手机知网 App
24小时专家级知识服务
打 开
手机知网|搜索

基于神经网络的蛋品破损检测

闫长新

  本文对蛋品生产中的蛋品破损检测过程的自动化进行了研究和探讨。将系统振动模态和结构的关系以及神经网络在模式识别中的应用相结合,采用计算机来代替人工完成蛋品模型的建立和分类实现。论文首先阐述了当前我国禽蛋生产中蛋品破损检测的概况,然后确定了本文的研究内容、方法和目的。本文制作了激励设备用于激励蛋品产生声音信号,提出根据激励声音的频率成分不同的方法来识别蛋品。蛋品激励出的声音主要集中在低频段,因此选择在低频段有好的频率响应特性的麦克风和放大电路;放大输出信号通过A/D采集板变换成相应的电压数值信号送入计算机,对离散的信号数据进行傅立叶变换得到它的频谱图和各频段能量分布图;而后将能量分布特征数据作为神经网络的输入值,这样,好蛋和破损蛋的模型就建立起来。笔者以VB6.0编程语言实现神经网络程序和界面设计,神经网络算法采用应用较广的BP算法。论文对BP算法的优点和缺陷作了阐述,并对如何加快训练和避免陷入局部最小做了一些讨论。最后使用两种蛋品模型进行学习及利用所得权值实现分类。……   
[关键词]:蛋品破损检测;模式识别;多点激励;信号处理;神经网络
[文献类型]:硕士论文
[文献出处]:福州大学2002年