基于碰撞声信号的玉米颗粒识别与分类

为实现对玉米颗粒的自动分类,利用碰撞声信号装置采集玉米完好粒、虫蛀粒和霉变粒的840个声信号.分别从时域和频域对碰撞声信号进行分析和处理,提取信号特征.采用主成分分析方法对特征数据降维,利用BP神经网络进行分类.实验结果表明:该方法对完好粒、虫蛀粒和霉变粒3种玉米颗粒分类的正确率均达到90%以上.表明利用碰撞声信号识别玉米完好粒、虫蛀粒和霉变粒的效果良好,具有较强的实际应用价值,为检测玉米颗粒品质提供了一种新的途径.

基于决策树和模糊逻辑的玉米颗粒分类研究

玉米颗粒存在虫蛀和霉变现象,为检测玉米颗粒的品级,采用基于决策树和模糊推理系统相结合的方法,对采集的玉米颗粒碰撞声信号进行特征选择和分类.首先,提取每个碰撞声信号的标准差、偏度、峰度等9类统计特征,作为C4.5算法的输入,构造决策树,进行特征选择;然后,根据构造的决策树,设计模糊推理系统的隶属函数和IF-THEN规则;最后,利用设计好的模糊推理系统对碰撞声信号进行分类,该方法对玉米的完好粒、虫蛀粒和霉变粒的正确识别率分别达到了97.6%、92.9%和96.4%.实验结果表明,采用决策树和模糊推理系统相结合的方法对玉米颗粒检测与分级是可行的,具有较强的实际应用价值.