通过A/D转换器进行调理和转换后，送到计算机中；

(5)提取各传感器曲线中代表性的特征值；

(6)以提取的特征值作为输入值，利用主成分分析和线性判别函数分析进行可视化区分；

(7)以提取的特征值作为输入值，采用经典BP算法和基于遗传算法的BP神经网络进行模式识别。

本发明的有益效果是：本发明排除人工作业时主观因素干扰，克服破坏检测的缺点，可以无损、准确地实现禽蛋细小裂纹的无损检测。

附图说明

图1为本发明利用挥发物的禽蛋蛋壳裂纹检测装置的结构示意图；

图2为各个传感器对存放一周后鸡蛋挥发物的响应图，其中，(a)为完好蛋，(b)为裂纹蛋；

图3为存放一周后鸡蛋有无裂纹的区分结果图；

图4为存放二周后鸡蛋有无裂纹的区分结果图；

图中，1、计算机，2、活性碳过滤器，3、第一内置泵，4、贮气罐，5、气阀，6、盛料容器，7、鸡蛋，8、转换开关，9、气敏传感器阵列，10、第二内置泵，11、数据采集器，12、A/D转换器。

具体实施方式

本发明的基本原理是利用细小裂纹容易产生的挥发物的原理来进行无损检测。鸡蛋蛋壳表面和蛋膜均有气孔，禽蛋蛋壳有细小裂纹后禽蛋内部物质更容易通过蛋膜和裂纹挥发出来。基于这种禽蛋挥发物，利用本发明能很好地实现禽蛋细小裂纹的无损检测。

本发明的利用挥发物的禽蛋蛋壳裂纹检测装置主要由计算机1、活性碳过滤器2、第一内置泵3、贮气罐4、气阀5、盛料容器6、转换开关8、气敏传感器阵列9、第二内置泵10、数据采集器11和A/D转换器12组成。其中，活性碳过滤器2、第一内置泵3、贮气罐4、转换开关8、气敏传感器阵列9、第二内置泵10依次相连，盛料容器6与转换开关8相连；贮气罐4、盛料容器6与转换开关8之间均设有气阀5，数据采集器11与气敏传感器阵列9相连，数据采集器11、A/D转换器12和计算机1依次相连。

第一内置泵3与活性碳过滤器2和贮气罐4相连接，通过第一内置泵3将经活性碳过滤器2后的洁净空气送入贮气罐4；转换开关8分别通过气阀5与盛料容器6和贮气罐4相连接，转至与盛料容器6联通时吸入待测气体，转至与贮气罐4联通时吸入洁净空气；第二内置泵10与气敏传感器阵列9的内腔联通，工作时将盛料容器6的顶空气体吸入；数据采集器11与气敏传感器阵列9相连接，将气敏传感器阵列9的响应信号采集；A/D转换器12连接在数据采集器11之后和计算机1之前，将数据采集器11采集信号进行调理和转换，并送到计算机1中等待处理分析。气敏传感器阵列9一般由6-8个气敏传感器组成。主要的传感器有：对氮氧化合物灵敏的传感器、对氨气灵敏的传感器、对烷烃灵敏的传感器、对硫化物灵敏的传感器、对有机硫化物灵敏的传感器等。

本发明利用挥发物的禽蛋蛋壳裂纹检测方法包括以下步骤：

1.将待测禽蛋盛放在普通容器内，用保鲜膜密封后置于室温一定时间，然后去除保鲜膜，放入盛料容器。

2.启动第一内置泵，将经活性碳过滤器过滤后的洁净空气送入贮气罐后，启动第二内置泵，使洁净空气清洗气敏传感器阵列一定时间(一般30s左右)，然后转换开关转至气敏传感器阵列与盛料容器相通，等待检测。

3.第二内置泵将盛料容器顶空气体吸至气敏传感器阵列，气敏传感器吸附样品气体后，产生响应，并输出响应信号。检测和采样时间为60-90s。转换开关转至气敏传感器阵列与贮气罐相通，第二内置泵吸气清洗气敏传感器气敏传感器阵列，并等待下个检测。

4.数据采集器采集气敏传感器阵列的响应信号，通过A/D转换器进行调理和转换后，送到计算机中等待分析。

5.提取各传感器曲线中代表性的特征值。

6.以提取的特征值作为输入值，利用主成分分析和线性判别函数分析进行可视化区分。

7.利用提取的特征值作为输入值，采用经典BP算法和基于遗传算法的BP神经网络进行模式识别。

所述的传感器响应表达为传感器接触到样品挥发物后的电阻与传感器在经过洁净空气时的电阻的比值。

各传感器曲线中提取4个值作为利用所提取的特征值，作为模式识别的参数和作为人工神经网络识别的输入特征值。采用了主成分分析、线性判别函数分析进行可视化区分；采用了经典BP算法和基于遗传算法的BP神经网络进行模式识别。

所述的气敏传感器阵列内传感器感器i响应值Si表达成：Si＝Ri/R0。Ri为传感器接触到样品挥发物后的电阻；R0为传感器在经过洁净空气时的电阻。所述的特征值提取，分别选择各个传感器第30s、第60s的响应值、60s内均值及各响应值中方差最大时刻的响应值，这样每次检测后每个传感器响应曲线上可以提取的特征值共有4个。

所述的主成分分析是将多个指标化为较少的几个综合指标的一种统计方法，可以分析各变量对分类作用的大小和性状变异的方向。所述的线性判别函数分析是对于满足类内样本点接近、类间样本点疏远性质的分析方法。

所述的经典BP算法，是典型的三层人工神经网络，包括输入层、输出层及隐层，对于网络的训练采用反向传播算法。所述的基于遗传算法的BP神经网络，是为了使算法能很快地找到满意解，可以先用遗传算法对初始权值进行优化，在解空间中定位出较好的搜索空间，然后用BP算法在这些小的解空间中搜索出最优解。

下面根据附图详细说明本发明，本发明的目的和效果将变得更加明显。

如图1所示，本发明的检测***由计算机1、活性碳过滤器2、第一内置泵3、贮气罐4、气阀5、盛料容器6、转换开关8、气敏传感器阵列9、第二内置泵10、数据采集器11、A/D转换器12等组成。其中，第一内置泵设置在传感器阵列之前(按气流方向)，主要是经第一活性碳过滤器后的洁净空气送入贮气罐。第二内置泵设置在传感器阵列之后，用于将样品气体和洁净空气的吸入。

本发明所研制的***由8个气敏传感器的阵列组成：W1C、W5S、W3C、W5C、W1S、W1W、W2W、W3S(都是德国AIRSENSE公司产生的气敏传感器)等。传感器的性能描述表1。

表1 传感器阵列

从养鸡场取得一批新鲜伊萨褐鸡蛋。在放大镜下观察精心挑选的无损壳蛋60只，然后根据实验需要将其中的30只人为设置成细小裂纹蛋。将所有实验用鸡蛋在4℃下冷藏，分别在1周后、2周后取出进行检测。

在检测前，在4℃下冷藏下取出的鸡蛋需先放在室温下4-5小时、待鸡蛋升温至室温后再进行实验。采用顶空实验法。实验时，将单个鸡蛋盛放在250mL烧瓶内，用保鲜膜密封后，置于22±1℃的室内，30min后进行电子鼻自动顶空取样。

在神经网络分析中，选取36个鸡蛋(其中18个为整蛋、18个为裂纹蛋)作为训练用，另外24个鸡蛋(12个完好蛋、12个裂纹蛋)作预测检验用。

***开机后，第一内置泵工作将是经第一活性碳过滤器后的洁净空气送入贮气罐。检测前，第二内置泵工作将干净空气清洗电子鼻内清洗传感器30秒时间，然后转换开关将自动打开进样气路，等待检测。检测时，第二内置泵开启将盛料容器顶空气体吸至传感器阵列腔中，气敏传感器吸附样品气体后，产生响应，***中输出响应信号。检测和采样时间为90s；检测后，根据设置转换开关自动转至洁净空气，进行吸气清洗气敏传感器，并等待一下个检测，清洗时间30秒。敏传感器吸附样品气体后，产生响应信号。经数据采集器11和A/D转换器12后送到计算机1等待数据分析。

如图2所示，气敏传感器阵列传感器对贮藏一周后有无裂纹鸡蛋挥发物的响应曲线。8条曲线代表8个传感器的响应。横坐标为采样时间，纵坐标为阵列的响应信号，是传感器接触到样品挥发物后的电阻R与传感器在经过洁净空气时的电阻R0的比值。从图中可以看出，电阻比刚开始较低，随着挥发物在传感器表面富集，传感器电阻比不断地增大，最后趋于平缓，达到一个稳定的状态。从图2a、b可以看出，随着完好鸡蛋与裂纹鸡蛋所对应传感器信号是不同的。图2a显示完好鸡蛋的响应信号，相对值低些，R/R₀大致在1.0-2.05之间；图2b显示裂纹鸡蛋的响应信号，相对值高，R/R₀大致在1.0-3.5之间。这表明利用气敏传感器阵列传感器信号进行模式识别来区分有无裂纹的鸡蛋有可行的。

各传感器曲线中分别选择各个传感器第30s、第60s的响应值、60s内均值及各响应值中方差最大时刻的响应值，这样每次检测后每个传感器响应曲线上可以提取的特征值共有4个。作为模式识别的参数和作为人工神经网络识别的输入特征值。

本实例中采用8个传感器第60s的响应值作为特征值进行分析。

如图3中所示，主成分分析、线性判别函数分析二者均能较好的区分存放一周后裂纹鸡蛋和完好蛋，二者区分时的聚集性也好于新鲜蛋的区分。如图4所示，采用主成分分析、线性判别函数分析均能很好的区分开存放两周后裂纹鸡蛋与完好的鸡蛋。

如表2所示，对存放一周后鸡蛋，二种神经网络的训练集回判正确率达到100％，说明训练有效。标准BP网络测试集的判别正确率达到91.7％，采用遗传优化神经网络的测试集的判别正确率达100％。遗传优化BP网络判别的效果优于标准BP网络判别。

表2 存放一周后鸡蛋有无裂纹的区分结果

如表3所示，对存放二周后，二种神经网络的训练集回判正确率达到100％，说明训练有效。标准BP网络测试集的判别正确率达到95.8％，采用遗传优化神经网络的测试集的判别正确率达100％。遗传优化BP网络判别的效果优于标准BP网络判别。

表3 存放二周后鸡蛋有无裂纹的区分结果

上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (2)

1、一种利用挥发物的禽蛋蛋壳裂纹检测装置，其特征在于，它主要由计算机、活性碳过滤器、第一内置泵、贮气罐、气阀、盛料容器、转换开关、气敏传感器阵列、第二内置泵、数据采集器和A/D转换器组成。其中，所述活性碳过滤器、第一内置泵、贮气罐、转换开关、气敏传感器阵列、第二内置泵依次相连，盛料容器与转换开关相连；所述贮气罐、盛料容6与转换开关8之间均设有气阀；数据采集器与气敏传感器阵列相连，数据采集器、A/D转换器和计算机依次相连。

2.一种应用权利要求1所述利用挥发物的禽蛋蛋壳裂纹检测装置的检测方法，其特征在于，包括以下步骤：

(1)将待测禽蛋盛放在普通容器内，用保鲜膜密封后置于室温一定时间，然后去除保鲜膜，放入盛料容器。

(2)启动第一内置泵，将经活性碳过滤器过滤后的洁净空气送入贮气罐，启动第二内置泵，使洁净空气清洗气敏传感器阵列，然后转换开关转至气敏传感器阵列与盛料容器相通，待测。

(3)第二内置泵将盛料容器顶空气体吸至气敏传感器阵列，气敏传感器吸附样品气体后，产生响应，并输出响应信号；检测后，转换开关转至气敏传感器阵列与贮气罐相通，第二内置泵吸气清洗气敏传感器气敏传感器阵列，并等待下次检测。

(4)数据采集器采集气敏传感器阵列的响应信号，通过A/D转换器进行调理和转换后，送到计算机中。

(5)提取各传感器曲线中代表性的特征值。

(6)以提取的特征值作为输入值，利用主成分分析和线性判别函数分析进行可视化区分。

(7)以提取的特征值作为输入值，采用经典BP算法和基于遗传算法的BP神经网络进行模式识别。

Images