香梨脆度的力声同步检测

为了实现香梨脆度接近触听感官的准确评价,该研究采用质构仪和声音包络检波器(Acoustic Envelop Detector,AED)相结合同步采集香梨穿刺的力声信号,然后用峰值法从力声曲线中分别提取15个力学参数和6个声学参数,在对各参数自相关分析的基础上,选取12个力学参数和4个声学参数应用人工神经网络(Artificial Neural Network,ANN)和支持向量机(SupportVectorMachine,SVM)两种算法分别基于力学参数、声学参数和力声参数融合构建不同香梨果肉脆度分类模型,并比较各模型分类性能。研究结果表明,无论SVM模型还是ANN模型,力声学参数融合所构建的模型比单独使用任一种参数所构建的模型能更准确进行香梨脆度分类,ANN模型采用三层隐藏层每层14个隐藏节点结构,脆度分类准确率较高,为96.1%;采用二次核函数构建SVM模型的分类准确率较高,为93.8%。两种分类模型对不同脆度香梨具有基本相同的分类能力,均可满足对不同脆度香梨准确分类的要求,可为香梨及其他湿脆性果蔬脆度分类检测提供参考。