禽蛋品质在线智能化检测关键技术的研究有利于提升我国禽蛋商品化处理及多指标同步检测的能力,突破国外产品的市场垄断,为我国禽蛋商品初加工处理的自动化和规模化提供条件。对声学信号分析、机器视觉与动态称重等技术在禽蛋品质智能化检测中的理论瓶颈和关键技术难题进行了分析,并以此为据开展了禽蛋品质多指标模块化智能检测的研究,实现了对鸡蛋的蛋壳质量、蛋形指数、重量及新鲜度等鸡蛋内外品质在线无损检测；针对禽蛋裂纹在线检测实现相对复杂的问题,检测稳定性受制于多次敲击等问题,进一步开展了表面振动波信号分析技术的研究,分析振动波信号在禽蛋蛋壳表面分布、扩散及衰减情况,以期通过单次敲击即可快速无损检测裂纹禽蛋的方法。主要研究内容如下：1.鸡蛋蛋壳质量在线检测模块的设计和研究。设计了一套以DSP (TMS320C2812)为核心处理器的鸡蛋蛋壳品质在线检测模块,可实现受检鸡蛋在生产线上滚动前行、到达检测工位时的自动敲击及音频信号的采集与处理,分析了在线检测中生产线速度、敲击力度、敲击点、禽蛋质量等因素对响应信号的影响,并对软硬件进行了优化,为获取稳定性强和信噪比高的响应信号提供基础。通过软件系统实现信号的时频转换,并提取频域信号中的相关特征参数,建立蛋壳品质的定性与定量分析模型。该系统对完好和裂纹鸡蛋检测率分别达97.27%和94.17%；蛋壳强度(蛋壳最大承受应力)的预测值与参考值(准静态压缩法)之间的平均误差为3.01N,相关系数R为0.776。2.鸡蛋蛋壳质量在线检测模块的集成与优化。对已有的蛋壳质量检测模块在信号采集与处理、自动敲击和上位机三个子模块进行了优化,使其更贴近于自动化与工业化。在信号的采集与处理模块中,以TMS320C5509A为主处理器,简化了音频信号的采集与调理过程,减少了信号干扰环节,提高了信号的精度与处理速度；在自动敲击模块中,通过对信号触发和敲击执行控制环节的优化,实现各敲击工位的紧密排列,缩短了生产线声学模块长度,并具备随生产线速度自适应调整能力；在上下位机通讯与处理模块中,所编制的软件系统可实现对多路DSP的同步通讯及处理,并对结果进行综合判别,且将判别结果存入数据库中,可应用于后续分级执行装置。该模块的集成和优化不仅缩短了生产线声学检测区间长度,还增强了系统抗干扰能力,仅通过对时域信号过零率的分析即可区分完好和裂纹鸡蛋,检测率分别为97.58%和95.76%。3.鸡蛋外形特征在线检测模块的设计和研究。系统以Visual Studio2008+QT为编程平台,在计算机中即可实现对鸡蛋图像在线采集与实时处理,检测鸡蛋外形特征和表面洁净程度。分析了多个颜色空间下的分量图像和分量融合图像,对R-B色差分量图采用固定阈值法从背景中提取鸡蛋区域。对比了鸡蛋长短轴提取方法,根据研究结果,采用了直角外接矩形法作为检测的长短轴的方法。分析了不同色度(HSI)空间下的鸡蛋表面颜色信息,以表面颜色的不连续性作为判别鸡蛋表面的洁净程度。所建立的线性模型预测独立鸡蛋样本的长、短轴的预测相关系数R分别为0.9477和0.9185,绝对误差平均值分别为0.5393mm和0.3658mm；对鸡蛋蛋形指数的预测精度达到了0.9552；对表面污渍和色斑检测率为94.74%。4.鸡蛋重量在线检测模块的设计和研究。Y型辊子支撑鸡蛋在生产线上运输前行,当鸡蛋到达称重桥路时,Y型辊子给鸡蛋水平方向推力使其滚动至动态称重传感器检测区域中,采集与分析传感器信号。通过对大量动态信号的分析,运用了5阶巴特沃斯低通滤波器(截至频率为20Hz)保留了信号的低频部分,并提取了能表征鸡蛋重量的信号段(160ms-200ms),建立了鸡蛋重量预测的线性模型,结果表明,动态称重对鸡蛋称重误差范围为-0.75g-0.66g,可满足重量分级的要求。5.鸡蛋新鲜度在线检测的研究。通过已有研究表明,鸡蛋的新鲜度与其密度呈显著相关关系。将机器视觉模块所获取的鸡蛋长、短轴,与动态称重模块所获取的鸡蛋重量信息相结合,提出了采用物理方法在线检测鸡蛋新鲜度,采用上述三个参数与新鲜度参考值(哈夫单位)构建了多元线性模型,结果表明：对独立鸡蛋样本哈夫单位预测相关性R值为0.8653,绝对误差平均值为2.9874。6.采用表面振动波分析技术检测鸡蛋蛋壳裂纹。设计一套基于表面振动波的鸡蛋蛋壳裂纹检测基础平台,以Labview编制信号采集分析软件,采集禽蛋受机械激励后产生振动响应信号,分析其在禽蛋(薄壳椭球体结构)蛋壳表面分布、扩散及衰减情况,以期通过单次敲击即可快速无损检测裂纹禽蛋的方法。对试验中完好和裂纹鸡蛋蛋壳敲击振动信号的进行统计性分析,提取了7个特征参数,并用主成分分析方法提取有用信息；将鸡蛋表面8等分,研究裂纹位置对信号的影响。实验结果表明通过分析鸡蛋表面振动波信号的方法检测鸡蛋蛋壳裂纹是可行的,且能有效的减少检测次数。本课题分析研究了鸡蛋品质在线智能化检测的关键技术,针对不同检测参数采用模块化处理,研究成果对进一步提高禽蛋品质智能化检测的可靠性和精度提供了基础,对促进禽蛋品质检测关键技术的发展和自动化检测与分级装备的研制具有一定的实际意义。同时,研究以鸡蛋为研究对象,但也不失其一般性,研究结果也可为其它农产品的在线检测提供参考和基础支持。