基于Welch法功率谱和广义回归神经网络的禽蛋裂纹辨识

• 作者: 丁为民 丁天华 卢伟 张超 杜健健 赵贤林
• 来源期刊: 食品科学
• 学科: 工学
• 关键词: 禽蛋裂纹检测 磁致伸缩 Welch功率谱 主成分分析 广义回归神经网络
• 年，卷（期）: 2015,（14）
• 所属期刊栏目: 安全检测
• 页码范围: 156-160
• 页数: 5页
• 分类号: TP391.42
• 字数: 2933字
• 语种: 中文
• DOI: 10.7506/spkx1002-6630-201514030

摘要

为建立一种快速无损检测禽蛋裂纹的方法,构建了基于磁致伸缩振子扫频式振动的禽蛋裂纹检测系统.系统以声学特性为基础,通过利用Welch法功率谱分析禽蛋振动音频信号,利用主成分分析法提取特征向量中的有用信息并构建基于广义回归神经网络(generalized regression neural network,GRNN)的禽蛋裂纹检测模型.实验对290枚鸡蛋进行检测(训练集200枚,测试集90枚).结果表明,测试集中无损蛋与裂纹蛋的判别率分别达到96.7％和98.3％.研究表明,利用磁致伸缩振子扫频和Welch法功率谱分析,通过主成分分析法提取特征向量中的有用信息并结合GRNN模型检测禽蛋裂纹是可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁为民	南京农业大学工学院江苏省现代设施农业技术与装备工程实验室	225	3432	32.0	42.0
2	丁天华	南京农业大学工学院江苏省现代设施农业技术与装备工程实验室	2	18	2.0	2.0
3	卢伟	南京农业大学工学院江苏省现代设施农业技术与装备工程实验室	38	177	8.0	12.0
4	张超	南京农业大学工学院江苏省现代设施农业技术与装备工程实验室	20	153	9.0	12.0
5	杜健健	南京农业大学工学院江苏省现代设施农业技术与装备工程实验室	3	19	2.0	3.0
6	赵贤林		24	104	7.0	9.0