CN204359750U - 一种快速无损水果质地的检测装置 - Google Patents
一种快速无损水果质地的检测装置 Download PDFInfo
- Publication number
- CN204359750U CN204359750U CN201520007209.0U CN201520007209U CN204359750U CN 204359750 U CN204359750 U CN 204359750U CN 201520007209 U CN201520007209 U CN 201520007209U CN 204359750 U CN204359750 U CN 204359750U
- Authority
- CN
- China
- Prior art keywords
- fruit
- expanding table
- acceleration transducer
- controller
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本实用新型公开了一种快速无损水果质地的检测装置。振动控制器的输出端经功率放大器与振动发生机连接,振动发生机与扩展台刚性连接,扩展台上固定安装有IEPE加速度传感器,水果放置在扩展台上,IEPE加速度传感器与振动控制器连接,激光探测头安装在三脚架上,激光探测头的激光束垂直于扩展台面并投射到水果上表面顶部处,数据采集卡的两路输入端分别与激光多普勒测振控制器和IEPE加速度传感器的输出端连接,数据采集卡与数据存储模块连接。本实用新型通过采用冲击振动的方式,大大缩短了激光多普勒测振技术用于检测水果质地的时间;同时,采用多振动特征参数结合水果质量和果形作为预测模型的输入参数,提高了模型的预测精度和适应性。
Description
技术领域
本实用新型涉及一种水果检测装置,尤其涉及一种快速无损水果质地的检测装置。
背景技术
我国是一个农业大国,每年水果产量巨大,但是由于水果产后的检测与分级技术仍然比较落后,因此水果的出口率依然很低。同时,随着我国的发展,人民生活水平不断提高,人们对水果的内部品质要求也越来越高。质地作为评判水果口感和成熟度的一项关键指标,被广泛运用在了水果种植、采后保存、采后加工以及食用评估等方面。
传统的水果质地检测方法采用的是穿刺法,其主要步骤是采用一个手持式硬度计,将压头插入果实一定的深度,该过程中最大的力则记为果实的硬度。但是,该方法存在不易校准、受人为因素影响大、不可重复并且是有损检测等缺点,因此我们需要找到一种快速无损检测的方式来实现水果质地的检测。声学振动法是目前最常用且有效的水果质地无损检测方法之一。
在声学振动法中,检测振动的传感器包括接触式传感器和非接触式传感器。接触式传感器由于会影响被测物体的自由振动而无法准确测量水果的振动特性。非接触式传感器主要包括了麦克风和激光多普勒传感器。但是,麦克风的缺点在于容易受环境噪声的影响,应用局限性较大。激光多普勒测振技术作为一种光学的检测方式,具有不影响被测物体自由振动和不受环境噪声影响等独到的优势,因此十分适合用于声学振动法检测水果的质地。现有的基于激光多普勒测振检测水果质地的技术中,均是采用扫频信号作为水果的激励信号,该方式的缺点是检测速度慢,频率需要逐渐增大或减小以寻找水果的共振频率,因此无法满足在线检测或者消费者现场使用的需求。
实用新型内容
为了解决现有激光多普勒测振技术用于水果质地检测耗时的问题,本实用新型目的在于提供一种快速无损水果质地的检测装置,基于激光多普勒测振技术,采用冲击振动的方式用于快速获取水果的振动信息,同时结合相应的信号处理方法和化学计量学方法,建立水果的质地预测模型,实现水果质地的快速无损检测。
本实用新型采用的技术方案是:
本实用新型包括信号发生器、振动控制器、功率放大器、振动发生机、扩展台和IEPE加速度传感器、激光多普勒测振模块、数据采集卡和三脚架;振动控制器与信号发生器连接,振动控制器的输出端经功率放大器与振动发生机连接,振动发生机与扩展台刚性连接,扩展台上固定安装有IEPE加速度传感器,水果放置在扩展台上,IEPE加速度传感器与振动控制器连接,激光多普勒测振模块由激光探测头以及与激光探测头连接的激光多普勒测振控制器组成;激光探测头竖直向下安装在三脚架上,激光探测头的激光束垂直于扩展台面并投射到水果上表面顶部处,数据采集卡的两路输入端分别与激光多普勒测振控制器和IEPE加速度传感器的输出端连接,数据采集卡的输出端与数据存储模块连接。
所述的激光探测头的聚焦镜头与水果上表面顶部的垂直距离大于激光探测头最小工作距离。
所述的信号发生器发出激励信号至振动控制器,并经功率放大器放大后控制振动发生机工作,该激励信号是脉冲信号。
与背景技术相比,本实用新型具有的有益效果是:
本实用新型通过采用冲击振动的方式,大大缩短了激光多普勒测振技术用于检测水果质地的时间;同时,采用多振动特征参数结合水果质量和果形作为预测模型的输入参数,提高了模型的预测精度和适应性。
附图说明
图1是本实用新型的方法流程图。
图2是本实用新型的装置结构示意图。
图3是本实用新型实施例中一个激励梨振动的典型半正弦脉冲信号。
图4是本实用新型实施例中一个典型的梨振动响应信号。
图中:1、信号发生器;2、振动控制器;3、功率放大器;4、振动发生机;5、扩展台;6、IEPE加速度传感器;7、水果;8、激光探测头;9、激光多普勒测振控制器;10、数据采集卡;11、数据存储模块。
具体实施方式
下面结合附图和实施例对本实用新型作进一步说明。
如图2所示,本实用新型装置包括振动控制系统和振动信号采集系统,具体包括信号发生器1、振动控制器2、功率放大器3、振动发生机4、扩展台5和IEPE加速度传感器6、激光多普勒测振模块、数据采集卡10和三脚架;振动控制器2与信号发生器1连接,振动控制器2的输出端经功率放大器3与振动发生机4连接,振动发生机4与扩展台5刚性连接,扩展台5上固定安装有IEPE加速度传感器6,水果放置在扩展台5上,IEPE加速度传感器6与振动控制器4连接,激光多普勒测振模块由激光探测头8以及与激光探测头连接的激光多普勒测振控制器9组成;激光探测头8竖直向下安装在三脚架上,激光探测头8的激光束垂直于扩展台面并投射到水果上表面顶部处,数据采集卡10的两路输入端分别与激光多普勒测振控制器9和IEPE加速度传感器6的输出端连接,数据采集卡10的输出端与数据存储模块11连接。
激光探测头8的聚焦镜头与水果上表面顶部的垂直距离大于激光探测头8最小工作距离。
信号发生器1发出激励信号至振动控制器2,并经功率放大器3放大后控制振动发生机4工作,该激励信号是脉冲信号。
如图1所示,本实用新型装置的检测过程包括以下步骤:
步骤1)采集建模样品集:选择与待测水果同一批次的同种水果作为试验样本,试验样本的水果依次采用以下所有步骤进行测量;
步骤2)测定质量m:用电子天平逐一称重;
步骤3)测定果形系数SI:分别沿水果赤道和“果梗-果萼”方向均匀间隔120°测量水果的直径d和高h各3次,取平均值作为水果的直径和高,用高和直径的比值作为果形系数SI:
步骤4)采集振动响应信号:将各个水果置于振动台中心位置,振动台在激励信号的控制下进行振动,用激光多普勒测振仪测量得到水果的振动响应数据;
该激励信号指由信号发生器发出通过振动控制器输出,并经功率放大器放大后控制振动发生机工作的信号,该激励信号是脉冲信号。
用激光多普勒测振仪测量水果的振动响应信号的具体方式为:激光探头竖直向下固定于三脚架上,调节激光探测头使激光束聚焦于水果上表面顶部,反射回的激光由激光探测头接收,经激光多普勒测振控制器处理后获得水果的振动响应数据。
步骤5)提取振动特征参数:采集到的振动响应数据进行快速傅里叶变换处理,得到时域数据和频域数据,分别对时域数据和频域数据提取振动特征参数;
步骤6)振动特征参数降维:采用数据降维方法,把从步骤6)提取得到的振动特征参数进行降维,得到降维后的振动参数;
步骤7)测定质地指标值:对试验样本的水果,利用质构仪并采用质地测试方法,在水果赤道处均匀选取a个待测点,相邻待测点之间的间隔为360/a度,其中a=2~4,测量各个待测点的质地指标,将所有待测点的质地指标的平均值作为试验样本的质地指标值;
步骤8)建立质地预测模型:将上述试验样本由步骤2)得到的质量m、步骤3)得到的果形系数SI和步骤6)得到降维后的振动参数作为输入参数,质地指标值作为输出参数,采用化学计量学方法建立用于预测质地指标的质地预测模型;
步骤9)将待测水果依次进行步骤2)~步骤6)得到质量m、果形系数SI和降维后的振动参数,然后输入质地预测模型得到待测水果对应的质地指标值,完成快速无损检测。
步骤1)中的试验样本包括至少30个水果。
本实用新型装置中,振动控制和振动信号采集均采用同一个IEPE加速度传感器,IEPE加速度传感器可用安装螺钉固定在扩展台上,输出信号经三通同轴电缆分接头一分为二,一路与振动控制器连接,一路与数据采集卡连接。
本实用新型的实施例及实施工作过程如下:
本实用新型对水果质地的检测具有通用性,以梨为例,介绍本实用新型无损检测梨质地的实施过程,其它水果可参照该实施例的方法,建立相应的质地预测模型,即可对不同水果的质地进行无损检测。
首先搭建检测装置:
振动控制系统:功率放大器3可采用PA-1200,振动发生机4可采用ES-05,IEPE加速度传感器6可采用Endevco 752A12,扩展台5通过以圆周阵列形式均布的6个螺钉刚性地连接在振动发生机4上,振动控制器2的输出端经功率放大器3与振动发生机4连接;
振动信号采集系统:数据采集卡11的型号可采用NI USB-4431,激光探测头8可采用LV-S01,激光探测头8竖直向下安放在三脚架上,激光束垂直于扩展台面投射在水果7上表面顶点处,聚焦镜头与水果7上表面顶点的垂直距离大于激光探测头8最小工作距离40cm,数据采集卡10的两路输入端分别与激光多普勒测振控制器9和IEPE加速度传感器6的输出端连接,数据采集卡10的输出端与信号采集模块11连接;
信号发生器1发出半正弦脉冲信号至振动控制器2,并经功率放大器3放大后激励振动发生机4工作,放置在扩展台5上的水果7随之振动,同时IEPE加速度传感器6将测得的实际振动加速度信号反馈给振动控制器2形成闭环控制;激光多普勒测振模块测得的水果振动速度信号送到数据采集卡10的通道2,IEPE加速度传感器6测得的扩展台5振动加速度信号送到数据采集卡10的通道1;最后由数据采集卡10将采集到的两路振动信号送至数据存储模块保存。
本实用新型方法的实施例具体如下:
1、采集建模样品集
挑选同一批次的丰水梨121个,其中包括试验样本和待测样本,试验样本用于建立质地预测模型,待测样本用于验证质地预测模型。将所有挑选的丰水梨依次进行步骤2~步骤7。
2、测定质量m
用电子天平对丰水梨逐一称重。
3、测定果形系数SI
分别沿水果赤道和“果梗-果萼”方向均匀间隔120°测量水果的直径d和高h各3次,取平均值作为被测样本的直径和高用高和直径的比值作为丰水梨的果形系数SI:
挑选的121个丰水梨的质量与果形的统计信息如表1所示。
表1丰水梨的质量与果形(n=121)
质量(m,g) | 高(h,mm) | 直径(d,mm) | 果形系数(SI) | |
平均值 | 313.65 | 86.15 | 72.61 | 0.84 |
最大值 | 417.33 | 94.64 | 83.74 | 0.97 |
最小值 | 246.85 | 79.01 | 65.26 | 0.78 |
标准差 | 33.37 | 3.20 | 3.32 | 0.03 |
4、采集振动响应信号
信号发生器1发出半正弦脉冲信号至振动控制器2,并经功率放大器3放大后控制振动发生机4工作。激励信号是半正弦脉冲信号,脉冲幅值为2g,脉冲宽度11ms,如图3所示。丰水梨置于振动扩展台5的中心位置,振动扩展台5在激励信号的控制下进行振动。激光探测头8竖直向下固定于三脚架上,调节激光探测头8,使激光束聚焦于丰水梨上表面顶部,反射回的激光由激光探测头8接收,经激光多普勒测振控制器9处理后获得丰水梨上表面振动响应数据,如图4所示。激光多普勒测振仪采集到的振动响应数据通过数据采集卡10采集并送至数据存储模块11保存。采样频率为5120Hz。
5、提取振动特征参数
采集到的振动响应数据进行快速傅里叶变换处理,分别对时域数据和频域数据提取振动特征参数。
其中,时域特征参数包括平均值、方差、最大值、最小值、信号持续时间、整流平均值、波形面积、均方根、偏度、峰度、峰峰值、峰值因子、脉冲因子、波形因子和裕度因子,频域特征参数包括0-20,20-40,40-80,80-160,160-320,320-640,640-1280和1280-2560Hz的8个频率段对应的幅频响应曲线面积。
6、振动特征参数降维
采用主成分分析法,把从步骤6)提取的振动特征参数进行主成分提取,前10个主成分的累计方差贡献率如表2所示。最终,提取前6个主成分(累计方差贡献率为86.06%);
表2振动特征参数前10个主成分的累计方差贡献率
主成分个数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
累计方差贡献率(%) | 35.29 | 58.08 | 70.20 | 76.75 | 82.26 | 86.06 | 89.49 | 92.25 | 94.29 | 96.21 |
7、测定质地指标值
进行穿刺试验,在水果赤道处均匀选取4个待测点,点与点之间间隔90度,将4个点的质地指标的平均值作为被测样本的质地指标值。在所选待测点处,用直径为5mm的圆柱形探头以1mm/s的速度压入果肉8mm,得到该点的“力-位移”曲线。质地指标选择为破裂点后力的平均值,即果肉硬度。
8、建立质地预测模型
将121个丰水梨样本按果肉硬度大小进行排序,其中果肉硬度最大值和最小值的样本作为校正集样本(试验样本),其余样本按顺序每4个选一个作为验证集样本(待测样本),其它作为校正集样本。校正集和验证集的果肉硬度统计值如表3所示。
表3校正集与验证集样本的果肉硬度指标统计值
样本集 | 样本数量 | 果肉硬度范围(N) | 果肉硬度均值(N) | 果肉硬度标准差(N) |
校正集 | 91 | 7.91-16.55 | 12.59 | 1.76 |
验证集 | 30 | 8.40-15.73 | 12.57 | 1.72 |
基于校正集采用BP神经网络建立质地预测模型。输入层节点为步骤2)得到的质量m,步骤3)得到的果形系数SI和步骤7)得到6个主成分,输出层节点为果肉硬度,隐含层为一层并通过调整隐含层的节点数来优化网络结构。各层采用S型(Sigmoid)传递函数。以训练误差和预测误差最小为原则,通过多次试算,得到当隐含层为5个节点时,训练误差和预测误差均较小。
基于验证集对质地预测模型进行验证。将待测样本的质量m、果形系数SI和降维后的振动参数输入质地预测模型,得到待测水果对应的质地指标值,并与通过步骤7实测得到的质地指标值进行比较。
BP神经网络对丰水梨果肉硬度的建模结果见表4。建模结果表明,该方法能够用于丰水梨果肉硬度的无损检测。同时,输入层节点加入质量和果形系数后,预测结果有了明显的提升:校正集中果肉硬度预测值与实际值的相关系数r从0.833上升至0.855,校正均方根误差RMSEC从0.976N下降至0.919N;验证集中相关系数r从0.794上升至0.840,预测均方根误差RMSEP从1.253N降低至0.959N。
表4BP神经网络对丰水梨果肉硬度的建模结果
由此,本实用新型通过采用冲击振动的方式,缩短了激光多普勒测振技术用于检测水果质地的时间;同时,采用多振动特征参数结合水果质量和果形作为预测模型的输入参数,提高了模型的预测精度和适应性,具有显著的技术效果。
上述具体实施方式用来解释说明本实用新型,而不是对本实用新型进行限制,在本实用新型的精神和权利要求的保护范围内,对本实用新型作出的任何修改和改变,都落入本实用新型的保护范围。
Claims (3)
1. 一种快速无损水果质地的检测装置,其特征在于:包括信号发生器(1)、振动控制器(2)、功率放大器(3)、振动发生机(4)、扩展台(5)和IEPE加速度传感器(6)、激光多普勒测振模块、数据采集卡(10)和三脚架;振动控制器(2)与信号发生器(1)连接,振动控制器(2)的输出端经功率放大器(3)与振动发生机(4)连接,振动发生机(4)与扩展台(5)刚性连接,扩展台(5)上固定安装有IEPE加速度传感器(6),水果放置在扩展台(5)上,IEPE加速度传感器(6)与振动控制器(4)连接,激光多普勒测振模块由激光探测头(8)以及与激光探测头连接的激光多普勒测振控制器(9)组成;激光探测头(8)竖直向下安装在三脚架上,激光探测头(8)的激光束垂直于扩展台面并投射到水果上表面顶部处,数据采集卡(10)的两路输入端分别与激光多普勒测振控制器(9)和IEPE加速度传感器(6)的输出端连接,数据采集卡(10)的输出端与数据存储模块(11)连接。
2. 根据权利要求1所述的一种快速无损水果质地的检测装置,其特征在于:所述的激光探测头(8)的聚焦镜头与水果上表面顶部的垂直距离大于激光探测头(8)最小工作距离。
3. 根据权利要求1所述的一种快速无损水果质地的检测装置,其特征在于:所述的信号发生器(1)发出激励信号至振动控制器(2),并经功率放大器(3)放大后控制振动发生机(4)工作,该激励信号是脉冲信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520007209.0U CN204359750U (zh) | 2015-01-04 | 2015-01-04 | 一种快速无损水果质地的检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520007209.0U CN204359750U (zh) | 2015-01-04 | 2015-01-04 | 一种快速无损水果质地的检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN204359750U true CN204359750U (zh) | 2015-05-27 |
Family
ID=53261214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201520007209.0U Active CN204359750U (zh) | 2015-01-04 | 2015-01-04 | 一种快速无损水果质地的检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN204359750U (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104569154A (zh) * | 2015-01-04 | 2015-04-29 | 浙江大学 | 快速无损水果质地的检测方法及装置 |
CN105403625A (zh) * | 2015-12-05 | 2016-03-16 | 浙江大学 | 便携式水果成熟度检测装置 |
CN106951912A (zh) * | 2017-02-15 | 2017-07-14 | 海尔优家智能科技(北京)有限公司 | 一种果蔬外观变化识别模型的建立方法和识别方法 |
CN110865158A (zh) * | 2019-12-10 | 2020-03-06 | 浙江大学 | 水果内部品质无损检测装置及方法 |
CN111855800A (zh) * | 2020-07-17 | 2020-10-30 | 西南科技大学 | 声学振动快速无损测定水果货架期或最佳食用期的方法 |
-
2015
- 2015-01-04 CN CN201520007209.0U patent/CN204359750U/zh active Active
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104569154A (zh) * | 2015-01-04 | 2015-04-29 | 浙江大学 | 快速无损水果质地的检测方法及装置 |
CN104569154B (zh) * | 2015-01-04 | 2017-06-13 | 浙江大学 | 快速无损水果质地的检测方法及装置 |
CN105403625A (zh) * | 2015-12-05 | 2016-03-16 | 浙江大学 | 便携式水果成熟度检测装置 |
CN106951912A (zh) * | 2017-02-15 | 2017-07-14 | 海尔优家智能科技(北京)有限公司 | 一种果蔬外观变化识别模型的建立方法和识别方法 |
CN106951912B (zh) * | 2017-02-15 | 2019-11-08 | 海尔优家智能科技(北京)有限公司 | 一种果蔬外观变化识别模型的建立方法和识别方法 |
CN110865158A (zh) * | 2019-12-10 | 2020-03-06 | 浙江大学 | 水果内部品质无损检测装置及方法 |
CN110865158B (zh) * | 2019-12-10 | 2023-08-18 | 浙江大学 | 水果内部品质无损检测装置及方法 |
CN111855800A (zh) * | 2020-07-17 | 2020-10-30 | 西南科技大学 | 声学振动快速无损测定水果货架期或最佳食用期的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104569154B (zh) | 快速无损水果质地的检测方法及装置 | |
CN204359750U (zh) | 一种快速无损水果质地的检测装置 | |
CN203133033U (zh) | 一种基于激光多普勒测振的水果硬度无损检测装置 | |
EP1793225B1 (en) | Internal tree nondestructive inspection method and apparatus using acoustic tomography | |
Mao et al. | Firmness prediction and modeling by optimizing acoustic device for watermelons | |
CN103175895A (zh) | 基于激光多普勒测振的水果硬度无损检测方法及装置 | |
CN101846594A (zh) | 基于波束形成声像模式识别的故障检测装置及其检测方法 | |
CN109932333B (zh) | 声学振动和近红外光谱融合的水果坚实度测量系统和方法 | |
CN103713051B (zh) | 一种球形水果质地预测模型的建模方法 | |
Ding et al. | Acoustic vibration technology: Toward a promising fruit quality detection method | |
CN111811617B (zh) | 一种基于短时傅里叶变换和卷积神经网络的液位预测方法 | |
CN105675720B (zh) | 一种水果坚实度信息在线采集系统和方法 | |
CN104316277B (zh) | 基于声检测与盲信号分离的气密性监测方法 | |
CN105699491A (zh) | 一种水果坚实度在线无损检测装置及检测方法 | |
CN103852523A (zh) | 基于声发射技术判别预应力混凝土梁结构损伤类型的系统及方法 | |
Hou et al. | Prediction of firmness and pH for “golden delicious” apple based on elasticity index from modal analysis | |
Tian et al. | Firmness measurement of kiwifruit using a self-designed device based on acoustic vibration technology | |
CN106949861A (zh) | 一种非线性超声在线监测金属材料应变变化的方法 | |
CN107703161A (zh) | 一种冲击应力波检测系统 | |
Nourain et al. | Firmness evaluation of melon using its vibration characteristic and finite element analysis | |
CN108593769B (zh) | 利用多通道控制弹性波的归一化信号激振无损检测方法 | |
Wang et al. | Acoustic impulse response for measuring the firmness of mandarin during storage | |
WO2023138247A1 (zh) | 一种水果内部缺陷的无损检测系统和方法 | |
CN207794158U (zh) | 一种基于震动响应的桩基检测设备 | |
CN205720100U (zh) | 一种水果坚实度在线无损检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |