论文摘要
小麦硬度是评价小麦品质的一项重要指标。本论文研究小麦籽粒的声学特性与其硬度指数的关系。利用信号处理技术，分析小麦撞击靶所产生的声音信号，提取与小麦硬度指数相关的特征参数，构建小麦硬度声学测定模型，为小麦硬度声学测定仪器的开发奠定理论基础。本论文对小麦籽粒的声学特性进行研究，设计了小麦籽粒声音信号采集装置，采集小麦声音信号。自制小麦自动进料器，使小麦逐粒、自然下落击靶，利用传声器接收小麦击靶发出的声音信号，将接收的小麦声音信号进行调理、放大，A/D转换，并对其做预处理。运用信号处理技术，在时域和频域内分析小麦声音信号的特性，从中提取与硬度指数相关性较好的特征参数。在时域内，从小麦声音信号中提取了过零率TF5、波形指标TF6、脉冲因子TF7等特征参数，其中特征参数TF5、TF6、TF7与小麦硬度指数的相关系数分别为0.80、0.92、0.89。在频域内，提取了基于快速傅里叶变换的特征参数FERa、FERb、FERc，它们与小麦硬度指数的相关系数分别为-0.89、-0.88、-0.92；基于离散余弦变换的特征参数DF1，它与小麦硬度指数的相关系数为0.83；基于小波变换的特征参数WF1、WF2，它们与小麦硬度指数的相关系数分别为-0.93、-0.92。利用线性回归、神经网络技术对所提取的特征参数和对应的小麦硬度指数关系进行研究，建立了相应的小麦硬度声学预测模型，并对各模型的预测效果进行分析，最终将基于特征参数WF1的BP神经网络预测模型作为小麦硬度声学测定模型，该模型预测值的最大相对误差为-2.24%，平均相对误差为0.15%。模型的预测效果表明，利用声学方法测定小麦硬度是可行的。