文献综述
一 文献综述与调研报告：（阐述课题研究的现状及发展趋势，本课题研究的意义和价值、参考文献）
1.研究的意义和价值
鸡蛋中含有人体所需研究的要的各种营养成分，其中蛋白质含量在12%以上，脂肪含量在6%以上，且其组成比例非常适合人体需要，这些营养成分在人体内利用率非常高，是一种高营养价值的动物性食品，价格低廉，深受人名群众喜爱[1]。鸡蛋由蛋壳、蛋清、蛋黄三部分组成。蛋壳的作用是保护蛋清和蛋黄，蛋壳由角质层、蛋壳组织和蛋壳薄膜三部分组成。新鲜蛋的蛋壳表面覆盖一层黏液，这种无定型结构、透明、可溶性的胶质黏液干燥而形成的薄膜即角质层，完整的薄膜能透水、透气，但可抑制有害生物侵入蛋内。蛋壳组织是包裹在新鲜鸡蛋内容物外面的一层硬壳，它使蛋具有固定形状并起着保护蛋清、蛋黄的作用，但其质脆不耐碰撞和挤压，蛋壳组织上有许多肉眼看不见的微小气孔，这些气孔是鲜蛋进行代谢的通道，同时它们对蛋品加工有一定的作用。蛋壳膜分内、外两层，两层膜在结构上大致相同，都是角质蛋白纤维交织成的网状结构，所不同的是外壳膜纤维纹理较紧密细致，细菌不容易通过，这两层膜的透过性比蛋壳小，对微生物均有阻止通过的作用，具有保护蛋壳内容物不受微生物侵蚀的作用同时这两层薄膜还能防止蛋壳内水分大量挥发。我国的鸡蛋产量居世界第一位，但其在世界贸易额所占的比例却非常少。目前,我国蛋鸡养殖企业数量多,规模小,设施简陋,相互间竞争十分激烈。在此背景下,许多蛋鸡养殖业主和生产经营者为了获得更高的利润,采取了不合理甚至违法的饲养和生产措施。蛋鸡的产蛋受季节、温度、饲料等因素影响很大，容易出现沙皮蛋、软壳蛋、畸形蛋、瘦小蛋等，影响鸡蛋总体品质。鸡蛋收储过程中也可能出现污渍、裂缝，影响销售[2]。目前我国针对鸡蛋安全的风险评估体系尚未有效开展。同时相关法律法规缺失，鸡蛋质量标准体系不完善，这些因素造成鸡蛋安全问题十分严峻[3]。鸡蛋质量检测关键技术的研究有利于提升我国禽蛋商品化处理及多指标同步检测的能力，突破国外产品的市场垄断，为我国禽蛋商品初加工处理的自动化和规模化提供条件。对声学信号分析、机器视觉等技术在禽蛋品质智能化检测中的理论瓶颈和关键技术难题进行了分析，并以此为据开展了禽蛋品质多指标模块化智能检测的研究，实现对鸡蛋的蛋壳质量、蛋形指数、重量及新鲜度等鸡蛋内外品质在线无损检测。
2.国内外研究现状及发展趋势
我国的蛋产量与产生的经济效益不成比例，如何检测品质，减少鸡蛋破损，提高经济效益，已经成为我国当前及未来亟待解决的问题。蛋的内部品质的好与坏直接影响食用品质，甚至每个食用者的身体健康。近年来国内外有不少学者和研究者在鸡蛋品质检测和提高商品价值方面进行着积极探索和刻苦研究。具体得，可从以下几个方面展开：
2.1对表面裂纹和强度的检测
对于裂纹和强度检测，国内外主要采用音频分析检测和机器视觉检测这两种方法。在音频分析检测法方面，Cho等（2000）研究了影响鸡蛋声音特性的因素，得出了适合蛋壳检测的优化参数。利用声学响应检测蛋壳裂纹，大大提高了裂纹检测精度，破损蛋误检率为6%，好壳蛋误检率为4%[4]。Coucke等（2000）利用鸡蛋的声脉冲频率特性来检测鸡蛋壳的裂纹，对鸡蛋的时间信号和频率信号分析以及功率谱密度分析，提高了裂纹检测精度[5]。闰长新等（2001）通过对好壳蛋和裂纹蛋的冲击，将产生的响应频谱信号分为多个频段，发现裂纹蛋信号多集中在低频区域[6]。王树才等（2004）研究了鸭蛋中正常蛋、破损蛋、钢壳蛋、尖嘴蛋的敲击声音信号在衰减时间、最小共振峰频率和四点最大频率差等参数的差异，利用最大隶属度原则进行模糊识别，区分裂纹鸭蛋和好壳蛋[7]。Wang J（2004）研究了影响禽蛋响应频率的各种因素以及它们之间的关系[8]。潘磊庆等（2005）通过敲击鸡蛋多点部位，分析个体鸡蛋破损前后各声学响应差异，利用鸡蛋特征频率响应的分布及差异，研究出对鸡蛋破损简单有效的快速自动检测和分级方法[9]。何红丽和文友先（2007）利用倒谱和功率谱对激励禽蛋后产生的声脉冲分析，分别提取出6个特征参数建立判别模型，其准确率可达96%[10]。王巧华等（2008）提出了一种蛋壳裂纹的多层检测法，它以声音信号的小波变换模极大值作为奇异性指标，准确率达96%[11]。周平等（2010）通过采集鸡蛋被激励后产生的时域信号，经过 FFT 得到其功率谱，再测量静态压缩下的鸡蛋的最大应力，采用主成分分析法对鸡蛋可以承受的最大应力建立相关的预测模型，结果显示其相关系数0.71[12]。金程（2015）通过对声学检测方法原理的研究，提出了一种基于阶梯板的鸡蛋裂纹检测方法和与之配合使用的检测装置[13]。在机器视觉检测方面，Elster,R.T 等（1991）建立了基于机器视觉检测鸡蛋裂纹的系统，区分鸡蛋裂纹的准确率达96%[14]。Gooddrum,J.W 等（1992）利用机器视觉对旋转过程中鸡蛋的裂纹进行了检测，裂纹的检测率能达到90%[15]。潘磊庆等（2007）基于机器视觉技术与神经网络技术，搭建鸡蛋无损检测系统，对裂纹鸡蛋的识别准确率可以高达92%，对于整批鸡蛋的分级准确度可达96%，大大提高了鸡蛋裂纹的准确性和效率[16]。贺静等（2010）采用LED环形同轴光源照射鸡蛋使鸡蛋表面均匀受光，利用DSP采集图像并分割除去噪声，识别率达96%[17]。李栋等（2013）利用机器视觉技术对裂纹鸡蛋检测，建立起了一个能够判别蛋壳裂纹的系统模型。该系统能够准确快速的识别鸡蛋的裂纹，尤其是微小的裂纹，但对有污点的鸡蛋裂纹识别度不高[18]。Mahmoud Omid等(2013)开发了一种结合模糊逻辑和机器视觉技术的鸡蛋分级系统，该系统对裂纹的检测正确率达94.5[19]。此外，还可将这两种技术相结合，提高测量精度。潘磊庆等（2007）将机器视觉与声学检测技术相结合，综合判断率可达到98%[20]。林灏利用敲击振动响应信号分析、机器视觉和近红外光谱技术结合对鸡蛋的内外品质指标蛋壳强度、裂纹、新鲜度进行快速无损检测，可靠性高[21]。刘鹏等（2011）利用图像采集到裂纹区域面积，敲击振动产生的特征响应频率，以及机器视觉提取到的响应参数，将多传感器采集到的数据综合分析，利用支持向量机构建模型，实现对鸡蛋裂纹的检测，正确率可达到90%[22]。
2.2对外观品质的检测
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
