تشخيص ترك در پوسته تخم مرغ با استفاده از SVM و PCA

Eggshell crack detection using PCA and SVM

بازرسي ترك پوسته تخم مرغ در گذشته به طور معمول در صنعت با نورآزمايي صورت ميگرفته است. اين عمل با گذر زمان سبب خستگي چشم، قضاوت نادرست و تشخيص سخت تركهاي موئي مي گردد. پژوهش هاي اخير به مطالعه تشخيص ترك پوسته تخم مرغ براساس تشخيص نوري و مكانيكي به طور خودكار متمركز ميباشد. در اين پژوهش، پوسته تخم مرغ ها به وسيله يك ضربه زن مكانيكي سبك در مكانهاي مختلف تحريك شدند و پاسخ فركانسي ارتعاش پوسته تخممرغ همراه با شناسايي الگو براي تشخيص تخم مرغ سالم از تركدار استفاده گرديد. روشهاي شناسايي الگو مورد استفاده SVM و PCA بودند. تعداد بهينه مولفه هاي اصلي با توجه به مقدار خطاي مدل پيشگو و حداكثر تمييز ميان تخم مرغ سالم از تركدار 7 بدست آمد. نتايج پژوهش نشان داد كه روش تحليل ارتعاشي پاسخ ضربه پوسته توانايي تشخيص تخم مرغ سالم و با پوسته تركدار به ترتيب با دقت 100% و 87/5 % را دارد.

In the past, the inspection of cracks on eggshell was typically conducted in the industry by floodlighting, however, it gives eye fatigue, makes misjudgment and is not easy to detect hairline crack. Recent research into the automation of the detection of eggshell cracks is focused both on optical and mechanical detection principles. In this study eggs were excited by a light mechanical impact on different locations of the eggshell and vibrational frequency response of the eggshell combined with pattern recognition was attempted to differentiate intact egg and cracked egg. The pattern recognition was conducted by Principal Component Analysis (PCA) and Support Vector Machine (SVM). The optimal number of principal components was obtained 7 according to maximum error for predictive model and high discrimination between intact and cracked eggs. The result was found that the vibrational impulse response method distinguish intact egg and cracked egg with the level of 100% and 87.5% accuracy, respectively