一种霉变玉米种子检测方法
一种霉变玉米种子检测方法
【技术领域】
[0001] 本发明设及种子净度检测技术领域，具体设及一种霉变玉米种子检测方法。
【背景技术】
[0002] 玉米是Ξ大主要粮食之一，在我国玉米是重要的粮食和饲料来源。玉米巧粒中胚 乳较大，营养丰富，因此很容易被微生物所污染，属于较难储藏的粮食品种。特别是在收获 季节遇到阴雨天气，很容易发生霉变，我国每年因霉变造成的产后损失给玉米的生产造成 了很大的影响，霉变不仅成玉米产量减少，导致玉米品质下降，而且如果霉变玉米进入食物 链则会严重危害人、畜健康，化ng等研究发现，不同梯度自然霉变的玉米线性降低了肉鸭干 物质(DM)、有机物(0M)、代谢能(ME)的表观消化率与真实消化率。因此对霉变玉米的检测非 常重要。
[0003] 目前，对霉变玉米的检测方法主要有生物学检测法、免疫分析法、理化分析法、无 损检测方法。酶联免疫吸附法和免疫亲和层析法是现代主要的真菌毒素快速分析方法。生 物学检测方法有，高效液相色谱法化PLC)、气相色谱法(GC)、薄层色谱法(TLC)、纸层析(PC) 等物理化学方法，聚合酶链式反应(PCR)法，然而运些方法处理过程繁杂，需要专业操作人 员，且都是有损的。无损的检测方法有电子鼻检测，近红外检测，图像处理检测，太赫兹光谱 检测等方法。但是W上无损检测方法中，光学方法对实验环境光线要求较高，需要在密封的 罩内进行试验；电子鼻对环境气味要求较高，需要在密闭的无味容器中进行试验，且几乎无 法进行单粒检测。
【发明内容】
[0004] 针对现有技术中的缺陷，本发明提供了一种霉变玉米种子检测方法，具有识别率 高、稳定性好的优点。
[0005] 本发明提出了 一种霉变玉米种子检测方法，包括：
[0006] 采用空气禪合超声波设备采集玉米种子超声回波信号；
[0007] 对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根据所 述边际谱获取分类特征；
[000引根据所述分类特征建立检测模型；
[0009] 根据所述检测模型对待检测玉米种子进行检测。
[0010] 可选的，在对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱 之前，还包括：
[0011] 对所述超声回波信号进行去噪处理。
[0012] 可选的，采用加窗处理方法对所述超声回波信号进行去噪。
[0013] 可选的，采用小波去噪方法对所述超声回波信号进行去噪。
[0014] 可选的，采用经验模态EMD分解的方法对所述超声回波信号进行特征提取。
[0015] 可选的，所述根据所述边际谱获取分类特征，包括：
[0016] 对所述边际谱进行分析，获取第一分类特征和第二分类特征；
[0017] 所述第一分类特征为在第一频率带霉变玉米种子的振动幅值大于正常玉米种子 的振动幅值；
[0018] 所述第二分类特征为第二频率带霉变玉米种子的局部峰值为两倍的正常玉米种 子的局部峰值。
[0019] 可选的，所述根据所述检测模型对待检测玉米种子进行检测，包括：
[0020] 利用所述空气禪合超声波设备采集待检测玉米种子的超声回波信号；
[0021 ]对所述超声回波信号进行去噪处理；
[0022] 对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根据所 述边际谱获取分类特征；
[0023] 通过所述检测模型对所述待检测玉米种子的分类特征进行匹配，并根据匹配结果 判断所述待检测玉米种子是否为霉变玉米种子。
[0024] 由上述技术方案可知，本发明提出的霉变玉米种子检测方法，采用空气禪合超声 波检测技术对玉米种子进行检测，并通过基于检测结果建立的检测模型对玉米种子进行检 巧。，具有识别率高、稳定性好的优点。
【附图说明】
[0025] 通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理 解为对本发明进行任何限制，在附图中：
[0026] 图1示出了发明一实施例提出的霉变玉米种子检测方法的流程示意图；
[0027] 图2示出了发明一实施例提出的霉变玉米种子检测方法中霉变玉米种子原始信号 图和加窗信号图；
[0028] 图3示出了发明一实施例提出的霉变玉米种子检测方法中完好玉米种子原始信号 图和加窗信号图；
[0029] 图4示出了发明一实施例提出的霉变玉米种子检测方法中霉变玉米种子EMD分解 结果图；
[0030] 图5示出了发明一实施例提出的霉变玉米种子检测方法中完好玉米种子EMD分解 结果图；
[0031] 图6示出了发明一实施例提出的霉变玉米种子检测方法中霉变玉米种子的超声回 波信号化化ert边际谱；
[0032] 图7示出了发明一实施例提出的霉变玉米种子检测方法中完好玉米种子的超声回 波信号化化ert边际谱；
[0033] 图8示出了发明一实施例提出的霉变玉米种子检测方法中使用的信号采集装置的 结构示意图。
【具体实施方式】
[0034] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人 员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0035] 图1为发明一实施例提出的霉变玉米种子检测方法的流程示意图，参照图1，该霉 变玉米种子检测方法，包括：
[0036] 101、采用空气禪合超声波设备采集玉米种子超声回波信号；
[0037] 需要说明的是，本发明采用空气禪合超声波设备对玉米种子进行照射，具有准确 度高、无损、快速、无污染的优点；
[0038] 102、对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根 据所述边际谱获取分类特征；
[0039] 103、根据所述分类特征建立检测模型；
[0040] 需要说明的是，可W采用BP神经网络等方式，根据输入的分类特征建立检测模型。 [0041 ] 104、根据所述检测模型对待检测玉米种子进行检测。
[0042] 可理解的是，对待检测玉米种子进行预处理及特征提取之后投入到检测模型中， 判断待测试样本是霉变玉米还是完好玉米。
[0043] 本发明提出的霉变玉米种子检测方法，采用空气禪合超声波检测技术对玉米种子 进行检测，并通过基于检测结果建立的检测模型对玉米种子进行检测，具有识别率高、稳定 性好的优点。
[0044] 本发明在步骤102之前，还包括：
[0045] 对所述超声回波信号进行去噪处理。
[0046] 可理解的是，本发明对超声回波信号进行去噪，能进一步地提高检测的精度。
[0047] 其中，去噪的方法为多种，举例来说，采用加窗处理方法对所述超声回波信号进行 去噪；
[0048] 图2和图3分别为发明一实施例提出的霉变玉米种子检测方法中霉变玉米种子原 始信号图、加窗信号图和完好玉米种子原始信号图、加窗信号图，参照图2和图3,具体包括：
[0049] 使用MATLAB2014a进行试验仿真；首先读入霉变和完好玉米种子超声波信号的原 始信号，如图2,原始信号数据点为2048,但是信号两端基本为仪器噪声，对玉米的分类识别 几乎没有用，因此采取对数据进行加窗处理的方法，利用矩形窗截取包含有用信息的901-1400数据点之间的数据进行后续的分析处理。
[0050] 可选的，本发明还可W采用小波去噪方法对所述超声回波信号进行去噪。
[0051] 图4和图5分别为发明一实施例提出的霉变玉米种子检测方法中霉变玉米种子EMD 分解结果图和完好玉米种子EMD分解结果图，参照图4和图5,本发明采用经验模态EMD分解 的方法对所述超声回波信号进行特征提取；
[0052] 采用HHT方法对种子信号进行特征提取，首先对信号进行8阶EMD分解，应用能量差 跟踪法判据计算得到IMF分量，根据实验结果，可知的是，前4阶IMF分量包含相对较高的频 率成分，其余阶次的IMF分量则频率较低，各分量中振动幅值的最大值也基本相同。对比玉 米霉变和完好颗粒的超声波信号的IMF分量，在前4阶分量中频率差别叫大，幅值差别较 小， 但是对比了多组数据，在两种信号的IMF分量中并没有较为明显统一的差别，因此仅靠观察 IMF分量图，很难准确判断出待检测玉米颗粒的归属。
[0化3] 本实施例中，步骤102还包括：
[0054]对所述边际谱进行分析，获取第一分类特征和第二分类特征；
[0055] 所述第一分类特征为在第一频率带霉变玉米种子的振动幅值大于正常玉米种子 的振动幅值；
[0056] 所述第二分类特征为第二频率带霉变玉米种子的局部峰值为两倍的正常玉米种 子的局部峰值；
[0057] 图6和图7为发明一实施例提出的霉变玉米种子检测方法中霉变玉米种子和完好 玉米种子的超声回波信号化化ert边际谱，下面参照图6和图7对边际谱分析进行详细说明：
[0058] 分别计算两类玉米颗粒信号的化化ert边际谱。如图6和7所示可知，霉变和完好玉 米颗粒信号在350~450Hz频率带之间都出现了较大的振动幅值，但是霉变颗粒信号振动幅 值比完好颗粒强，且霉变颗粒同时在480-498HZ处出现了比完好颗粒高约2倍的局部峰值， 采用上述两个频率段的局部边际谱作为分类特征，可能能够有效的对玉米颗粒进行识别分 类，因此选用包含两个频率的300-49細Z边际谱作为后续分类识别的输入。
[0059] 下面对步骤103进行举例说明：
[0060] 完好和霉变玉米超声回波信号数据，各取105条数据作为建模集，剩下35条数据作 为测试集，测试模型性能。将经过加窗处理，皿T特征提取后得到的300-49細Z边际谱进行特 征值归一化，学习速度率取0.01，精度为0.001，设定最大训练次数为600。建模及需要识别 的玉米均为2类，因此输入、输出层神经元数都为2,隐含层神经元个数分别取n={4、5、6、7、 8、9}，通过对多种算法进行比较试验，采用仿真速度快、训练精度高的梯度下降自适应算法 进行训练，建立BP神经网络模型。
[0061] 本实施例中，步骤104具体包括:利用所述空气禪合超声波设备采集待检测玉米种 子的超声回波信号；
[0062] 对所述超声回波信号进行去噪处理；
[0063] 对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根据所 述边际谱获取分类特征；
[0064] 通过所述检测模型对所述待检测玉米种子的分类特征进行匹配，并根据匹配结果 判断所述待检测玉米种子是否为霉变玉米种子。
[0065] 需要说明的是，在建立模型后还需要对模型进行检测；
[0066] 表1为BP神经网络模型识别结果，下面参照表1对检测步骤进行详细说明：
[0067] 测试集数据经过同样的数据处理之后投入到检测模型中，对模型进行测试，采用 正确识别率作为识别效果的评价指标，分别统计模型对完好颗粒和霉变颗粒的正确识别 率。
[0068] 型识别结果如表1所示，检测模型对霉变颗粒和完好颗粒的正确识别率均达到了 80% W上，隐含层节点数为6的检测模型正确识别率最高，对玉米霉变和完好颗粒的正确识 别率分别达到85.71 %、91.43%，即采用空气禪合超声波技术可W检测玉米霉变颗粒。
[0069] 由表1可知，检测模型对完好颗粒的正确识别率均高于霉变颗粒，隐含层节点数为 5的检测模型对玉米完好颗粒的正确识别率最高，达到了94.29%。其原因可能是霉变颗粒 霉变程度不一，部分颗粒甚至没有发生霉变，因此被识别为完好颗粒；另外，玉米颗粒之间 厚度、大小差异相对较大，所W超声波信号在穿透种子时衰减、散射程度差异较大导致采集 到的信号差异较大，因此部分完好颗粒和霉变颗粒没有被正确识别。
[0070]
[0071]
[0072] 表 1
[0073] 综上所述，本发明提出的霉变玉米种子检测方法，采用空气禪合超声波检测技术 对玉米种子进行检测，具有准确度高、无损、快速、无污染的优点；而且，对采集到的超声回 波信号进行去噪和滤波处理能进一步提高对信号的识别精度，进而提高建模的有效性，因 此，采用本发明提出的检测模型对玉米种子进行检测，具有识别率高、稳定性好的优点。
[0074] 图8为发明一实施例提出的霉变玉米种子检测方法中使用的信号采集装置的结构 示意图，参照图8,该信号采集装置包括:上述的空气禪合超声波设备、支架W及计算机；
[0075] 所述空气禪合超声波设备与所述计算机连接；
[0076] 所述支架用于放置待检测玉米种子；
[0077] 所述计算机用于接收所述空气禪合超声波设备采集的超声回波信号，并对所述超 声回波信号进行分析。
[0078] 本信号采集装置采用超声波技术对霉变玉米进行检测，无损、绿色，对试验环境光 线、气味要求低，且检测后可W对玉米准确定位，适合用于玉米在线检测中。
[0079] 在本发明的一种可选实施例中，所述空气禪合超声波设备包括:信号发生器、功率 放大器、发射换能器、接收换能器W及前置放大器；
[0080] 所述功率放大器分别连接所述信号发生器和所述发射换能器，所述信号发生器与 所述计算机连接，所述前置放大器分别与所述接收换能器和所述计算机连接；
[0081 ]所述发射换能器用于对待检测玉米种子进行照射；
[0082] 所述接收换能器用于采集待检测玉米种子透射的超声回波信号。
[0083] 为了进一步提高检测的精度，本信号采集装置还包括:滤波器；
[0084] 所述滤波器分别连接所述前置放大器和所述计算机；
[0085] 所述滤波器用于对所述超声回波信号进行滤波处理。
[0086] 虽然结合附图描述了本发明的实施方式，但是本领域技术人员可W在不脱离本发 明的精神和范围的情况下做出各种修改和变型，运样的修改和变型均落入由所附权利要求 所限定的范围之内。
【主权项】
1. 一种霉变玉米种子检测方法，其特征在于，包括： 采用空气耦合超声波设备采集玉米种子超声回波信号； 对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根据所述边 际谱获取分类特征； 根据所述分类特征建立检测模型； 根据所述检测模型对待检测玉米种子进行检测。2. 根据权利要求1所述的方法，其特征在于，在对所述超声回波信号进行特征提取，获 取所述超声回波信号的边际谱之前，还包括： 对所述超声回波信号进行去噪处理。3. 根据权利要求2所述的方法，其特征在于，采用加窗处理方法对所述超声回波信号进 行去噪。4. 根据权利要求2所述的方法，其特征在于，采用小波去噪方法对所述超声回波信号进 行去噪。5. 根据权利要求1所述的方法，其特征在于，采用经验模态EMD分解的方法对所述超声 回波信号进行特征提取。6. 根据权利要求1所述的方法，其特征在于，所述根据所述边际谱获取分类特征，包括： 对所述边际谱进行分析，获取第一分类特征和第二分类特征； 所述第一分类特征为在第一频率带霉变玉米种子的振动幅值大于正常玉米种子的振 动幅值； 所述第二分类特征为第二频率带霉变玉米种子的局部峰值为两倍的正常玉米种子的 局部峰值。7. 根据权利要求1所述的方法，其特征在于，所述根据所述检测模型对待检测玉米种子 进行检测，包括： 利用所述空气耦合超声波设备采集待检测玉米种子的超声回波信号； 对所述超声回波信号进行去噪处理； 对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根据所述边 际谱获取分类特征； 通过所述检测模型对所述待检测玉米种子的分类特征进行匹配，并根据匹配结果判断 所述待检测玉米种子是否为霉变玉米种子。
【专利摘要】本发明公开了一种霉变玉米种子检测方法。该霉变玉米种子检测方法包括：采用空气耦合超声波设备采集玉米种子超声回波信号；对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根据所述边际谱获取分类特征；根据所述分类特征建立检测模型；根据所述检测模型对待检测玉米种子进行检测。本发明采用空气耦合超声波检测技术对玉米种子进行检测，并通过基于检测结果建立的检测模型对玉米种子进行检测，具有识别率高、稳定性好的优点。
【IPC分类】G01N29/44
【公开号】CN105486758
【申请号】CN201511016676
【发明人】高万林, 晋艳云, 张晗, 宋越, 刘云玲
【申请人】中国农业大学
【公开日】2016年4月13日
【申请日】2015年12月29日
【技术领域】
[0001] 本发明设及种子净度检测技术领域，具体设及一种霉变玉米种子检测方法。
【背景技术】
[0002] 玉米是Ξ大主要粮食之一，在我国玉米是重要的粮食和饲料来源。玉米巧粒中胚 乳较大，营养丰富，因此很容易被微生物所污染，属于较难储藏的粮食品种。特别是在收获 季节遇到阴雨天气，很容易发生霉变，我国每年因霉变造成的产后损失给玉米的生产造成 了很大的影响，霉变不仅成玉米产量减少，导致玉米品质下降，而且如果霉变玉米进入食物 链则会严重危害人、畜健康，化ng等研究发现，不同梯度自然霉变的玉米线性降低了肉鸭干 物质(DM)、有机物(0M)、代谢能(ME)的表观消化率与真实消化率。因此对霉变玉米的检测非 常重要。
[0003] 目前，对霉变玉米的检测方法主要有生物学检测法、免疫分析法、理化分析法、无 损检测方法。酶联免疫吸附法和免疫亲和层析法是现代主要的真菌毒素快速分析方法。生 物学检测方法有，高效液相色谱法化PLC)、气相色谱法(GC)、薄层色谱法(TLC)、纸层析(PC) 等物理化学方法，聚合酶链式反应(PCR)法，然而运些方法处理过程繁杂，需要专业操作人 员，且都是有损的。无损的检测方法有电子鼻检测，近红外检测，图像处理检测，太赫兹光谱 检测等方法。但是W上无损检测方法中，光学方法对实验环境光线要求较高，需要在密封的 罩内进行试验；电子鼻对环境气味要求较高，需要在密闭的无味容器中进行试验，且几乎无 法进行单粒检测。
【发明内容】
[0004] 针对现有技术中的缺陷，本发明提供了一种霉变玉米种子检测方法，具有识别率 高、稳定性好的优点。
[0005] 本发明提出了 一种霉变玉米种子检测方法，包括：
[0006] 采用空气禪合超声波设备采集玉米种子超声回波信号；
[0007] 对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根据所 述边际谱获取分类特征；
[000引根据所述分类特征建立检测模型；
[0009] 根据所述检测模型对待检测玉米种子进行检测。
[0010] 可选的，在对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱 之前，还包括：
[0011] 对所述超声回波信号进行去噪处理。
[0012] 可选的，采用加窗处理方法对所述超声回波信号进行去噪。
[0013] 可选的，采用小波去噪方法对所述超声回波信号进行去噪。
[0014] 可选的，采用经验模态EMD分解的方法对所述超声回波信号进行特征提取。
[0015] 可选的，所述根据所述边际谱获取分类特征，包括：
[0016] 对所述边际谱进行分析，获取第一分类特征和第二分类特征；
[0017] 所述第一分类特征为在第一频率带霉变玉米种子的振动幅值大于正常玉米种子 的振动幅值；
[0018] 所述第二分类特征为第二频率带霉变玉米种子的局部峰值为两倍的正常玉米种 子的局部峰值。
[0019] 可选的，所述根据所述检测模型对待检测玉米种子进行检测，包括：
[0020] 利用所述空气禪合超声波设备采集待检测玉米种子的超声回波信号；
[0021 ]对所述超声回波信号进行去噪处理；
[0022] 对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根据所 述边际谱获取分类特征；
[0023] 通过所述检测模型对所述待检测玉米种子的分类特征进行匹配，并根据匹配结果 判断所述待检测玉米种子是否为霉变玉米种子。
[0024] 由上述技术方案可知，本发明提出的霉变玉米种子检测方法，采用空气禪合超声 波检测技术对玉米种子进行检测，并通过基于检测结果建立的检测模型对玉米种子进行检 巧。，具有识别率高、稳定性好的优点。
【附图说明】
[0025] 通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理 解为对本发明进行任何限制，在附图中：
[0026] 图1示出了发明一实施例提出的霉变玉米种子检测方法的流程示意图；
[0027] 图2示出了发明一实施例提出的霉变玉米种子检测方法中霉变玉米种子原始信号 图和加窗信号图；
[0028] 图3示出了发明一实施例提出的霉变玉米种子检测方法中完好玉米种子原始信号 图和加窗信号图；
[0029] 图4示出了发明一实施例提出的霉变玉米种子检测方法中霉变玉米种子EMD分解 结果图；
[0030] 图5示出了发明一实施例提出的霉变玉米种子检测方法中完好玉米种子EMD分解 结果图；
[0031] 图6示出了发明一实施例提出的霉变玉米种子检测方法中霉变玉米种子的超声回 波信号化化ert边际谱；
[0032] 图7示出了发明一实施例提出的霉变玉米种子检测方法中完好玉米种子的超声回 波信号化化ert边际谱；
[0033] 图8示出了发明一实施例提出的霉变玉米种子检测方法中使用的信号采集装置的 结构示意图。
【具体实施方式】
[0034] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人 员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0035] 图1为发明一实施例提出的霉变玉米种子检测方法的流程示意图，参照图1，该霉 变玉米种子检测方法，包括：
[0036] 101、采用空气禪合超声波设备采集玉米种子超声回波信号；
[0037] 需要说明的是，本发明采用空气禪合超声波设备对玉米种子进行照射，具有准确 度高、无损、快速、无污染的优点；
[0038] 102、对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根 据所述边际谱获取分类特征；
[0039] 103、根据所述分类特征建立检测模型；
[0040] 需要说明的是，可W采用BP神经网络等方式，根据输入的分类特征建立检测模型。 [0041 ] 104、根据所述检测模型对待检测玉米种子进行检测。
[0042] 可理解的是，对待检测玉米种子进行预处理及特征提取之后投入到检测模型中， 判断待测试样本是霉变玉米还是完好玉米。
[0043] 本发明提出的霉变玉米种子检测方法，采用空气禪合超声波检测技术对玉米种子 进行检测，并通过基于检测结果建立的检测模型对玉米种子进行检测，具有识别率高、稳定 性好的优点。
[0044] 本发明在步骤102之前，还包括：
[0045] 对所述超声回波信号进行去噪处理。
[0046] 可理解的是，本发明对超声回波信号进行去噪，能进一步地提高检测的精度。
[0047] 其中，去噪的方法为多种，举例来说，采用加窗处理方法对所述超声回波信号进行 去噪；
[0048] 图2和图3分别为发明一实施例提出的霉变玉米种子检测方法中霉变玉米种子原 始信号图、加窗信号图和完好玉米种子原始信号图、加窗信号图，参照图2和图3,具体包括：
[0049] 使用MATLAB2014a进行试验仿真；首先读入霉变和完好玉米种子超声波信号的原 始信号，如图2,原始信号数据点为2048,但是信号两端基本为仪器噪声，对玉米的分类识别 几乎没有用，因此采取对数据进行加窗处理的方法，利用矩形窗截取包含有用信息的901-1400数据点之间的数据进行后续的分析处理。
[0050] 可选的，本发明还可W采用小波去噪方法对所述超声回波信号进行去噪。
[0051] 图4和图5分别为发明一实施例提出的霉变玉米种子检测方法中霉变玉米种子EMD 分解结果图和完好玉米种子EMD分解结果图，参照图4和图5,本发明采用经验模态EMD分解 的方法对所述超声回波信号进行特征提取；
[0052] 采用HHT方法对种子信号进行特征提取，首先对信号进行8阶EMD分解，应用能量差 跟踪法判据计算得到IMF分量，根据实验结果，可知的是，前4阶IMF分量包含相对较高的频 率成分，其余阶次的IMF分量则频率较低，各分量中振动幅值的最大值也基本相同。对比玉 米霉变和完好颗粒的超声波信号的IMF分量，在前4阶分量中频率差别叫大，幅值差别较 小， 但是对比了多组数据，在两种信号的IMF分量中并没有较为明显统一的差别，因此仅靠观察 IMF分量图，很难准确判断出待检测玉米颗粒的归属。
[0化3] 本实施例中，步骤102还包括：
[0054]对所述边际谱进行分析，获取第一分类特征和第二分类特征；
[0055] 所述第一分类特征为在第一频率带霉变玉米种子的振动幅值大于正常玉米种子 的振动幅值；
[0056] 所述第二分类特征为第二频率带霉变玉米种子的局部峰值为两倍的正常玉米种 子的局部峰值；
[0057] 图6和图7为发明一实施例提出的霉变玉米种子检测方法中霉变玉米种子和完好 玉米种子的超声回波信号化化ert边际谱，下面参照图6和图7对边际谱分析进行详细说明：
[0058] 分别计算两类玉米颗粒信号的化化ert边际谱。如图6和7所示可知，霉变和完好玉 米颗粒信号在350~450Hz频率带之间都出现了较大的振动幅值，但是霉变颗粒信号振动幅 值比完好颗粒强，且霉变颗粒同时在480-498HZ处出现了比完好颗粒高约2倍的局部峰值， 采用上述两个频率段的局部边际谱作为分类特征，可能能够有效的对玉米颗粒进行识别分 类，因此选用包含两个频率的300-49細Z边际谱作为后续分类识别的输入。
[0059] 下面对步骤103进行举例说明：
[0060] 完好和霉变玉米超声回波信号数据，各取105条数据作为建模集，剩下35条数据作 为测试集，测试模型性能。将经过加窗处理，皿T特征提取后得到的300-49細Z边际谱进行特 征值归一化，学习速度率取0.01，精度为0.001，设定最大训练次数为600。建模及需要识别 的玉米均为2类，因此输入、输出层神经元数都为2,隐含层神经元个数分别取n={4、5、6、7、 8、9}，通过对多种算法进行比较试验，采用仿真速度快、训练精度高的梯度下降自适应算法 进行训练，建立BP神经网络模型。
[0061] 本实施例中，步骤104具体包括:利用所述空气禪合超声波设备采集待检测玉米种 子的超声回波信号；
[0062] 对所述超声回波信号进行去噪处理；
[0063] 对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根据所 述边际谱获取分类特征；
[0064] 通过所述检测模型对所述待检测玉米种子的分类特征进行匹配，并根据匹配结果 判断所述待检测玉米种子是否为霉变玉米种子。
[0065] 需要说明的是，在建立模型后还需要对模型进行检测；
[0066] 表1为BP神经网络模型识别结果，下面参照表1对检测步骤进行详细说明：
[0067] 测试集数据经过同样的数据处理之后投入到检测模型中，对模型进行测试，采用 正确识别率作为识别效果的评价指标，分别统计模型对完好颗粒和霉变颗粒的正确识别 率。
[0068] 型识别结果如表1所示，检测模型对霉变颗粒和完好颗粒的正确识别率均达到了 80% W上，隐含层节点数为6的检测模型正确识别率最高，对玉米霉变和完好颗粒的正确识 别率分别达到85.71 %、91.43%，即采用空气禪合超声波技术可W检测玉米霉变颗粒。
[0069] 由表1可知，检测模型对完好颗粒的正确识别率均高于霉变颗粒，隐含层节点数为 5的检测模型对玉米完好颗粒的正确识别率最高，达到了94.29%。其原因可能是霉变颗粒 霉变程度不一，部分颗粒甚至没有发生霉变，因此被识别为完好颗粒；另外，玉米颗粒之间 厚度、大小差异相对较大，所W超声波信号在穿透种子时衰减、散射程度差异较大导致采集 到的信号差异较大，因此部分完好颗粒和霉变颗粒没有被正确识别。
[0070]
[0071]
[0072] 表 1
[0073] 综上所述，本发明提出的霉变玉米种子检测方法，采用空气禪合超声波检测技术 对玉米种子进行检测，具有准确度高、无损、快速、无污染的优点；而且，对采集到的超声回 波信号进行去噪和滤波处理能进一步提高对信号的识别精度，进而提高建模的有效性，因 此，采用本发明提出的检测模型对玉米种子进行检测，具有识别率高、稳定性好的优点。
[0074] 图8为发明一实施例提出的霉变玉米种子检测方法中使用的信号采集装置的结构 示意图，参照图8,该信号采集装置包括:上述的空气禪合超声波设备、支架W及计算机；
[0075] 所述空气禪合超声波设备与所述计算机连接；
[0076] 所述支架用于放置待检测玉米种子；
[0077] 所述计算机用于接收所述空气禪合超声波设备采集的超声回波信号，并对所述超 声回波信号进行分析。
[0078] 本信号采集装置采用超声波技术对霉变玉米进行检测，无损、绿色，对试验环境光 线、气味要求低，且检测后可W对玉米准确定位，适合用于玉米在线检测中。
[0079] 在本发明的一种可选实施例中，所述空气禪合超声波设备包括:信号发生器、功率 放大器、发射换能器、接收换能器W及前置放大器；
[0080] 所述功率放大器分别连接所述信号发生器和所述发射换能器，所述信号发生器与 所述计算机连接，所述前置放大器分别与所述接收换能器和所述计算机连接；
[0081 ]所述发射换能器用于对待检测玉米种子进行照射；
[0082] 所述接收换能器用于采集待检测玉米种子透射的超声回波信号。
[0083] 为了进一步提高检测的精度，本信号采集装置还包括:滤波器；
[0084] 所述滤波器分别连接所述前置放大器和所述计算机；
[0085] 所述滤波器用于对所述超声回波信号进行滤波处理。
[0086] 虽然结合附图描述了本发明的实施方式，但是本领域技术人员可W在不脱离本发 明的精神和范围的情况下做出各种修改和变型，运样的修改和变型均落入由所附权利要求 所限定的范围之内。
【主权项】
1. 一种霉变玉米种子检测方法，其特征在于，包括： 采用空气耦合超声波设备采集玉米种子超声回波信号； 对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根据所述边 际谱获取分类特征； 根据所述分类特征建立检测模型； 根据所述检测模型对待检测玉米种子进行检测。2. 根据权利要求1所述的方法，其特征在于，在对所述超声回波信号进行特征提取，获 取所述超声回波信号的边际谱之前，还包括： 对所述超声回波信号进行去噪处理。3. 根据权利要求2所述的方法，其特征在于，采用加窗处理方法对所述超声回波信号进 行去噪。4. 根据权利要求2所述的方法，其特征在于，采用小波去噪方法对所述超声回波信号进 行去噪。5. 根据权利要求1所述的方法，其特征在于，采用经验模态EMD分解的方法对所述超声 回波信号进行特征提取。6. 根据权利要求1所述的方法，其特征在于，所述根据所述边际谱获取分类特征，包括： 对所述边际谱进行分析，获取第一分类特征和第二分类特征； 所述第一分类特征为在第一频率带霉变玉米种子的振动幅值大于正常玉米种子的振 动幅值； 所述第二分类特征为第二频率带霉变玉米种子的局部峰值为两倍的正常玉米种子的 局部峰值。7. 根据权利要求1所述的方法，其特征在于，所述根据所述检测模型对待检测玉米种子 进行检测，包括： 利用所述空气耦合超声波设备采集待检测玉米种子的超声回波信号； 对所述超声回波信号进行去噪处理； 对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根据所述边 际谱获取分类特征； 通过所述检测模型对所述待检测玉米种子的分类特征进行匹配，并根据匹配结果判断 所述待检测玉米种子是否为霉变玉米种子。
【专利摘要】本发明公开了一种霉变玉米种子检测方法。该霉变玉米种子检测方法包括：采用空气耦合超声波设备采集玉米种子超声回波信号；对所述超声回波信号进行特征提取，获取所述超声回波信号的边际谱，并根据所述边际谱获取分类特征；根据所述分类特征建立检测模型；根据所述检测模型对待检测玉米种子进行检测。本发明采用空气耦合超声波检测技术对玉米种子进行检测，并通过基于检测结果建立的检测模型对玉米种子进行检测，具有识别率高、稳定性好的优点。
【IPC分类】G01N29/44
【公开号】CN105486758
【申请号】CN201511016676
【发明人】高万林, 晋艳云, 张晗, 宋越, 刘云玲
【申请人】中国农业大学
【公开日】2016年4月13日
【申请日】2015年12月29日
最新回复(0)