《食品科学》：石河子大学吴杰教授等：基于声振信号经验模态分解的香梨黑心病早期无损检测

库尔勒香梨是新疆特色大宗果品，其冷库气调保鲜贮藏期可达8 个月，具有较长销售期。在贮藏期间由于低温、低O 2 和高CO 2 的环境，CO 2 在梨组织中尤其是在果核中有很高的扩散速率，致使果核含有低浓度的O 2 和高浓度的CO 2 ，这使香梨极易发生黑心现象。

本课题组长期开展声振法对梨果内部病害无损检测，通过提取声振信号的时域和频域统计特征参数构建判别模型，对中度褐变香梨分类准确率有93.9%，但对轻度褐变香梨分类准确率较低为86.4%。

经验模态分解（EMD）可将信号从高频到低频分解为一系列子信号，即包含不同时间尺度特征成分的本征模态分量，具有更加良好的信号局部化特性，但其分解信号过程中存在的端点效应、模态混叠会影响分解结果的精确度。石河子机械电气工程学院的李贺，赵康，吴杰*等对香梨声振信号进行EMD，采用不同方法抑制信号分解过程中的端点效应和模态混叠，以确定最优香梨声振信号分解分量并作为卷积神经网络的输入数据，构建香梨内部黑心判别模型，实现对亚健康香梨较高精度的检测，为声振法的在线检测系统研发提供基础。

1 亚健康香梨黑心程度阈限测定结果

将香梨黑心组织未超出其心室区域的样本定义为亚健康果，经统计得到亚健康果黑心程度均值为（19.72±1.15）%。出于谨慎考虑，将亚健康香梨黑心程度的阈限进行更为严格的限定，故将下限值18%作为亚健康香梨的黑心程度（图4a），以充分满足商品价值接受底线。当香梨黑心程度超过18%时（图4b），大多病变都已入侵到果肉，被视为病害果，已不能被消费者心理接受，若销售会影响商品声誉和消费者回购率，失去商品价值。因此，根据黑心程度S将香梨分为3 类，即：健康香梨S=0%、亚健康香梨0%＜S≤18%、病害香梨S＞18%。亚健康香梨和病害香梨的黑心严重程度分布如图4c所示，亚健康香梨的病害程度区间为10.8%～17.9%，平均值为15.8%，病害香梨的病害程度区间为18.2%～29.5%，平均值为20.6%，可见这两类果的黑心程度差别并不大，尤其是亚健康香梨箱体图黑心程度处于上半部分的试样和病害香梨箱体图黑心程度处于下半部分的试样，病害程度高度接近，这使得采用香梨声振信号判别亚健康香梨更具有挑战性。

2 各方法抑制香梨声振信号EMD端点效应和模态混叠的性能比较

2.1 端点效应抑制效果

图5所示为香梨声振信号原始包络线和4 种方法对信号延拓后的包络线，可以看出，信号左上和右下端点处原始包络包含信号全部信息，不存在端点效应，但信号右上和左下的端点处原始包络不充分，存在明显的端点效应，这一端点效应逐渐向信号内部传递使信号分解精度降低。

在信号右上端点处，4 种延拓方法的包络线都包含了信号全部信息，但从各包络线反映信号变化趋势来看，三次样条法最优，改进斜率法、极值法次之，镜像法最次。在左下端点处，三次样条法包络未能包含信号全部信息，抑制端点效应的效果最差，最优为改进斜率法，其次为极值法和镜像法。

为了确定最优抑制端点效应的方法，通过分量间的正交指数进一步比较各延拓方法。图6为未延拓和端点延拓后信号分量间的正交指数，可看出经端点延拓的信号分量的正交指数值都远小于未延拓时的值，说明各端点延拓方法都对香梨声振信号EMD端点效应有明显抑制效果，有效提高了信号分解精度。在各端点延拓方法中，由于三次样条法在左端点延拓丢失信号部分信息，尽管在右端点处延拓效果最好，但未取得较低的正交指数值，与极值法和镜像法的结果接近，均在0.24左右。相比于这3 种方法，改进斜率法在信号左下端点抑制端点效应最优，在右上端点抑制端点效应较优，信号分量正交指数最低，仅为0.147，表明该方法对香梨声振信号EMD端点效应具有良好的综合抑制能力，有最好的抑制效果。

2.2 模态混叠抑制效果对比分析

在改进斜率法抑制香梨声振信号分解端点效应的基础上，进一步抑制香梨声振信号EMD模态混叠。图7为CCEEMDAN和IUPEMD分解的分量和分量频谱，IUPEMD分解后的IMF7～IMF12分量和CCEEMDAN分解后的IMF4～IMF9分量的频率都很低且幅值高，包含信号大部分能量，为原始信号的主频段。

对于IUPEMD分解的各分量，IMF7分量中含有多个频率信息，仍存在模态混叠；IMF8分量主频率为50 Hz，低于后一分量IMF9的56.25 Hz主频率，存在分解错误；此外，IUPEMD法未分解出主频率为12.5 Hz的分量，分解不完备。与该法相比，CCEEMDAN法分解的IMF4～IMF9分量主频率从高频到低频依次获得，但不尽理想的是，IMF6和IMF7两分量中包含相同的频率（18.75 H z），这导致25 Hz的频率成分未分解。

采用分量之和与原信号能量差异值对这2 种分解法进行进一步比较，结果如图8所示。与改进前EMD分量的评价结果相比，2 种改进方法都能大幅降低信号分解分量的能量差异值，证明向原信号中无论加入白噪声还是正弦波，都有效抑制了模态混叠。向原信号加入白噪声的CCEEMDAN法分解后的分量之和与原信号的能量差异最小，只有0.112，更能表征原信号的特征信息，从上述分析可知，由于该改进方法对信号分解更为完备，凸显了信号局部特征信息，最大程度消除分量中的残余噪声。

采用CCEEMDAN分别对健康、亚健康和病害香梨声振信号进行分解，其分量频谱如图9所示，可观察到3 类香梨原始声振信号都包含18.75、12.5 Hz和6.25 Hz的低频成分，在对香梨声振信号进行整体分析时，这些频率成分的信息可能会遮蔽信号中在高频可以区别不同类别香梨的差异信息，导致难以对香梨进行准确判别。CCEEMDAN将信号分解为一系列具有单一频率成分的数据序列，凸显了不同类别香梨声振信号的差异信息，从而提升健康、亚健康和病害香梨的判别准确性。

3 亚健康香梨检测模型的构建

用于构建分类模型的数据集：健康香梨350 个，亚健康香梨362 个，病害香梨317 个。在模型构建过程中，80%的数据作为训练集，剩下的20%用于测试集，具体样本数量见表2。

对香梨声振信号EMD分解抑制端点效应和模态混叠前后的数据分别构建EMD-CNN-SPP和CCEEMDANCNN-SPP分类模型，以验证EMD改进前后的性能。如图10所示，学习率为0.01时，两个模型的学习速率太大，代价函数振荡，导致无法拟合。当学习率为0.0001时，两个模型的训练准确率提升缓慢，模型的学习能力不足，出现欠拟合。当学习率为0.001时，CCEEMDANCNN-SPP模型训练准确率在训练120 次时稳定达到100%，EMD-CNN-SPP模型训练精度在训练90 次时趋于稳定达到99.02%。仅从训练结果看，EMD-CNN-SPP判别模型训练次数较少但相对应的训练精度较低，而CCEEMDAN-CNN-SPP模型训练精度较高但训练次数较多，相应需要的训练时间较长。

4 亚健康香梨检测模型的分类性能评价

为了验证所构建模型的分类性能，采用测试集样本作为验证样本，对EMD-CNN-SPP模型和CCEEMDANCNN-SPP模型的分类性能进行比较分析。结果如表3所示，两模型的Kappa系数均处于81%～100%区间内，说明所取得的分类结果都与实际结果几乎一致，具有高可信度。两模型的MCC和F1值均在90%左右，不仅表明模型分类结果与实际结果都具有较高相关性，而且对分类的查全能力和查准能力都有很好兼顾。

与EMD-CNN-SPP模型相比，EMD改进所构建CCEEMDAN-CNN-SPP模型的总体分类精度提高了4.39%，可达93.66%。EMD-CNN-SPP模型对亚健康香梨分类准确率为84.72%，而CEEMDAN-CNN-SPP对亚健康香梨分类准确率提高至94.44%，能够更有力帮助商家及时销售亚健康香梨，减小果品损失。在三分类任务中，对病害香梨的误判容忍度极低，而CCEEMDANCNN-SPP模型对病害香梨判别也表现出较优越的能力，其误判率为6.35%，要比EMD-CNN-SPP模型的误判率低1.59%。此外，CCEEMDAN-CNN-SPP模型将健康香梨错误分类为病害香梨的数量相对较少，这对大宗水果香梨而言，会最大程度保持商品率。总体而言，CCEEMDAN-CNN-SPP模型对香梨黑心有更优的分类识别性能，更适合亚健康香梨的检测。

与Van De Looverbosch等采用X射线法对梨内部病害进行三分类检测结果相比，本研究对亚健康果检测率远高于其对亚健康果的65%的分类准确率。Zhang Hui等基于声振时域和频域的统计特征参数对香梨内部早期褐变进行判别，对轻度褐变香梨分类准确率仅为86.4%，而本研究通过改进EMD提高信号分解精度，获取了更多与内部病害特征相关的信号局部特征信息，使亚健康香梨的分类精度大幅提高至94.44%，表现出对香梨轻度黑心较强的检测能力。

结论

采用改进斜率法和CCEEMDAN方法，先后对香梨声振信号EMD存在的端点效应和模态混叠进行抑制，所获得的信号分量正交指数为0.147，能量差异值为0.112，取得了最优的抑制效果。以改进前后的香梨声振信号模态分解分量分别作为数据输入，采用CNN-SPP构建亚健康分类模型，以改进信号输入构建的CCEEMDAN-CNNSPP模型的F1值为93.66%，Kappa系数为90.47%，MCC为90.50%，总体分类准确率达93.66%，均高于以未改进信号为输入构建的EMD-CNN-SPP模型，具有更好的分类性能。此外，CCEEMDAN-CNN-SPP模型对亚健康香梨判别准确率达94.44%，对病害果误判率为6.35%，也都优于EMD-CNN-SPP模型。本研究不仅有效提升了声振法对香梨早期轻度黑心病检测能力，也为其他梨果内部亚健康状态检测提供重要参考，同时可为今后梨果内部早期轻度病害在线检测系统的研发奠定基础。

作者简介

通信作者：

吴杰，石河子大学机械电气工程学院教授，副院长。

【学习经历】

1992-1996年在西北农业大学本科机械设计制造专业毕业，获工学学士学位； 1999-2002年在浙江大学农业机械化工程硕士毕业，获工学硕士学位；2007-2011年在西北农林科技大学农业生物环境及能源工程博士毕业，获工学博士学位。

【工作经历及业绩】

1996年工作以来，在农业与生物信息智能检测技术及装备领域持续开展系统深入的基础性和应用性研究，是国家一流专业机械设计制造及其自动化专业负责人，教育部全国研究生教育评估监测专家库专家，国家自然科学基金生命科学部评审专家，国际一流水平期刊《Food Control》、《Food Research International》、《Biosystem Engineering》、《Computers and Electronics in Agriculture》和《Postharvest Biology and Technology》以及国内一流水平期刊《食品科学》、《农业工程学报》的审稿人。先后主持国家自然科学基金3项，兵团课题2项，校级课题3项，已发表SCI检索论文6篇，EI检索论文15篇，获国家专利12项，软件著作权5项，获大学科技进步二等奖1次（排名第一），作为陈学庚院士棉花生产全程机械化机械团队成员，荣获神龙中华农业科技奖。

【主要研究方向】

[1]农产品品质智能化检测技术研究：主要以声振法、光谱法、介电法、热成像法等开展农产品品质的无损检测研究，并基于深度学习、模式识别技术、信息融合技术等多种理论方法和手段，在农产品智能化研究理论与应用基础研究中开展广泛的科研探索工作。

[2]机械CAD：主要基于流变学理论、有限元法、离散元法，开展农业机械零部件及果蔬材料的在不同受载环境的有限元分析、振动模态分析或不同状态的流场模拟等研究。

[3]生物质能力利用技术：针对新疆生物质材料资源，采用计算流体力学CFD、传热传质学和CAD技术相结合的方法，开展生物质热解气化、燃烧和温度场、流场的试验、模拟和有关结构优化的研究工作。

本文《 基于声振信号经验模态分解的香梨黑心病早期无损检测》来源于《食品科学》2023年44卷第20期357-371页，作者：李 贺，赵 康，查志华，吴 杰。DOI:10.7506/spkx1002-6630-20230214-131.。点击下方 阅读原文 即可查看文章相关信息。

实习编辑；云南师范大学生命科学学院 母朵银；责任编辑：张睿梅。点击下方阅读原文即可查看全文。图片来源于文章原文及摄图网。

为进一步促进未来食品科学的发展，全面践行“大食物观”的指导思想，持续提升食品科技创新和战略安全。由北京食品科学研究院、中国肉类食品综合研究中心及中国食品杂志社《食品科学》杂志、《Food Science and Human Wellness》杂志、《Journal of Future Foods》杂志主办，北京工商大学食品与健康学院、北京联合大学生物化学工程学院、河北农业大学食品科技学院、西华大学食品与生物工程学院、大连民族大学生命科学学院、齐齐哈尔大学食品与生物工程学院、河北科技大学食品与生物学院共同主办，北京盈盛恒泰科技有限责任公司、古井集团等企业赞助的“第一届大食物观·未来食品科技创新国际研讨会”即将于 2024年5月16-17日 在 中国北京 召开。

长按或微信扫码了解详情