利用冲击声学技术对核桃的内部和外部缺陷进行无损检测

《Journal of Food Measurement and Characterization》:Non-destructive detection of internal and external defects in walnuts using impact acoustics

【字体: 大 中 小 】 时间:2026年07月05日 来源:Journal of Food Measurement and Characterization 3.6

编辑推荐:

  摘要核桃在加工和储存过程中容易出现内部和外部缺陷,如壳损和果仁皱缩,这给快速且同时识别其质量状态带来了挑战。本研究开发了一种基于自由落体冲击声学的方法,并结合深度学习技术,用于区分完好、受损和皱缩的核桃。首先将冲击声转换为时频特征,再利用多种神经网络模型对一维波形特征、梅尔频率倒

  

摘要

核桃在加工和储存过程中容易出现内部和外部缺陷,如壳损和果仁皱缩,这给快速且同时识别其质量状态带来了挑战。本研究开发了一种基于自由落体冲击声学的方法,并结合深度学习技术,用于区分完好、受损和皱缩的核桃。首先将冲击声转换为时频特征,再利用多种神经网络模型对一维波形特征、梅尔频率倒谱系数以及对数梅尔滤波器组特征进行评估。使用对数梅尔滤波器组特征的ResNet18模型取得了最佳的基准性能。随后通过结合频域注意力机制、指数移动平均参数平滑处理以及SpecAugment与Noise-Fill技术,构建出了优化模型。在五折交叉验证下,该优化模型的准确率为96.5%,宏观F1值为96.5%,召回率为96.4%。Grad-CAM和遮挡测试表明,该模型会对三类核桃的不同频谱-时间区域产生关注,从而为分类决策提供模型层面的可解释性。这些结果表明,将冲击声学信号与深度学习相结合,能够提供一种快速、低成本且无损的核桃缺陷识别方法,也可作为其他坚果产品声学质量检测的方法参考。

图形摘要

核桃在加工和储存过程中容易出现内部和外部缺陷,如壳损和果仁皱缩,这给快速且同时识别其质量状态带来了挑战。本研究开发了一种基于自由落体冲击声学的方法,并结合深度学习技术,用于区分完好、受损和皱缩的核桃。首先将冲击声转换为时频特征,再利用多种神经网络模型对一维波形特征、梅尔频率倒谱系数以及对数梅尔滤波器组特征进行评估。使用对数梅尔滤波器组特征的ResNet18模型取得了最佳的基准性能。随后通过结合频域注意力机制、指数移动平均参数平滑处理以及SpecAugment与Noise-Fill技术,构建出了优化模型。在五折交叉验证下,该优化模型的准确率为96.5%,宏观F1值为96.5%,召回率为96.4%。Grad-CAM和遮挡测试表明,该模型会对三类核桃的不同频谱-时间区域产生关注,从而为分类决策提供模型层面的可解释性。这些结果表明,将冲击声学信号与深度学习相结合,能够提供一种快速、低成本且无损的核桃缺陷识别方法,也可作为其他坚果产品声学质量检测的方法参考。

图形摘要

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号