基于虛擬儀器的淡水魚在線品質(zhì)分級系統(tǒng)研究.pdf

1、大小及新鮮度是淡水魚品質(zhì)評價的重要指標(biāo)?，F(xiàn)階段的評價多采用人工檢測主觀性強(qiáng)，效率低。因此研究淡水魚大小和新鮮度的評價方法并建立一種無損、高效的淡水魚的品質(zhì)檢測分級系統(tǒng)對淡水魚產(chǎn)業(yè)化發(fā)展具有重要科學(xué)意義。
　　 本文基于虛擬儀器并結(jié)合近紅外光譜儀、稱重傳感器以及DAQ數(shù)據(jù)采集卡，構(gòu)建了淡水魚在線品質(zhì)分級系統(tǒng)，完成了淡水魚大小及新鮮度檢測系統(tǒng)的設(shè)計(jì)，進(jìn)行了淡水魚大小和新鮮度檢測方法研究，實(shí)現(xiàn)了淡水魚品質(zhì)的在線檢測與分級。主要研究結(jié)論

2、如下:
　　 1)設(shè)計(jì)了拆裝簡易的機(jī)械結(jié)構(gòu)，便于系統(tǒng)中傳感器、輸送裝置、檢測設(shè)備、控制系統(tǒng)等安裝、固定與檢修，增強(qiáng)了系統(tǒng)的擴(kuò)展性和可維護(hù)性。
　　 2)采用混合式兩相步進(jìn)電機(jī)驅(qū)動實(shí)現(xiàn)分級系統(tǒng)的運(yùn)動模塊功能，利用超低功耗單片機(jī)設(shè)計(jì)了步進(jìn)電機(jī)控制器。該模塊可以控制淡水魚品質(zhì)分級系統(tǒng)中運(yùn)動部分的啟動、停止、加速、減速等一系列操作，并且能與上位機(jī)進(jìn)行通訊，可以通過上位機(jī)或單片機(jī)控制分級線的運(yùn)轉(zhuǎn)，確保后續(xù)重量檢測模塊、光譜采集模塊

3、和品質(zhì)分級模塊的正常工作。
　　 3)在軟件系統(tǒng)中設(shè)計(jì)了可以實(shí)現(xiàn)淡水魚光譜便捷采集的光譜采集模塊，其中添加了非線性校正、消除暗電流、平均光譜和平滑窗等功能。經(jīng)過采集模塊中的非線性校正及暗電流校正可以降低微型光譜儀內(nèi)部光電檢測器陣列的非線性及暗電流信息對光譜數(shù)據(jù)的影響;對光譜數(shù)據(jù)進(jìn)行均值處理，可以降低光譜數(shù)據(jù)中奇異點(diǎn)的干擾;光譜數(shù)據(jù)經(jīng)過光譜采集模塊的平滑窗函數(shù)處理，可以進(jìn)一步降低噪聲干擾;同時，軟件中光譜數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)了實(shí)時保存

4、模塊，可以將光譜數(shù)據(jù)保存并在其他平臺進(jìn)行分析與處理。
　　 4)設(shè)計(jì)了在線重量采集模塊，有效提高了重量檢測精度。重量采集模塊采集到的重量信息經(jīng)過差分放大，具有高輸入阻抗、低偏置電壓、低溫漂、高共模抑制比等特點(diǎn);采用均值平滑處理，在單位時間內(nèi)只輸出一次重量值，降低了系統(tǒng)的數(shù)據(jù)運(yùn)算壓力，同時提高了測量精度;添加了手動校準(zhǔn)，可以對稱重傳感器的線性度進(jìn)行修正;重量采集?？炷軌?qū)χ亓繑?shù)據(jù)進(jìn)行實(shí)時保存。
　　 5)在線檢測分級軟件中

5、的品質(zhì)分級模塊可以實(shí)現(xiàn)對淡水魚品質(zhì)的在線分級，采用淡水魚信息同步算法，實(shí)時跟蹤淡水魚的品質(zhì)信息，當(dāng)經(jīng)檢測后確定等級的淡水魚到達(dá)相應(yīng)的分級執(zhí)行機(jī)構(gòu)時，分級機(jī)構(gòu)動作，完成淡水魚的分級。品質(zhì)分級模塊中優(yōu)化的同步跟蹤算法，可以簡化分級過程，降低分級成本，具有良好的擴(kuò)展性和適用性。
　　 6)開展了基于虛擬儀器品質(zhì)在線分級檢測平臺的淡水魚重量檢測試驗(yàn)研究。試驗(yàn)以60條魚為樣本，在150mm/s的運(yùn)動速度下，試驗(yàn)測量值與真實(shí)值之間的相關(guān)系數(shù)

6、達(dá)到0.9998，最大絕對誤差為1.04％;連續(xù)進(jìn)行5次隨機(jī)試驗(yàn)，大小分級系統(tǒng)的分級準(zhǔn)確率都達(dá)到了100％。
　　 7)開展了基于虛擬儀器的淡水魚品質(zhì)在線品質(zhì)分級平臺的淡水魚新鮮度檢測試驗(yàn)研究。分別采用隨機(jī)法(RS)、Kennard-Stone法(KS)、雙向法(Duplex)、光譜-理化值共生矩陣法(SPXY)對光譜數(shù)據(jù)分別進(jìn)行樣本集劃分，并對建模結(jié)果進(jìn)行比較，確定KS法為最佳樣本劃分方法;分別采用SVMDA、KNN和PLSD