基于气流激励与音频识别的莲子去心疵品分选方法技术

本发明专利技术公开了一种基于气流激励与音频识别的莲子去心疵品分选方法，方法包括莲子放置及姿态调整、气针位置调整为与莲子轴线同轴、气针向莲子端面喷射气流产生声音响应信号、麦克风采集声音响应信号并送入控制器、控制器中的音频分类程序对输入的声音响应信号进行分类等步骤。所述分选方法利用莲子去心良品的去心孔洞与莲子自身轴线同轴，而莲子去心疵品的去心孔洞与莲子自身轴线不同轴这一差异，通过沿莲子轴线方向向莲子喷射气流，使得气流吹出后被阻挡情况不同而产生差异性声音响应信号，随后由音频分类程序完成自动分选。本发明专利技术采用气流激励产生的声音信号辨别莲子去心疵品与良品，实施便捷，易部署至分选装备中实现去心莲子的高效、优质分选。优质分选。优质分选。

【技术实现步骤摘要】
基于气流激励与音频识别的莲子去心疵品分选方法


[0001]本专利技术涉及莲子加工品质分选领域，特别是一种基于气流激励与音频识别的莲子去心疵品分选方法。

技术介绍

[0002]莲子含有丰富的营养、药用成分，常作为食品、营养物质提取原料和药材使用。去心是莲子生产过程中的重要加工工序，其目的是将经剥壳后的椭球状莲子内部苦涩的莲心去除。常用的去心方法是沿莲子轴线加工出通孔，使位于莲子轴线方向上的莲心排出。其中，干莲子通常采用钻孔方法，鲜莲子多采用冲孔方法。
[0003]现有机械化莲子去心加工容易出现去心偏斜问题，去心孔与莲子轴线相倾斜，使得莲心无法完全排出莲子。去心偏斜降低了莲子的外观品质，造成了莲仁肉质损伤；同时这部分残留莲心将引起成分混叠、诱发霉变、影响口感等问题。因此，在去心莲子产品投入市场前有必要进行去心疵品分选。
[0004]目前，关于莲子去心疵品自动分选的报道较少，若需安排分选作业则主要依靠人工分选，人工作业检测成本高，且存在疲劳、漏检、卫生隐患等问题，影响分选质量和分选效率。现阶段已有光电色选技术应用于莲子剥壳生产，可将剥壳后的淡红色莲仁与未完全剥壳莲子、未剥壳莲子、莲壳等疵品分离。该方法主要根据外观颜色进行分选，对于去心孔较小、良品和疵品都存在去心孔洞、需靠孔洞位置信息进行分选的莲子去心产品而言，分选难度较大。

技术实现思路

[0005]为解决上述技术问题，本专利技术提供一种可实现莲子去心疵品自动分选的基于气流激励与音频识别的莲子去心疵品分选方法，以进一步提高去心莲子产品品质与市场竞争力。
[0006]本专利技术提供以下技术方案，一种基于气流激励与音频识别的莲子去心疵品分选方法，所述分选方法包括：
[0007]步骤1，将经过去心加工的莲子置于莲子装夹装置两滚轮间的莲子容纳空间中；调整莲子姿态，使莲子的轴线与莲子装夹装置的滚轮轴线平行；随后压块压紧莲子；
[0008]步骤2，调整气针安装座位置，使气针轴线与莲子轴线同轴；使气针出口面向莲子端面；
[0009]步骤3，控制器控制喷气执行组件通过气针向莲子喷射气流；莲子去心良品的去心孔洞与莲子轴线同轴，莲子去心疵品的去心孔洞与莲子轴线不同轴，气流吹出时的被莲子阻挡情况不同，将分别产生具有差异性音频特征的良品声音响应信号和疵品声音响应信号；
[0010]步骤4，所述良品声音响应信号和疵品声音响应信号被麦克风采集并送入控制器；
[0011]步骤5，所述控制器中部署的音频分类程序对输入的声音响应信号进行分析与分
类，确定当前被检测莲子的类型并做出分选决策。
[0012]进一步的，上述基于气流激励与音频识别的莲子去心疵品分选方法中，所述音频分类程序为深度学习模型；所述深度学习模型采用卷积神经网络结构，用于自动提取声音响应信号的特征并进行音频分类；所述深度学习模型的权重通过对预先采集与标记的声音响应信号进行训练获得。
[0013]进一步的，上述基于气流激励与音频识别的莲子去心疵品分选方法中，所述卷积神经网络为一维卷积神经网络，所述声音响应信号数据为原始一维音频数据；所述一维卷积神经网络对良品声音响应信号和疵品声音响应信号的分析识别包括以下步骤：
[0014]步骤A1，对声音响应信号数据进行截取预处理，仅保留有效声音响应区段，缩短信号时长并使其符合一维卷积神经网络的输入格式要求；
[0015]步骤A2，将经过截取预处理的声音响应信号数据输入一维卷积神经网络；
[0016]步骤A3，所述一维卷积神经网络输出分类结果。
[0017]进一步的，上述基于气流激励与音频识别的莲子去心疵品分选方法中，所述卷积神经网络可以为二维卷积神经网络；所述二维卷积神经网络对良品声音响应信号和疵品声音响应信号的分析过程包括以下步骤：
[0018]步骤B1，对经过截取预处理的声音响应信号数据进行时频转换，获取对应的二维谱图；
[0019]步骤B2，将二维谱图输入二维卷积神经网络中；
[0020]步骤B3，所述二维卷积神经网络输出分类结果。
[0021]进一步的，上述基于气流激励与音频识别的莲子去心疵品分选方法中，所述二维谱图由短时傅里叶变换、离散小波变换、MFCC特征提取方法、希尔伯特
‑
黄变换中的一种方法变换获得。
[0022]进一步的，上述基于气流激励与音频识别的莲子去心疵品分选方法中，所述二维谱图为声谱图，Mel谱图，对数Mel谱图，离散小波变换谱图，MFCC谱图，希尔伯特谱图中的一种。
[0023]与现有技术相比，本专利技术的有益效果是：本专利技术利用莲子去心良品和疵品上去心孔洞的位置差异，通过沿莲子轴线方向向莲子喷射空气气流产生不同的声音响应信号，进而由音频分类程序如深度学习方法对声音响应信号进行音频识别分类，完成分选，可实现自动化作业。
附图说明
[0024]图1是本专利技术的分选原理图；
[0025]图2是本专利技术的良品、疵品气流激励分选差异原理图；
[0026]图3是本专利技术的分选方法流程图；
[0027]图中主要组成包括：1莲子装夹装置；1
‑
1滚轮；1
‑
2压块；2喷气执行组件；2
‑
1气针安装座；2
‑
2气针；2
‑
3气流；3麦克风；4
‑
1莲子去心良品；4
‑
2莲子去心疵品；4
‑
3去心孔洞；5
‑
1良品声音响应信号；5
‑
2疵品声音响应信号。
具体实施方式
[0028]为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。
[0029]如图1~图3所示，本专利技术一种基于气流激励与音频识别的莲子去心疵品分选方法，所述分选方法包括以下步骤：
[0030]步骤1，将经过去心加工的莲子置于莲子装夹装置1上两滚轮1
‑
1之间的莲子容纳空间中；调整莲子姿态，使莲子的轴线与莲子装夹装置1中的滚轮1
‑
1的轴线平行；随后压块1
‑
2压紧莲子；
[0031]在具体实施时，莲子的放置方法是采用手工和自动送料方式之一实现；莲子的姿态调整是通过两个滚轮1
‑
1旋转定心方式实现。
[0032]步骤2，调整气针安装座2
‑
1的位置，使气针2
‑
2的轴线与莲子轴线同轴；并使气针2
‑
2的出口面向莲子端面；
[0033]步骤3，控制器控制喷气执行组件2通过气针2
‑
2向莲子喷射气流2
‑
3；
[0034]在具体实施时，控制器是通过控制喷气执行组件2内的继电器动作，使继电器控制气动控制阀将压缩空气供应系统供应的压缩空气从气针2
‑
2喷出。
[0035]如图1、图2所示，莲子去心良品4
‑
...

【技术保护点】

【技术特征摘要】
1.一种基于气流激励与音频识别的莲子去心疵品分选方法，其特征在于，所述分选方法包括：步骤1，将经过去心加工的莲子置于莲子装夹装置两滚轮间的莲子容纳空间中；调整莲子姿态，使莲子的轴线与莲子装夹装置的滚轮轴线平行；随后压块压紧莲子；步骤2，调整气针安装座位置，使气针轴线与莲子轴线同轴；使气针出口面向莲子端面；步骤3，控制器控制喷气执行组件通过气针向莲子喷射气流；莲子去心良品的去心孔洞与莲子轴线同轴，莲子去心疵品的去心孔洞与莲子轴线不同轴，气流吹出时的被莲子阻挡情况不同，将分别产生具有差异性音频特征的良品声音响应信号和疵品声音响应信号；步骤4，所述良品声音响应信号和疵品声音响应信号被麦克风采集并送入控制器；步骤5，所述控制器中部署的音频分类程序对输入的声音响应信号进行分析与分类，确定当前被检测莲子的类型并做出分选决策。2.根据权利要求1所述的基于气流激励与音频识别的莲子去心疵品分选方法，其特征在于，所述音频分类程序为深度学习模型；所述深度学习模型采用卷积神经网络结构，用于自动提取声音响应信号的特征并进行音频分类；所述深度学习模型的权重通过对预先采集与标记的声音响应信号进行训练获得。3.根据权利要求2所述的基于气流激励与音频识别的莲子去心疵品分选方法，其特征在于，所述卷积神经网络为一维卷积神经网络，所述声音响应...

【专利技术属性】
技术研发人员：卢安舸，颜振坤，马秋成，张鑫宇，崔浩，欧阳睿，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：