Detección no destructiva de microfisuras en huevos de aves basada en el modelo de características eléctricas
Autores: Shi, Chenbo; Wang, Yuxin; Zhang, Chun; Yuan, Jin; Cheng, Yanhong; Jia, Baodun; Zhu, Changsheng
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Detección no destructiva de microfisuras en huevos de aves basada en el modelo de características eléctricas
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Cáscara de huevo
Detección
Grietas
Características eléctricas
Algoritmos de aprendizaje automático
Microgrieta.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 16
Citaciones: Sin citaciones
La cáscara de huevo es la principal fuente de protección para el interior de los huevos de aves de corral contra la contaminación microbiana. La detección oportuna de huevos agrietados es clave para mejorar la tasa de comestibilidad de los huevos frescos, la tasa de incubación de los huevos de cría y la calidad de los productos de huevo. Diferente de la detección tradicional basada en acústica y visión, este artículo propone un método no destructivo de detección de grietas en la cáscara de huevo basado en el modelo de características eléctricas del huevo, que combina características eléctricas estáticas y dinámicas y diseña un electrodo flexible de múltiples capas que puede ajustarse estrechamente a la superficie de la cáscara del huevo y un mecanismo giratorio que tiene en cuenta diferentes tamaños de huevos. Los señales de corriente de huevos intactos y huevos agrietados fueron recopiladas bajo 1500 V de voltaje de corriente continua, y se extrajeron sus características de dominio temporal (TFs), características de dominio de frecuencia (FFs) y características de ondaleta (WFs). Se utilizaron algoritmos de aprendizaje automático como máquina de vectores de soporte (SVM), análisis discriminante lineal (LDA), árbol de decisión (DT) y bosque aleatorio (RF) para la clasificación. Se estudió la relación entre diversas características y algoritmos de clasificación, y se verificó la efectividad del método propuesto. Finalmente, se demostró que el método es universal y generalizable a través de un experimento sobre la detección de microgrietas en la cáscara de huevo de pato. Los resultados experimentales muestran que el método propuesto puede realizar la detección de microgrietas en la cáscara de huevo de menos de 3 m de manera efectiva, y se demostró que el modelo de bosque aleatorio que combina las tres características mencionadas anteriormente es el mejor, con una precisión de detección de huevos agrietados e intactos superior al 99%. Este método no destructivo puede emplearse en línea para la inspección de microgrietas en huevos en aplicaciones industriales.
Descripción
La cáscara de huevo es la principal fuente de protección para el interior de los huevos de aves de corral contra la contaminación microbiana. La detección oportuna de huevos agrietados es clave para mejorar la tasa de comestibilidad de los huevos frescos, la tasa de incubación de los huevos de cría y la calidad de los productos de huevo. Diferente de la detección tradicional basada en acústica y visión, este artículo propone un método no destructivo de detección de grietas en la cáscara de huevo basado en el modelo de características eléctricas del huevo, que combina características eléctricas estáticas y dinámicas y diseña un electrodo flexible de múltiples capas que puede ajustarse estrechamente a la superficie de la cáscara del huevo y un mecanismo giratorio que tiene en cuenta diferentes tamaños de huevos. Los señales de corriente de huevos intactos y huevos agrietados fueron recopiladas bajo 1500 V de voltaje de corriente continua, y se extrajeron sus características de dominio temporal (TFs), características de dominio de frecuencia (FFs) y características de ondaleta (WFs). Se utilizaron algoritmos de aprendizaje automático como máquina de vectores de soporte (SVM), análisis discriminante lineal (LDA), árbol de decisión (DT) y bosque aleatorio (RF) para la clasificación. Se estudió la relación entre diversas características y algoritmos de clasificación, y se verificó la efectividad del método propuesto. Finalmente, se demostró que el método es universal y generalizable a través de un experimento sobre la detección de microgrietas en la cáscara de huevo de pato. Los resultados experimentales muestran que el método propuesto puede realizar la detección de microgrietas en la cáscara de huevo de menos de 3 m de manera efectiva, y se demostró que el modelo de bosque aleatorio que combina las tres características mencionadas anteriormente es el mejor, con una precisión de detección de huevos agrietados e intactos superior al 99%. Este método no destructivo puede emplearse en línea para la inspección de microgrietas en huevos en aplicaciones industriales.