| 致谢 | 第6-7页 |
| 摘要 | 第7-10页 |
| Abstract | 第10-12页 |
| 缩写、符号清单、术语表 | 第19-25页 |
| 第一章 绪论 | 第25-39页 |
| 1.1 研究背景 | 第25-28页 |
| 1.1.1 禽蛋在世界和中国的地位 | 第25-27页 |
| 1.1.2 禽蛋品质检测自动化的必要性 | 第27页 |
| 1.1.3 蛋壳裂纹对禽蛋品质的危害 | 第27-28页 |
| 1.2 国内外研究现状 | 第28-35页 |
| 1.2.1 基于机器视觉的禽蛋裂纹检测技术 | 第29-32页 |
| 1.2.2 基于声学的禽蛋裂纹检测技术 | 第32-35页 |
| 1.2.3 国内外研究总结 | 第35页 |
| 1.3 课题来源 | 第35-36页 |
| 1.4 研究目的及意义 | 第36页 |
| 1.5 主要研究内容 | 第36-37页 |
| 1.6 技术路线 | 第37页 |
| 1.7 本章小结 | 第37-39页 |
| 第二章 基于电磁驱动的伸缩式禽蛋激励机构及系统研究 | 第39-73页 |
| 2.1 激励机构研究 | 第39-44页 |
| 2.1.1 激励机构结构与运行原理 | 第39-41页 |
| 2.1.2 激励机构结构参数优化 | 第41-44页 |
| 2.1.3 激励机构检测禽蛋裂纹原理 | 第44页 |
| 2.2 激励机构驱动电路设计 | 第44-47页 |
| 2.2.1 驱动电路设计与调试 | 第45-47页 |
| 2.3 信号采集与分析系统设计 | 第47-52页 |
| 2.3.1 麦克风前置放大滤波电路设计 | 第47-50页 |
| 2.3.2 基于CompactRIO的数据采集系统 | 第50-52页 |
| 2.4 敲击力及声音信号采集平台搭建 | 第52-53页 |
| 2.5 激励机构输出敲击力与相关参数关系研究 | 第53-62页 |
| 2.5.1 敲击力的描述与获取方法 | 第55-58页 |
| 2.5.2 标定敲击力与参数关系研究 | 第58-60页 |
| 2.5.3 实测敲击力与参数关系研究 | 第60-62页 |
| 2.6 最优敲击力范围及相关参数取值研究 | 第62-69页 |
| 2.6.1 敲击力上限 | 第62-65页 |
| 2.6.2 敲击力下限 | 第65-67页 |
| 2.6.3 最优敲击力范围与参数取值 | 第67-69页 |
| 2.6.4 其他参数对敲击力的影响 | 第69页 |
| 2.7 本章小结 | 第69-73页 |
| 第三章 禽蛋裂纹检测声学特征提取与判别算法研究 | 第73-101页 |
| 3.1 引言 | 第73页 |
| 3.2 声学特征及评估准则介绍 | 第73-79页 |
| 3.2.1 时域特征 | 第74-75页 |
| 3.2.2 频域特征 | 第75-78页 |
| 3.2.3 特征评估准则 | 第78-79页 |
| 3.3 实验材料与步骤 | 第79-81页 |
| 3.3.1 鸡蛋样本与裂纹制造 | 第79-80页 |
| 3.3.2 实验步骤及分析过程 | 第80-81页 |
| 3.4 声学特征的计算与相关参数确定 | 第81-89页 |
| 3.4.1 过零率(ZCR) | 第81页 |
| 3.4.2 衰减时间(DT) | 第81-82页 |
| 3.4.3 主频及峰值(DF) | 第82-86页 |
| 3.4.4 频谱重心(SC) | 第86-87页 |
| 3.4.5 频谱衰减截止频率(SR) | 第87页 |
| 3.4.6 频带能量(BE) | 第87-89页 |
| 3.4.7 频带能量比(BER) | 第89页 |
| 3.5 单个特征判别能力及特征间相关关系研究 | 第89-92页 |
| 3.5.1 单个特征的判别能力研究 | 第89-92页 |
| 3.5.2 特征之间相关性研究 | 第92页 |
| 3.6 基于神经网络的完好蛋和裂纹蛋判别效果及分析 | 第92-99页 |
| 3.6.1 神经网络训练 | 第94-95页 |
| 3.6.2 神经网络测试 | 第95-99页 |
| 3.6.3 总结 | 第99页 |
| 3.7 本章小结 | 第99-101页 |
| 第四章 基于FPGA和DSP的禽蛋裂纹在线检测系统 | 第101-135页 |
| 4.1 引言 | 第101-103页 |
| 4.1.1 DSP在禽蛋裂纹检测领域的应用及研究 | 第101-102页 |
| 4.1.2 FPGA在多通道信号采集与处理方面的研究 | 第102-103页 |
| 4.2 禽蛋裂纹在线检测机械结构 | 第103-105页 |
| 4.3 禽蛋裂纹在线检测控制系统 | 第105-116页 |
| 4.3.1 控制电路与传感器介绍 | 第105-109页 |
| 4.3.2 传感器测试及试验验证 | 第109-110页 |
| 4.3.3 控制流程 | 第110-116页 |
| 4.4 禽蛋裂纹在线检测信号采集与分析系统 | 第116-130页 |
| 4.4.1 系统总体框架设计 | 第116页 |
| 4.4.2 硬件设计 | 第116-121页 |
| 4.4.3 软件设计 | 第121-130页 |
| 4.5 在线检测系统测试 | 第130-133页 |
| 4.5.1 总体运行状况 | 第130-131页 |
| 4.5.2 不同激励机构敲击产生信号一致性研究 | 第131-133页 |
| 4.5.3 激励机构对不同大小禽蛋敲击产生信号一致性研究 | 第133页 |
| 4.6 本章小结 | 第133-135页 |
| 第五章 禽蛋裂纹在线检测系统判别效果与分析 | 第135-149页 |
| 5.1 测试流程与介绍 | 第135-137页 |
| 5.1.1 实验流程 | 第135页 |
| 5.1.2 信号处理与判别方法 | 第135-137页 |
| 5.2 用于测试的在线信号采集 | 第137-138页 |
| 5.2.1 样本处理 | 第137页 |
| 5.2.2 实验条件与步骤 | 第137-138页 |
| 5.3 利用静态模型测试在线特征 | 第138页 |
| 5.4 建立在线模型测试在线特征 | 第138-141页 |
| 5.4.1 训练集样本处理 | 第138-139页 |
| 5.4.2 实验条件与步骤 | 第139-140页 |
| 5.4.3 结果与分析 | 第140-141页 |
| 5.5 在线特征分析与筛选 | 第141-147页 |
| 5.5.1 样本处理 | 第141-142页 |
| 5.5.2 实验条件与步骤 | 第142-143页 |
| 5.5.3 特征F-ratio计算 | 第143页 |
| 5.5.4 特征间相关性计算 | 第143-145页 |
| 5.5.5 神经网络训练 | 第145-147页 |
| 5.5.6 神经网络模型判别效果验证 | 第147页 |
| 5.5.7 结论 | 第147页 |
| 5.6 本章小结 | 第147-149页 |
| 第六章 结论与展望 | 第149-153页 |
| 6.1 主要研究结论 | 第149-151页 |
| 6.2 主要创新点 | 第151页 |
| 6.3 进一步研究展望 | 第151-153页 |
| 参考文献 | 第153-161页 |
| 作者简历 | 第161-162页 |
