换一批基于声振信号经验模态分解的香梨黑心病早期无损检测
Nondestructive Detection of Pear with Early-stage Core Browning Based on Empirical Mode Decomposition of Vibro-acoustic Signals
摘要首先通过声振无损检测系统获取香梨响应信号,对信号进行经验模态分解并采用不同方法抑制其端点效应和模态混叠以实现信号分解效果最优;然后将香梨声振信号分解的分量作为输入,构建基于空间金字塔池化的卷积神经网络(convolutional neural networks with space pyramid pooling,CNN-SPP)判别模型.结果表明,改进斜率法能更有效抑制香梨声振信号分解端点效应,进一步采用互补自适应噪声完备集合经验模态分解(complementary complete ensemble empirical mode decomposition with adaptive noise,CCEEMDAN)方法可获得模态混叠抑制最佳的信号分量,以此为输入构建CCEEMDAN-CNN-SPP判别模型对香梨黑心病的总体分类准确率为93.66％,对亚健康香梨判别准确率达94.44％,病害果误判率为6.35％,提高了声振法对梨果早期轻度病害的判别精度,为声振法应用于亚健康水果在线检测系统研发提供了研究基础.
更多相关知识
关键词
香梨黑心病无损检测声振法经验模态分解卷积神经网络core browning of pearsnondestructive detectionvibro-acoustic methodempirical mode decompositionconvolutional neural network
栏目名称
DOI
10.7506/spkx1002-6630-20230214-131
发布时间
2023-11-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（31560476）
- 浏览2
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
