鸡蛋破损自动检测系统(2) 精品.doc

题 目 鸡蛋破损自动检测系统 1 课题研究 1.1 禽蛋品质检测的国内外研究现状及其展望 禽蛋的质量指标直接关系到商品等级，市场竞争力和经济效益，已引起国内外重视。我国的蛋产量与产生的经济效益不成比例，如何检测品质，减少鸡蛋破损，提高经济效益，已经成为我国当前及未来亟待解决的问题。蛋的内部品质的好坏直接影响食用品质，甚至每个食用者的身体健康。近年来国内外有不少学者和研究者在鸡蛋品质检测和提高商品价值方面进行着积极探索和刻苦研究。因此，对鸡蛋品质检测的研究.具体方法有以下几种: 1.1.1 无损检测方法 （1）利用声学冲击特性检测鸡蛋品质 利用声学特性对鸡蛋品质的检测是一种无损检测的方法，其原理是根据敲击鸡蛋所产生的声脉冲振动，做频谱分析来研究鸡蛋的品质特性。Sinha(1992)通过对鸡蛋敲击所产生的声学共振特性来分析鸡蛋的蛋黄小孔和裂纹。公茂法等(1995)采用机械敲击法所产生的不同声音的大小与不同声音频率的原理实现了简单的自动检测蛋壳裂纹的方法。Cho(1997)对鸡蛋声学特性的因数做了研究，得到了检测鸡蛋的优化参数。Ketelaere等(2000)利用声学脉冲共振特征频率特性来检测蛋壳的裂纹，通过对整蛋的时间信号和频率信号分析与功率谱密度的分析，得出了利用振动鸡蛋的球形动态特性测量方法是有效检测鸡蛋裂纹的方法，检测裂纹精度达到了小于0.5。Cho等(2000)采用声波冲击频率特性来探测蛋壳的裂纹。其原理是利用系统声脉冲，测量蛋壳反应信号，并分析信号的频率范围。文有先等(20XX)通过研究鸭蛋损壳蛋和未损壳蛋的声学特性差异，设计的鸭蛋破损检测系统，在滤波通带500-6500Hz，好壳蛋频率为4005-5500Hz的条件下，其好壳蛋检测准确率为85，损壳蛋检测准确率为90。 （2） 利用光学特性检测鸡蛋品质 光学特性在鸡蛋品质中的检测，国内外的研究不少；主要是利用光的透射、折射、反射的原理与鸡蛋的内部品质建立一种关系，通过数学模型建立其检测鸡蛋品质的方法。利用禽蛋的光谱特性分析其品质的方法，最初是由美国的Norris等在1953年开始进行这方面的研究工作。确定了血液在可见光415、541、575nm处的三个吸收波长，并在1957年利用鸡蛋的透射光谱特性探测到血斑大于3.2mm的鸡蛋。从20世纪60年代开始利用可见光谱进行农产品品质分析的方法迅速得到推广。吴守一等(1989)分析光密度和透射串与鸡蛋内部品质之间的相关关系，通过新鲜度追踪试验，找出了鸡蛋透射率值与一般新鲜度指标(哈夫单位、蛋黄指数、挥发性盐基氮)之间的对应关系，建立了鸡蛋的新鲜度因子，并得出了相应的等级分界值，为鸡蛋无损检测标准和设计鸡蛋新鲜度分级装置提供了参考。Goodrum等(1992)利用视觉与图像处理来检测蛋壳裂纹。检测正确率高达94，并可以与手工检测相媲美。方如明等(1993)为了提高鸡蛋内部品质光特性无损检测的精度，建立了鸡蛋的光学模型，找出了整蛋、内容物、蛋壳三者透射特性之间的关系。日本农林水产省家畜卫生试验场的安藤义路(1995)发现了一旦对鸡蛋照射紫外线，鸡蛋本身就会发出荧光，而且越是新鲜的鸡蛋，其发光越强烈。陈斌(1996)研究鸡蛋主要成分的光谱透射特性，分析它们的光谱透射曲线和存放时间之间的变化趋势。对鸡蛋做了大量的跟踪试验，探索通过测量鸡蛋的光谱透射特性评价鸡蛋品质的新方法，为进一步设计全自动鸡蛋品质检测设备提供了有价值的参考数据。陈佳娟等(2000)将计算机视觉系统与遗传神经网络相结合，建立了一个能够对孵化鸡蛋可成活性进行在线自动检测的系统。Jenshinn Lin等(20XX)研究并开发了蛋壳全自动检测系统，检测装置在被检蛋的蛋壳施加一定压力，再通过摄像头采集受压蛋壳图像送入计算机进行分析，判断是否是损壳蛋并进行分级，好壳蛋检测准确率达86，损壳蛋的检测准确率达到80。刘燕德等(20XX)为了更好地无损检测鸡蛋的新鲜度，分析了鸡蛋内部品质与透射特性的相关关系，从而对鸡蛋的新鲜度作出估量，研究了波长在200-600nm范围内鸡蛋新鲜度的光特性。 （3）利用动力学特性检测鸡蛋品质 鸡蛋的破损大多数是由于动载所造成的，所以对于鸡蛋动力学特性的研究显得尤为有意义。所谓鸡蛋的动力学特性是利用对鸡蛋的冲击或振动特性与鸡蛋的品质建立起两者之间的相关性。李其才(1992)研制了传感器装置及信号变换电路，利用动力学原理确定了禽蛋质量自动检测方法，建立了数学模型，提。出了模型参数最优化的估算方法。刘信芳等(1992)进行了不同材料上的鲜蛋的跌落试验和冲击试验，提出了动载作用下蛋的破损用能量加以描述，并为鲜蛋的贮运、检测、加工装备的设计提供了一定的依据。Coucke(1998)通过分析鸡蛋的振动特性来检测鸡蛋的物理特性，为今后的进一步研究作了一定的理论基础。Coucke(1999)研究介绍了以无破坏性冲击鸡蛋的振动频率来设定蛋壳特性，描绘了在最低响应频率时的三维振动模型(未损坏)，并分析了蛋壳指标(厚度、宽度、形状指数等)与动态硬度值之间的相关性。 （4）利用电学、机械学特性检测鸡蛋品质 鸡蛋的电学特性是利用对鸡蛋的电导率的差异，建立相关的模型来检测鸡蛋的品质。鸡蛋的机械学特性是根据鸡蛋的硬度、弹性、强度等机械学和力学特性来对鸡蛋的品质做进一步的分析。刘熙等(1991)对不同鲜度的鸡蛋进行了pH值、TVBN和电导率值的检测，通过对其结果的分析得出：随着鸡蛋新鲜度的降低，鸡蛋的电导率呈下降趋势；反之电导率升高。因此提出用电导率检测鸡蛋的电导率值作为判定鸡蛋的新鲜度，具有操作简便、快速、准确等优点。 1.1.2化学检测法 目前，为了满足人们对现代食品的营养、卫生、安全的要求，对蛋品质的安全检测显得尤为重要，同时此项检测也是关系到产品对外贸易，成为农产品出口的瓶颈，如对药物残留的检测，对重金属残留的检测，对微生物引起的腐败的检测等。对于蛋品内部品质检测的化学方法以精确、快速、灵敏、简便、低成本为目的，在传统的国标基础上，又建立许多快速的方法。检测方法主要包括：色谱法、分光光度法、荧光法、生物检测法以及试纸法等等。 （1） 高效液相色谱法(HPLC) 其原理是以经典液相色谱法为基础，引入了气相色谱的理论与实践方法，流动相改为高压输送，采用高效固定相及在线检测手段，发展而成为的分离分析方法。该法具有分离效能高、分析速度快及仪器化等特点，但此法检出精度不高，是目前常采用的一种分析方法。在蛋品检测上主要用于检测各种药物残留。国内外许多学者研究了高效液相色谱法测定鸡蛋中二甲硝咪唑残留水平的方法。刘媛等(20XX)采用高效液相色谱同时测定鸡蛋中4种氟喹诺酮类药物(环丙沙星、恩诺沙星、沙拉沙星、达诺沙星)残留，前三者的最低检出限为10g/kg，后者检出限为2g/kg。kioSegade(1999)将HPLC应用在对汞的测定上，研制出HPLC偶联汞特异性的检测仪器，即所谓杂交偶联技术。 （2）原子吸收光谱法(AAS) 原子吸收法，也称为原子吸收分光光度法，其原理是：原子中电子在每一种运动状态都具有一定的能量，属于一个能级，当原子蒸气吸收了紫外-可见区中一定的能量时，其最外层电子就能从能量较低的基态跃迁到能量较高的激发态。AAS就是利用这一性质测量自由原子对辐射能的吸收程度来测定样品中元素的浓度。包括火焰原子吸收法和石墨炉原子吸收法。主要用于测定蛋品中的金属残留。朱加叶等(20XX)采用微波消化-石墨炉原子吸收分光光度法检测了进口西洋参中的铅含量，其检出限为2.8g/l，标准偏差为92，此方法较常规方法灵敏度高，耗量少。黄燕(20XX)运用铂丝富集-火焰原子吸收方法测定皮蛋中铅含量，它是通过用APDC-聚苯乙烯的化学方法修饰铂丝基质，使铅在其中富集来实现的，检测的极限是0.65ng/mL。此方法用于多种金属，如镉、铬、锌、铁等的测定。 （3）荧光法 此方法主要用于能发荧光的物质，如一些生化物质、药物及致癌物质等。其原理：由于物质分子结构不同，所吸收的波长和发射的荧光波长也不同，不同的浓度所发射荧光的强度不同，利用这一性质进行定量测定。其最主要的优点是测定灵敏度高，一般可测到10-4g/mL甚至10-6g/mL。对蛋品中汞的测定国标是冷原子吸收方法，但易勇(20XX)用原子荧光光度法检测了化妆品中汞的含量，最低检出限是0.04ng/ml，精密度为2.21，此操作方法方便、快捷。此外，蛋品中的一些指标的测定方法是借鉴其它生物制品的测定。袁伯华等(20XX)利用微波消解-原子荧光法快速联合检测尿中砷、汞含量，此法元素损失少，测定准确，速度快，减少了污染。 （4） 生物检测法 此方法通常用于微生物侵入导致腐败的检测以及兽药残留的检测。王春奕(1997)采用微生物法用对抗菌素敏感的特定试验菌(金黄色葡萄球菌26003，枯草芽胞杆菌63501，藤黄八叠球菌28001)分别检测鸡蛋中青霉素、链霉素及四环素类抗菌素的残留，鸡蛋中四环素类残留检出率分别为33.3和60，链霉素检出率为20。龚萍等(20XX)采用逆转录PCR方法，初步研究了不同浓度及不同时间的甲基汞处理对调钙质mRNA水平的影响，发现甲基汞处理使调钙质基因的表达显著减少，从而进一步探讨了钙离子和调钙质基因表达之间的相互关系，并为环境中甲基汞的检测提供了一个新的分子生物学方法。王苏华(20XX)以表皮葡萄球菌26069型(Staphylococcus epidermidis，ATCC 12228)为测试菌，用琼脂扩散法测定新霉素在鸡蛋中的残留，此方法的最低检测限为0.075g/mL，鸡蛋中的最低检出限为0.25g/g，可靠检出限0.5g/g。 （5）复合检测方法 在检测过程中，由于单一的检测方法各有不足，因此目前检测通常是两种或两种以上方法结合使用，取长补短，使结果更精确，操作更方便。胡劲梅等(1998)为了同时测定铅和镉含量，建立了以电荷耦合器件(CCD)作为阵列光信号探测器，小型多色仪和专用微机组成的分光光度装置，此法较普通的分光光度法快速敏捷及同时测定多组分的优点。在测定不同金属离子时通常采用高效液相色谱法和原子荧光法联用。目前国外关注于采用一种方法进行多种药物残留的测定，采用直接进样-气相色谱-串联质谱联用的方法同时可以检测出25种农药残留。 纵观世界各国养禽业和蛋品加工业，发展速度快，生产水平不断提高，向专业化、集约化、机械化、自动化发展。鸡蛋的品质，在商业流通当中又直接决定其商品价值。当鸡场生产出鸡蛋后，如何能快速、准确地检测、分选、包装，对我们来说也是一项极富挑战性的工作。鸡蛋品质检测的完善与成熟将成为我们21世纪禽蛋业的一项革命。 1.2 课题的研究目标本课题是在前人研究的基础上进行的。前人研究中取得了一定的成果，我们在前人研究的基础上探索出能够利用好蛋壳与损蛋壳被敲击时发出的声音的差异，将损壳蛋与好壳蛋加以区分。我觉得主要存在的主要问题有二个： 第一、采用声检法进行鸡蛋破损检测，必须要有能实现自动敲击鸡蛋蛋壳的敲击装置。自动敲击装置有其存在的必要性：一方面，使用自动控制的敲击装置敲击时能克服人为的不均匀；另一方面，使用自动敲击装置是实现自动化检测的必然要求。在本研究中，需探索出自动敲击装置的方案。第二、检测技术的研究，前人采用的是由单片机系统设计的控制器来控制A/D转换和自动检测动作，试验的效果达不到系统要求，需探索新的控制方法来替代以前的控制系统，本系统直接是基于PC机的控制系统。本课题制定如下目标：（1）通过一系列试验研究，探索鸡蛋破损检测的方法，建立鸡蛋破损检测的最优化模型。（2）完成系统的输入输出设计。输入部分是利用MATLAB软件设计出控制界面，再编辑相应子程序。利用采集程序将敲击蛋的声音信号采集到内存，并对其分析处理，然后做出判别,剔除损壳蛋。（3）硬件设计部分，探索出鸡蛋破损检测自动敲击装置的方案，设计出鸡蛋破损自动检测的敲击电路及其机械装置。 2 鸡蛋破损检测原理 本系统主要是利用MATLAB编制程序来实现对声音信号的采集和处理工作。我们事先收集一些好壳蛋和损壳蛋在被敲击时发出的声音信号在数据库中，用于后期与被检测鸡蛋的比较。在本次设计中我们通过用敲击装置来敲击被检测的鸡蛋，使其发出声音，然后利用麦克风传送信号到计算机的声卡进行A/D转换，再利用MATLAB编制的程序来对被采集到的信号进行一系列的处理，再与以前收集到的数据库中信号比较，从而判别出被检测的鸡蛋是好壳蛋还是损壳蛋。本系统检测装置主框架图如下：判别模型输出装置计算机控制部分PCMA/D数据采集系统声音传感受检鸡蛋激励装置声音频谱参数声音信号频谱分析 图2-1检测系统框图 2.1 材料与方法试验装置由敲击装置、声音采集和处理系统组成。敲击装置由尼龙塑料棒和橡胶圈组成,橡胶圈的材料和输送带的材料类似,被检测的鸭蛋放在橡胶圈上,用塑料棒敲击。声音采集和处理系统的核心是一台PC机,机内装有CREATIVE VIBRA 128 PCI 型声卡,声卡上连有一型话筒用来拾取声音信号。为方便分析处理,采用MATLAB 语言编制声音采集和处理的程序。MATLAB 是一个用于信号处理和控制系统建模的软件包,以它作为平台,可以利用函数库编写和运行MATLAB 文件程序。用它作信号处理和分析工具,方便实用。在编制的试验软件中,用analoginput () 函数采集模拟声音信号,采样频率为22050 Hz ,采样点数为512 ,数据采集后,先进行滤波处理,再进行功率谱分析,最后进行检测参数的确定,从而判别出被检测的鸡蛋是好壳蛋还是损壳蛋。 2.2 检测参数的确定本课题对前期的研究加以参考分析，将其中具有的显著特征的变量保留，再加以其它一些显著因子，从而探索新的检测方法。在鸡蛋破损声检法研究中，被认为具有显著特性的变量主要有共振峰频率、功率谱大小以及共振峰的数量，在研究功率谱时，从得到的功率谱分析中发现具有显著特征的变量还有功率谱的质心。为了探索新的显著因子，首先从每个蛋的一次敲击中提取四个特征变量，他们是：1. 功率谱面积（Area）（2-1） 其中 Pi是每一个频率对应的功率谱幅值 k是采样的样本个数（2-2）2. 共振峰频率（Fres）其中 Pi是每一个频率谱幅值对应的功率值3. 功率谱面积在X轴方向上的质心(Cx) （2-3）4. 功率谱面积在Y轴方向上的质心(CY) （2-4） 将每敲击一次鸡蛋得到的采样值，进行功率谱分析得到上述四个变量值，再对每一个蛋敲击多次后得到上述四个变量的平均值，取极差（最大值与最小值之差），作为判别好蛋与损蛋的特征变量，处理之后共有8个变量，它们分别是： （2-5）1.功率谱面积的平均值（x1） 其中 n -敲击次数（以下同） i=（0，1，.n-1）2.最大功率谱面积与最小功率谱面积的差值即极差（x2） （2-6）3.X坐标方向上质心的平均值（x3） （2-7）4.X坐标方向上质心最大值和最小值之间的差值（x4） （2-8）5.Y坐标上质心平均值（x5） （2-9）6.Y坐标方向上质心最大值和最小值之间的差值（x6） （2-10）7.共振峰的频率的最大值的平均值（x7） （2-11）8.共振峰频率的最大值与最小值之间的差值（x8） （2-12）下面我们可以根据参考文献11来讨论一下上面8个特征变量：第一、功率谱面积的平均值（x1），研究表明好蛋的功率谱面积平均值集中在800以下，只有少数的几个大于800，而损蛋的功率谱面积的平均值一般在800以上，因此可以利用它作为区别好蛋与损蛋的标准之一。第二、功率谱面积的极差(x2)研究表明极差不能够用来区别好蛋与损蛋，因为好蛋与损蛋的功率谱面积的极差几乎是混在一起的。因此不能作为判别鸡蛋是否破损的标准。第三、X坐标方向上质心的平均值（x3）研究表明好蛋与损蛋在X坐标方向上质心的平均值的差异不是很大因此也不能作为判别鸡蛋是否破损的标准。第四、X坐标方向上质心最大值和最小值之间的差值（x4）研究表明在好蛋与损蛋这个特性参数也不具有显著的差别，所以我们可以将其排除在检测标准之外。第五、Y坐标上质心平均值（x5）研究表明好蛋和损蛋的Y坐标上质心平均值有很少一部分是混在一起的，但是损蛋在Y坐标上质心平均值总体比好蛋要大，所以我们可以把它作为区别好蛋与损蛋的一个标准。第六、Y坐标方向上质心最大值和最小值之间的差值（x6）好蛋与损蛋在Y坐标方向上质心最大值和最小值之间的差值也只有很少一部分混合在一起，因此我们也可以将其作为判别被检测鸡蛋是否破裂的标准之一。第七、共振峰的频率的最大值的平均值（x7）好壳蛋与破损蛋的共振峰的频率的最大值的平均值之间存在很大的差异。好壳蛋的声音清脆而破损蛋的声音沙哑，所以好壳蛋的共振峰的频率的最大值的平均值一般要比损壳蛋的大，二者的区别十分明显，因此可以考虑把它作为判别好壳蛋与损壳蛋的一个标准。第八、共振峰频率的最大值与最小值之间的差值（x8）好壳蛋与破损蛋的共振峰频率的最大值与最小值之间的差值有很少一部分混合在一起，但好壳蛋的极差值分布相对集中，大部分都小于2000，损壳蛋的极差值分布相对分散，分布在2000到5500之间。所以我们可以将其作为判别好蛋还是损蛋的标准之一。 综上所述，我们可以选出区分好壳蛋还是损壳蛋的5个特征变量，分别是功率谱面积的平均值（x1）、Y坐标上质心平均值（x5）、Y坐标方向上质心最大值和最小值之间的差值（x6）、共振峰的频率的最大值的平均值（x7）、共振峰频率的最大值与最小值之间的差值（x8）。根据参考文献11中提出的，损壳蛋的判别函数G0=-0.33664x1+36.79413x5+4.86638x6+0.00161x7+0.00327x8-184.97771 （2-13）好壳蛋的判别函数G2=-0.29493x1+32.37701x5+4.65582x6+0.00315x7+0.00268x8-152.38791 （2-14）我们可以通过好壳蛋与损壳蛋之间以上参数的比较来区分被测蛋是好壳蛋还是损壳蛋。下面探讨一下在采集样本过程中应该注意的一些问题: 为了减少误差,我们尽量采用多的样本数,把采集过来的参数取其平均值,然后在采集声音信号过程中不能只敲击一下就用那个信号,因为有可能被敲击的地方发出的声音信号没有很大的区别,所以结合实际情况为了提高采样的精确度,我们可以对被测鸡蛋敲3次,位置分别是赤道和两极.这样就可以保证好蛋和损蛋采集过来的信号有明显的差别,从而作出判断.然后敲击速度也要有一个确定的值,这样要即要保证不把鸡蛋敲破,又要保证能够得到很好的声音信号,这个可以通过调节输出脉冲的占空比来调节敲击速度,通过实验可以得到一个理想的速度. 3 鸡蛋破损检测系统设计 整个系统设计主要由软件和硬件两个部分组成，软件部分主要是基于MATLAB的图形用户界面（GUI）的M文件的设计，硬件部分主要是包括一个方波发生电路和一个自动敲击装置。下面先简单介绍一下软件部分。 3.1软件的设计 3.1.1系统软件总体设计 下图是本系统的总体软件流程图：初始化模块声音采集模块参数修改输出模块声音处理模块图3-1整体框架流程本系统利用声卡和麦克风实现对声音信号的采集。采集模块的功能主要是将一定数量的声音信号数据放入事先预定好的缓冲区中，为以后的声音信号的处理做准备。我们对采集得到的声音信号进行2步处理：（1）对采集到的声音进行用我们设计的滤波器进行过滤。过滤掉一些不要的噪声信号。把有用的信号提取出来。（2）对提取的声音信号进行分析处理，通过比较来剔除损壳蛋。 为了不使有效信号丢失，采集模块设计成连续采集声音信号，因此所采集的信号中即包括敲击鸡蛋的声音信号，也包括了非敲击的噪声信号。为避免把噪声信号当成是敲击蛋的声音信号和把敲击蛋的声音信号当成是噪声信号而删除掉，我们在处理声音信号时必须对采集声音信号设置条件，从中提取出敲击鸡蛋的声音信号，它的算法流程如下图3-2所示声音信号是否大于 设 定 的 值？ 否 是短时过零率是否在设定的范围内？ 采 集 声 音 信 号 数 据 否 是 判断其是敲击蛋的声音 结 束 图3-2 判断是敲击蛋壳的声音流程 上面的这个算法流程图主要是利用MATLAB的滤波器来实现的，有关滤波器的介绍和设计在本章的后半部分有介绍到。在进行完对采集的信号进行筛选后我们就要对其进行功率谱分析，功率谱分析就是对采集到的声音数字信号进行离散傅立叶变换DFT（Discrete Fourie Transform）。然后再从得到的功率谱中提取出相应的特征值，通过特征值的比较来判断被检鸡蛋是否破损。 3.1.2检测系统的软件控制界面总体控制界面主要由一下四大部分组成：它们分别是波形图显示部分、声音信号参数采集设置部分、系统测试部分、测试结果显示部分。图3-3是本系统的软件控制界面： 图3-3软件控制界面 本系统软件采用MATLAB进行编程，因为MATLAB是一种功能强大、效率高、交互性好的数值计算和可视化计算机高级语言，它将数据分析、信号处理和图形显示有机的融合为一体，形成了一个极其方便、用户界面友好的操作环境。MATLAB的不断发展，其功能越来越强大，使其广泛应用与数字信号处理、仿真、自动控制、小波分析和神经网络等领域。本系统实现对鸡蛋破损的检测是通过使用敲击装置对鸡蛋进行敲击，使其发出声音，然后通过麦克风传输声音信号，再通过MATLAB编制的程序来实现对信号的采集和处理。在本系统中我们用MATLAB的图形用户界面（GUI）做一个友好人机界面，下面我们简单介绍一下GUI： 图形用户界面（GUI）是用户与计算机程序之间的交互方式，是用户与计算机进行信息交流的方式。计算机在屏幕显示图形和文本，若有扬声器还可产生声音。用户通过输入设备，如：键盘、鼠标、跟踪球、绘制板或麦克风，与计算机通讯。用户界面设定了如何观看和如何感知计算机、操作系统或应用程序。通常，多是根据悦目的结构和用户界面功能的有效性来选择计算机或程序。图形用户界面或GUI是包含图形对象，如：窗口、图标、菜单和文本的用户界面。以某种方式选择或激活这些对象，通常引起动作或发生变化。最常见的激活方法是用鼠标或其它点击设备去控制屏幕上的鼠标指针的运动。按下鼠标按钮，标志着对象的选择或其它动作。 开始系统设计时，首先建立一个空白的GUI如图3-4，图3-4 通过添加一些必要的控件（控件区在左边，可以直接用鼠标拖拽出来）来实现用鼠标进行操作，从图3-3中我们可以看到本界面添加了2个坐标轴分别来显示被采集到的信号通过分析得出的时域图和频域图，添加了5个按钮分别来控制开始采集、结束采集、检测、提取时域数据、提取频域数据，添加了6个下拉菜单的控件来选择采样频率、采样个数、触发方式、延迟时间、采样通道和提前采样个数。在设计完这个图形用户界面后可以运行其使它直接生成M文件，然后在M文件中添加子程序作为各控件的回调函数，使通过用鼠标点控件就可以实现相应的操作。下面用表格形式来表示一下鸡蛋破损自动检测系统的控件设置：属性名称CallbackStringStyleTag控 件控 件时域图TextText2频域图Text Text4aaa1.m坐标1Axes1Scopeaaa2.m坐标2Axes2 Scope1caiji.m开始采集pushbutton DaqStartjieshu.m结束采集pushbutton DaqStop jiance.m检测pushbutton Daqcheckshi.m提取时域数据pushbutton Daqtimepin.m提取频域数据pushbutton Daqdata采样频率popupmenu cypinlv采样个数popupmenucygeshu触发方式popupmenu fangshi延迟时间popupmenu shijian采样通道popupmenutongdao提前采样个数popupmenutqcaiyangsundan.m损蛋个数累计edit geshudaodan.m好蛋个数累计edit haodan检测结果paneljieguomban系统测试paneluipanel3参数设置panel caiji 表3-1 控件设置情况在把所需控件全部拖出后就必须对控件的属性进行编辑，属性编辑界面如图3-5图3-5在控件属性中我们设置了每个控件的名称、标签和回凋函数，在表1-1中都有详细的介绍。在编辑完控件后要对该控制界面设计出一些菜单项目，在MATLAB的GUI中设置菜单非常方便，可以直接点击菜单编辑按钮就可以弹出菜单编辑框如图3-6，我们就可以直接在编辑框中编辑菜单项了。在准备完所以的设置后，就可以运行GUI文件，MATLAB将自动生成一系列M文件，在完成上述操作后就可以对各控件的功能进行回调函数的编写。回调函数最主要包括3个函数，即声音采集函数、滤波函数和功率谱分析函数。图3-6 在GUI的设计中我们考虑了采样频率设置，因为我们采集的声音是模拟量，在计算机处理时必须把它转换为数字量，通过将声波波形转换成一连串的二进制数据来再现原始声音的，实现这个步骤使用的设备是模/数转换器(A/D)它以每秒上万次的速率对声波进行采样，每一次采样都记录下了原始模拟声波在某一时刻的状态，称之为样本。将一串的样本连接起来，就可以描述一段声波了，把每一秒钟所采样的数目称为采样频率或采率，单位为HZ(赫兹)。采样频率越高所能描述的声波频率就越高。采样率决定声音频率的范围(相当于音调)，可以用数字波形表示。以波形表示的频率范围通常被称为带宽。众所周知，采样频率的选取必须按照香农采样定理来确定，必须满足fs2fc。采样频率fs低于被采样信号x(n)频宽的2倍时，采样信号会发生混叠。所以在采样之前，必须先对被采样信号x(n)做低通虑波来压缩其频带，然后再抽取，以避免混叠现象。假定h(n)为低通滤波器的冲激响应函数，那么抽取信号则为：（3-1） y(n)= 通过前人的试验数据和查阅的相关资料表明本系统的采样频率最佳为220XXHZ。采样个数为512个最佳。但是在系统中我们可以多设置几个进行比较，因此采样频率我设置了11025、22050、44100HZ等，采样个数设置了512个、256个、128个和64个。本试验中，因为分析的频率范围较宽，环境噪声将会对采集结果产生较大影响，特别是频率在1000Hz 以下的噪音应尽量控制，所以将1000Hz以下的频率做噪音处理，不予考虑分析。采集的声音信号进行时域分析和频域分析，从频谱图中很容易看出特征响应频率。 在进行系统设计时我们还设置了不同触发方式来触发，分别设置了上升沿、下降沿、高电平、低电平等触发方式，对于采样通道我们有单通道和双通道（立体声）。在对鸡蛋进行敲击检测后可以在本界面直接显示好蛋和损蛋的个数，这个界面为我们清晰地显示实验过程和结果。 在进行声音采集函数的设计中我们采用了MATLAB的函数库，因为Matlab 函数库中的analoginput () 函数可实现对模拟信号的采集, 通过定义ai=analoginput(ADAPTOR) ,可建立模拟信号采集的对象,其中ADAPTOR 表示设备名称,若是采集声音信号,则设ADAPTOR=win2sound,即建立了声音信号采集的对象。对建立的声音信号采集对象要进行声音采集的属性参数设置。Addchannel(ai,1)设置采集声音的通道数,1表示单声道,1 2则表示立体声道,同时还可对声道进行更深层次设置,如设置每个声道的名称、每个声道的输入信号值期望范围和A/D 转换的电压范围等;set(ai,SampleRate,value) 设置声音信号采集的采样频率,value的取值根据实际情况进行确定,但必须满足采样定理,通常的取值有Value=8000、16000、44100 等;set(ai,SamplesPerTrigger,value) 设置采集声音信号的长度,可用秒作单位也可以用采集样本个数作单位;set(ai,TriggerRepeat,value) 设置连续采集的次数,若value=0表示只采集一次,value=1表示采集两次声音信号;set(ai，TriggerDelay,value)设置延长的时间长短,表示触发完成时再延长一段时间后采集声音信当然value 也可以取负值,表示触发提前采集;set(ai,TriggerType,value)设置声音信号采集的触发方式,触发方式主要有三种:立即触发、手工触发和软件触发,软件触发又可分为信号上升沿、下降沿触发等,需根据不同的实际情况选择合适的触发方式,set(ai,TriggerConditionValue,value)设置声音信号采集的触发临界值,只要满足触发条件,就可立即对声音信号进行采集;set(ai,TimeOut,value) 设置超时等待的时间长短。执行start(ai)函数打开声音信号采集的对象,一旦满足触发条件就立即采集声音信号,函数getdata(ai)可持续进行采集声音信号数据,执行这个函数能够得到声音信号的时域特值,delete(ai)函数删除声音信号采集的对象。依次执行上面的函数就能够实现对声音信号的采集。下面是声音采集与分析处理程序。 ai = analoginput (winsound) ;c1 = addchannel (ai ,1) ;set (ai ,SampleRate,22050) ;/ / 设置采集声音的属性参数start (ai)tryclear data ,time ; data ,time = getdata(ai) ;catchtime = 0 ;data = 0 ;disp (A timeout occured) ;endfigureplot (time ,data ,b) ;title (时域图) ;xlabel (Samples(64) ;ylabel (幅值) ;grid; %滤波处理; %功率谱分析处理figureplot (s ,b) ;title (频域图) ;xlabel (频率值(HZ) ;ylabel (功率谱值) ;grid ;stop (ai) ;delete (ai) ;程序主要由三部分组成,声音采集的初始化部分、声音信号的处理部分(包括滤波与频谱分析) 和处理结果的输出部分,图3-6和图3-7分别是对采集到的声音信号分析后得到的时域图和频域图。 图3-7 图3-8 在得到采集到的声音信号后就要对该信号进行滤波处理，我们采用MATAB中的数字滤波器，来去除一些噪声信号，因为经过查阅相关资料表明噪声信号的频率一般都低于1000HZ，这样我们在设计滤波器的时候可以把的最低频率设为1000HZ。 数字滤波器（Digital Filter,简称DF）是数字信号处理的重要基础，在对信号的过滤、检测与参数估计等处理中，它是使用最为广泛的一种线性系统。数字滤波器是指完成信号滤波处理功能的、用有限精度算法实现的离散时间线性非时变系统。其输入是一组（由模拟信号取样和量化的）数字量，其输出是经过数字变换的另一组数字量。它本身既可以是用数字硬件装配而成的一台用于完成给定运算的专用数字计算机，也可以是将所需的运算编制的程序，让通用计算机来执行。数字滤波器具有稳定性高、精度高、灵活性大等突出优点。随着数字技术实现滤波器的功能越来越受人们的重视，并得到了广泛的应用。 数字滤波器的数学运算通常有两种实现方式。一种是频域法，即利用FFT快速运算办法对输入信号进行离散傅立叶变换，分析其频谱，然后根据所希望的频率特性进行滤波，在利用傅立叶反变换恢复出时域信号。这种方法具有较好的频域选择性和灵活性，并且由于信号频率与所希望的频谱特性是简单的相乘关系，所以它比计算等价的时域卷积要快的多。另一种方法是时域法，这种方法是通过对离散抽样数据作差分数学运算来达到滤波的木的。滤波器设计的一般过程：（1）按照实际要求。确定滤波器的性能要求。（2）用一个因果、稳定的离散线性时不变系统，去逼近这一性能指标。（3）用有限精度的运算实现所设计的系统。（4）通过模拟，验证所设计的系统是否符合给定的性能要求。MATLAB工具箱为滤波器的设计应用提供了丰富而简单的方法，使原来非常复杂的程序设计变成了简单的函数调用，为滤波器的设计和实现开辟了广阔的田地。在数字滤波器中共有两大类：一类是无限脉冲响应数字滤波器（IIR数字滤波器），另一类是有限脉冲响应数字滤波器（FIR数字滤波器），我们在本系统设计中采用的是有限脉冲数字滤波器，因为相对于无限脉冲响应数字滤波器（IIR数字滤波器）来说FIR数字滤波器有如下的特点： 总是稳定的； 具有精确的线性相位； 设计方法是线性的； 硬件方面比较容易实现； 过渡过程具有有限区间； 按照滤波器的功能，可以将它们分为： 低通滤波器（LPF） 高通滤波器（HPF） 带通滤波器（BPF） 带阻滤波器（BSF）这些滤波器的理想幅频响应如下图所示： |H(jw)| |H(jw)| -Wc 0 Wc -Wc 0 Wc 图3-9 理想低通 图3-10 理想高通 |H(jw)| |H(jw)| -Wc1 -Wc2 0 Wc1 Wc2 -Wc1 -Wc2 0 Wc1 Wc2 图3-11 理想带通 图3-12 理想带阻下面是本系统的滤波器的函数及其波形图：Fs=800;f=1500 2000;a=1 0;dev=0.01 0.1;n,fo,ao,w=remezord(f,a,dev,Fs);b=remez(n,fo,ao,w);H,W=freqz(b,1,1024,Fs);plot(W,20*log10(abs(H);grid;波形图如下图3-13所示： 图3-13 波形图 滤波后的信号就只剩下对我们有用的信号了，此时我们要在对这个信号进行功率谱及一些数据采集处理分析进而确定被检测的鸡蛋是好壳蛋还是损壳蛋的。， 频谱分析和数字滤波是数字信号处理的两个主要分支，它们之间又存在着密切的联系。信号处理的目的在于分析并利用信号的特征。众所周知，信号既可以在时域上分析又可以在频域上分析。而且频域分析常常比时域分析更优越。所谓的谱，就是信号的某些特征在频域上随频率的分布关系。功率谱估计就是基于有限的数据寻找信号、随机过程或系统的频率成分。它表示随机信号频域的统计特征，有着明显的物理意义，是信号处理的重要研究内容之一。随机信号是无始无终具有无限能量的，所以其傅立叶变换并不存在，因为它不满足绝对可积的条件。因此需要研究其在频域上的功率分布情况，功率谱密度或功率谱。下面简单用下面的函数和图形来介绍一下功率谱分析：Fs=2000;nFFT=1024;n=0:1/Fs:1;x=sin(2*pi*100*n)+4*sin(2*pi*500*n)+randn(size(n); %噪声系列