复介电常数的意义 基于介电特性的鸡蛋品质无损检测研究(5)

进行模糊识别，破损蛋识别率达 95%，证明方法可行。2005 年，潘磊庆等 [16] 对敲击振动检测鸡蛋裂纹进行了初步研究。建立了初步分级算法，整体分级准确率达到 87%，证明了方法的可行性。 2009 年，陈子超等 [17] 基于振动法设计了鸡蛋品质无损检测仪。结果表明，此方法是可行的，能够实现对鸡蛋品质的无损检测，且快速、准确。（2）光学特性检测Norri [18] 首次提出利用近红外光谱测量鸡蛋新鲜度，并进行了早期的研究工作。虽然只测定了鸡蛋贮藏几个小时内的新鲜度，但为以后的研究者开拓了思路。2004 年，赵红霞等 [19] 研究贮藏中鸡蛋的发光情况。超弱发光试验结果显示，第三天鸡蛋发光强度最大，随后振荡衰减，表明贮藏第三天的鸡蛋活性最强。延迟发光试验结果显示，鸡蛋延迟发光与生物光子相干理论一致，普遍服从双曲衰减规律。研究表明，鸡蛋的超弱发光可以作为其生理生化指标，用来测定鸡蛋新鲜度，及反映鸡蛋随外界条件变化的规律。2007 年，R Karoui 等 [20] 探讨基于鸡蛋内部物质的固有荧光特性测定鸡蛋新鲜度。结果表明，维生素 A 荧光光谱提供的信息有用，可以对贮藏过程中的鸡蛋新鲜度进行识别，其校准和验证集正确率分别为 97.7%和 85.7%。

维生素 A 可作为测定鸡蛋新鲜度的内部荧光探针。江苏大学硕士学位论文5（3）机器视觉检测国外在 1953 年就开始了用机器视觉分析鸡蛋品质的研究。1991 年，Elster等 [21] 对利用机器视觉检测鸡蛋裂纹进行了初步研究。结果表明，该技术方法用于鸡蛋裂纹的检测是可行的。Patel 基于机器视觉检测技术对鸡蛋品质无损检测进行了一系列的研究。1994 年，Patel 等 [22] 用计算机成像系统获得单个静止蛋的灰度图像，结合神经网络进行破损蛋和正常蛋的挑拣识别，结果准确率为 90%，超过美国农业部的检查要求。1998 年，Patel 等 [23] 使用计算机视觉技术与神经网络模型检测禽蛋缺陷，血斑检测的平均精度为92.8%，污垢鸡蛋平均精度为85%，裂纹检测的平均精度为 87.8%，超过美国农业部的分级要求。同年，Patel 等 [24]开发了蛋品分拣专家系统，并对系统进行了评测，结果表明方法可行，大大提高了分拣效率，且符合要求。在国内，2006 年，王巧华等 [25] 研究使用计算机视觉装置无损检测鸡蛋新鲜度的方法。通过获取鸡蛋内部颜色信息（色调 H、色饱和度 S、光亮度 I），将其与鸡蛋新鲜度联系起来，用图像颜色信息来表征鸡蛋的新鲜度，基于 BP 神经网络来实现鸡蛋品质的检测及分级。

检测正确率达到 90%，验证了该方法的可行性。（4）电学特性检测2007 年，L Ragni 等 [26] 使用开放式同轴探头电介质测量技术，研究无损预测室温贮藏下鸡蛋品质参数的函数模型，品质参数包括蛋黄指数，厚蛋白高度，哈夫单位和气室尺寸。通过偏最小二乘法（PLS）建立了预测函数模型。结果表明，介电参数使用的介电常数或损耗因子，及探针在蛋壳上的位置对预测精度没有实质性的影响，且预测的最佳频率范围为 10~700 MHz。2008 年，张蕾等 [27] 研究 100kHz~1MHz 频率范围内鸡蛋介电特性的变化规律，探究贮藏期间鸡蛋介电特性与其新鲜品质之间的变化关系。结果表明，不同贮藏时期的鸡蛋，其相对介电常数差异显著；鸡蛋新鲜度指标蛋黄指数随时间延长而下降，且其与鸡蛋介电参数（相对介电常数和介质损耗因子）有极显著的相关性。2013 年，曹旭东等 [28] 为动态、无损地监测咸蛋腌制过程，研究了鲜蛋和咸蛋特征介电参数的提取。结果显示，两者的介电参数与测试频率显著相关（P<0.05）；且两者的相对介电常数有极显著差异（P<0.01）；损耗因子相对误差基于介电特性的鸡蛋品质无损检测研究6较大，复阻抗无显著差异。