禽蛋裂纹在线检测系统研究

孙 力，朱叶茗，顾 颢，袁雷明，许登程

(1.江苏大学食品与生物工程学院，江苏镇江212013;2.江苏省农产品物理加工重点实验室，江苏镇江212013;3.江苏大学机械工程学院，江苏镇江212013)

蛋壳裂纹检测是禽蛋品质的一项重要指标.蛋壳裂纹大多出现在禽蛋生产、运输和销售过程中;一旦蛋壳出现裂纹，细菌极易侵入禽蛋并快速繁殖，引起禽蛋腐败、变质，渗出蛋清也会污染其他禽蛋［1］.因此，禽蛋蛋壳裂纹检测是禽蛋生产、经营、加工过程中的重要环节.

从振动力学角度看，当禽蛋的蛋壳强度发生变化时，其结构刚度和阻尼系数将随之变化，必然会反映到其模态固有频率和阻尼比上［2-3］，国内外学者［4-8］采用数字信号处理与模式识别相结合的方法对禽蛋蛋壳声学响应信号进行分析，并证明利用该方法可有效地检测蛋壳裂纹.在实验室研究基础上，以微处理器为核心部件的在线检测系统也得到了深入的研究［9-12］，并分析了生产线速度、敲击力度、敲击点、禽蛋质量等因素对响应信号的影响，通过频谱分析提取特征参数，并建立相应的判别模型，其判别率可高于90%.但该在线检测平台存在一定的局限性，如集成化程度不高、存在大量外部处理电路，影响信号的稳定性与一致性等.

文中拟采用TMS320C5509A(5509A)为主处理器，简化音频信号的采集与调理过程，减少信号干扰环节，并对自动敲击模块与上下位机通讯模块进行优化，使系统更贴近于自动化与工业化，然后以鸡蛋为例验证系统的稳定性与可靠性.

1 禽蛋裂纹在线检测系统设计

禽蛋蛋壳质量在线检测装置如图1所示，主要包括有敲击信号控制模块、声学信号采集与分析模块及判别信号综合模块.其中，敲击信号控制模块以单片机为主处理器，通过采集红外光电开关与电容接近开关信号，根据生产线速度宏观控制DSP触发信号的发送;声学信号采集与分析模块以5509A为主处理器，主要负责控制电机敲击、音频信号的采集与分析，最后根据所建模型判别禽蛋蛋壳质量;判别信号综合模块以TMS320F2812为主处理器，主要综合多路音频信号判别结果，对同一禽蛋不同敲击工位的结果进行综合判断，实现生产线信号的实时通讯，并将综合结果以串口通讯的方式传送至上位机，实现人机互动.

图1 禽蛋蛋壳质量检测系统结构示意图

1.1 敲击信号控制模块

为节省资源以及满足工业化生产的需要，且能根据生产线速度自适应调整，该系统中采用红外光电开关(OA-D3224PA)与单片机外部中断0相连以实时检测禽蛋信号;电容式传感器(IZM8-F04NB-Y1L2/C35)与单片机外部中断1相连，结合定时器测定相邻两链轮销轴之间的时间间隔，并以此推算当前生产线速度;单片机根据外部输入信号与预设的位置参数，定时通过软件系统向各路5509A发送敲击命令信号，实现禽蛋到达检测工位时进行自动敲击.

1.2 信号采集与分析模块设计

该模块主要包括有DSP主处理器、电机驱动电路和敲击装置，实现电机敲击命令的发送、音频信号的采集与筛选、敲击响应信号的分析与处理、特征的提取与分析、结果的判别与输出.设计中5509A采样频率为8 kHz，采样点数为256，数据采样位数为16.

当5509A接收到外部触发信号后，进入中断服务程序，控制电机执行敲击，同时打开定时器0，控制敲击执行时间为30 ms;对音频信号进行采集，并采用音频信号端点检测程序检测所采集的信号是否属于端点信号;端点检测采用了短时能量与阈值相结合的方法，当最新10个采样点幅值之和大于设定的能量阈值，且当前采样点的信号幅值也大于设定阈值时，则认为该点为音频信号的起始点;音频信号采集过程中设置了看门狗定时器，当所采集的信号在100 ms内无法获取端点信息，则认定此次音频采集失败，对DSP进行复位处理;当检测到音频信号端点后对所采集的音频信号进行保存，直至采样点数为256;对音频信号进行分析并提取特征信号;所提取的特征信号经判别模型判别鸡蛋表面是否存在裂纹;将结果通过GPIO口输出至上位机，设置结果信号输出为20 ms;对当前鸡蛋信号分析结束后，将所有的参数及相应模块进行复位处理.经软件测试，从5509A接收触发信号到判别信号输出总耗时约为185 ms.

1.3 判别信号综合模块

该模块主要由DSP(TMS320F2812)和上位机组成，采用串口通讯的方式实现数据传输.设计中TMS320F2812对5509A及单片机I/O输出信号进行检测，采用队列的形式综合判断不同工位是否执行敲击以及信号判别信号输出，并将判别信号通过串口通讯方式传送至上位机;上位机通将检测结果显示于人机界面，并通过数据库(SQLite)对数据进行存储和管理，其中上位机软件采用 VS2008+QT4.6编写而成.

2 信号采集与处理

2.1 信号的采集与分析

将被检鸡蛋水平放置于生产线，随着传送带的滚动前进，在到达敲击点时，敲击装置自动敲击，产生的敲击响应信号经拾音器捕获，并由5509A转化至数字信号，完好和裂纹鸡蛋敲击响应的时频信号如图2所示.

图2 鸡蛋敲击响应信号

相对于裂纹鸡蛋敲击响应信号，完好鸡蛋信号振荡幅度比较大，且振荡时间持续更久;完好鸡蛋敲击信号有较好的重复性，而裂纹鸡蛋信号无明显规律.所产生的信号特性与鸡蛋蛋壳品质相符，当鸡蛋表面出现裂纹后，结构刚度和阻尼系数将随之变化，当敲击点在裂纹部位时，声波信号的振荡必然会小于完好鸡蛋信号;而对于不同的裂纹，其破坏程度各不相同，所以产生的信号显得杂乱无章.

通过频谱分析可发现，除去低频段外，完好蛋敲击信号的功率谱存在2个共振峰(各频率分量的能量密度最大点)，且比较突出，共振峰的幅值明显高于其他频率下的功率谱幅值;而裂纹禽蛋信号所包含的频率范围较广，且其共振峰较为模糊.

2.2 特征参数提取

在特征提取与模型建立过程中，所采用的完好与裂纹鸡蛋数量均为200个，通过大量信号的时频特性分析，研究中提取了时域信号过零点数、频域信号(大于500 Hz)第1特征峰与第2特征峰各自对应的频段与幅值作为特征参数以区分2类鸡蛋敲击响应信号，并以误判率最小的原则对各个特征参数的阈值进行优化选择，并规定满足完好鸡蛋信号特征的数量大于或等于3时即可判别为完好鸡蛋，否则判别为裂纹鸡蛋.

3 试验结果及讨论

试验材料购买于杭州农工商超市，经人工肉眼仔细检查，挑选大小较为一致的完好鸡蛋500个作为完好鸡蛋样本;裂纹鸡蛋样本数量为400个，包括自然裂纹鸡蛋(即鸡蛋在运输过程中产生的裂纹)和人工裂纹鸡蛋(即人为敲击使蛋壳出现裂纹)，其数量分别为30和270个，其中人工裂纹鸡蛋中随机挑选了30个进行裂纹长度的测量，其平均长度为15.6 mm，最大长度为 27.0 mm，最小长度为6.0 mm.所有样品鸡蛋通过前端上料装置滚动进入蛋壳裂纹检测区间，每枚鸡蛋通过16路裂纹检测工位重复敲击.

基于上述装置与特征参数，各工位建立了与之相对应的判别模型用于鸡蛋裂纹在线检测.在线试验结果如表1所示，所设计的禽蛋裂纹在线检测装置对完好鸡蛋与裂纹鸡蛋有较高的区分度.对比2次重复试验结果，判别结果稳定可靠，对于完好鸡蛋的识别率接近于100%，其主要原因是完好鸡蛋敲击响应信号稳定，虽存在个体差异，但其特征比较接近.由于自然裂纹较大，其判别结果高于人工裂纹，经观察，误判鸡蛋的裂纹大部分位于小头部位，检测时未敲击到裂纹周边.人工裂纹的识别率略低于90%，其识别率与敲击位置和裂纹大小相关.

表1 完好和裂纹鸡蛋在线判别结果

4 结论

自行设计了一套基于声学特性的禽蛋裂纹检测装置，通过单片机、DSP和上位机的协调工作，实现了受检鸡蛋的自动敲击、信号采集、处理与分析与上位机人机界面互动，并建立了裂纹鸡蛋判别模型，其检测速度能达到4个·s-1，在线检测试验表明，该装置对于鸡蛋的裂纹检测率可达90%，接近于实际应用需求.在后续研究中，将充分考虑不同检测工位之间信号的一致性、生产线速度和鸡蛋大小等因素对响应信号影响，以实现高效、高速和高精度的禽蛋裂纹在线检测.

References)

［1］ Lin J，Puri V M，Anantheswaran R C.Measurement of eggshell thermal-mechanical properties［J］.Transactions oftheASAE，1995，38(6):1769-1776.

［2］ De Ketelaere B，Coucke P，De Baerdmaeker J.Eggshell crack detection based on acoustic resonance frequency analysis［J］.JournalofAgricultureEngineeringResearch，2000，76:157-163.

［3］ Pan Leiqing，Zhan Ge，Tu Kang，et al.Eggshell crack detection based on computer vision and acoustic response by means of back-propagation artificial neural network［J］.EurFoodResTechnol，2011，233:457-463.

［4］ Lin Hao，Zhao Jiewen，Chen Quansheng，et al.Eggshell crack detection based on acoustic impulse response and supervised pattern recognition［J］.CzechJFood Sci，2009，27(6):393-402.

［5］ Lin Hao，Zhao Jiewen，Chen Quansheng，et al.Eggshell crack detection based on acoustic response and support vector data description algorithm［J］.European FoodResearchandTechnology，2009，230(1):95-100.

［6］ Zhao Y，Wang J，Lu Q，et al.Pattern recognition of eggshell crack using PCA and LDA［J］.InnovativeFood Science＆EmergingTechnologies，2010，11(3):520-525.

［7］ 潘磊庆，屠 康，詹 歌，等.基于计算机视觉和声学响应信息融合的鸡蛋裂纹检测［J］.农业工程学报，2010，26(11):332-337.Pan Leiqing，Tu Kang，Zhan Ge，et al.Eggshell crack detection based on information fusion between computer vision and acoustic response［J］.Transactionsofthe ChineseSocietyofAgriculturalEngineering，2010，26(11):332-337.(in Chinese)

［8］ 梅劲华，王石泉，王树才.禽蛋破损在线检测自动敲击发声装置设计与试验［J］.农业工程学报，2011，27(9):334-338.Mei Jinhua，Wang Shiquan，Wang Shucai.Design and experiment of automatic knocking device for eggshell crack detection ［J］.TransactionsoftheChineseSociety ofAgriculturalEngineering，2011，27(9):334-338.(in Chinese)

［9］ 孙 力，蔡健荣，林 颢，等.基于声学特性的禽蛋裂纹实时在线检测系统［J］.农业机械学报，2011，42(5):183-186.Sun Li，Cai Jianrong，Lin Hao，et al.On-line detection of cracked shelleggs based on acoustic resonance analysis［J］.TransactionsoftheChineseSocietyforAgriculturalMachinery，2011，42(5):183-186.(in Chinese)

［10］ Sun L，Zhang SQ，Cai JR，et al.The application of DSP in eggshell quality online detection system［J］.AppliedMechanicsandMaterials，2011，43:68-71.

［11］ Sun Li，Bi Xiakun，Lin Hao，et al.On-line detection of eggshell crack based on acoustic resonance analysis［J］.JournalofFoodEngineering，2013，116:240-245.

［12］ Sun Li，Cai Jianrong，Lin Hao，et al.On-line estimation of eggshell strength based on acoustic impulse response analysis［J］.InnovativeFoodScienceandEmergingTechnologies，2013，18:220-225.