花生色選機(jī)工作參數(shù)優(yōu)化與試驗(yàn)

張德高+謝煥雄+胡志超+嚴(yán)偉

摘要：針對(duì)花生色選機(jī)作業(yè)存在色選精度低、帶出比小等問題，采用Box-Behnken中心組合試驗(yàn)方法理論對(duì)花生色選機(jī)工作參數(shù)作優(yōu)化研究。以花生色選機(jī)為研究對(duì)象，以供料量、吹氣時(shí)間、靈敏度等工作參數(shù)為影響因素，以色選精度、帶出比為目標(biāo)函數(shù)，建立兩者之間的多元數(shù)學(xué)回歸模型進(jìn)行優(yōu)化分析，探索各因素之間的影響規(guī)律及最佳水平組合。利用Design-Expert 8.0.6軟件的回歸分析法和響應(yīng)面分析法對(duì)模型進(jìn)行優(yōu)化，得到花生色選機(jī)的最優(yōu)工作參數(shù)。性能試驗(yàn)結(jié)果表明，色選精度影響因素顯著順序從大到小依次為吹氣時(shí)間、靈敏度、供料量；帶出比影響因素顯著順序從大到小依次為供料量、靈敏度、吹氣時(shí)間；最優(yōu)工作參數(shù)組合為供料量36，吹氣時(shí)間為3 ms，靈敏度76，對(duì)應(yīng)的色選精度為9754%、帶出比為14.66，且各性能指標(biāo)與理論優(yōu)化值相對(duì)誤差均小于2%。研究結(jié)果可為優(yōu)化花生色選機(jī)的工作參數(shù)提供參考。

關(guān)鍵詞：花生色選機(jī)；Box-Behnken中心組合試驗(yàn)；工作參數(shù)；回歸分析法；響應(yīng)面分析法

中圖分類號(hào)： S226.5 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)：1002-1302（2017）18-0218-04

收稿日期：2016-04-20

基金項(xiàng)目：農(nóng)業(yè)部現(xiàn)代農(nóng)業(yè)花生產(chǎn)業(yè)技術(shù)體系產(chǎn)后加工機(jī)械崗位專項(xiàng)（編號(hào)：CARS-14-產(chǎn)后加工機(jī)械）；中國(guó)農(nóng)業(yè)科學(xué)院創(chuàng)新工程“農(nóng)產(chǎn)品產(chǎn)后分級(jí)與貯藏裝備”。

作者簡(jiǎn)介：張德高（1991—），男，河南洛陽(yáng)人，碩士研究生，主要從事農(nóng)業(yè)機(jī)械裝備研究。 E-mail：37475036@qq.com。

通信作者：謝煥雄，碩士，研究員，碩士生導(dǎo)師，主要從事農(nóng)業(yè)機(jī)械裝備研究。Tel：（025）58619510；E-mail：764086434@qq.com。 花生富含蛋白質(zhì)、脂肪，各種營(yíng)養(yǎng)成分比較全面且相對(duì)均衡，是目前較為理想的高蛋白、高脂肪營(yíng)養(yǎng)性食物來(lái)源[1-3]。花生在收獲、儲(chǔ)藏、初加工等過程中，不可避免的出現(xiàn)紅衣殘缺、霉變、雜質(zhì)等不良品，這些不良品影響了花生的品質(zhì)和商品價(jià)值，使花生及其制品的可食性和安全性難以保障[4-5]。早期分選花生大多依靠手眼配合的人工分選，勞動(dòng)力費(fèi)用高、生產(chǎn)效率低、精確度低且容易受主觀因素的干擾，無(wú)法對(duì)不良品進(jìn)行有效分選。色選技術(shù)是當(dāng)前發(fā)達(dá)國(guó)家應(yīng)用最為廣泛的花生不良品分選技術(shù)，也是中國(guó)花生初加工的發(fā)展方向[6-11]。色選機(jī)是根據(jù)物料光學(xué)特性的差異，利用光電探測(cè)技術(shù)將顆粒物料中的異色顆粒自動(dòng)分揀出來(lái)的設(shè)備。色選機(jī)使用的光電分選技術(shù)克服了手工分選的劣勢(shì)，具有無(wú)破壞性、自動(dòng)化程度高、勞動(dòng)強(qiáng)度低、生產(chǎn)費(fèi)低和排除人為主觀因素影響等優(yōu)點(diǎn)[12-14]。

本研究以花生色選機(jī)為對(duì)象，以帶出比和色選精度為控制目標(biāo)，采用中心組合試驗(yàn)設(shè)計(jì)方法對(duì)影響色選效率的工作參數(shù)進(jìn)行試驗(yàn)研究，以期獲得花生色選機(jī)的優(yōu)化工作參數(shù)，為進(jìn)一步研究花生色選技術(shù)提供理論依據(jù)與參考。

1 花生色選機(jī)工作原理

在篩選框架上裝有設(shè)備的控制面板。待分花生仁被投入到供料系統(tǒng)中，通過供料系統(tǒng)，物料分離成單個(gè)個(gè)體被送往滑槽，物料經(jīng)過滑槽下滑形成一個(gè)相對(duì)勻速的物料流。當(dāng)經(jīng)過檢測(cè)系統(tǒng)的CCD高速攝像頭檢測(cè)區(qū)域時(shí)，CCD傳感器對(duì)其進(jìn)行掃描檢測(cè)，將圖像數(shù)據(jù)發(fā)送到主控芯片進(jìn)行相應(yīng)的圖像處理，最后通過控制執(zhí)行機(jī)構(gòu)的高速氣閥將不良品剔除[15-16]。

2 材料與方法

2.1 試驗(yàn)材料

本研究選取魯花11號(hào)花生仁作為試驗(yàn)材料。試驗(yàn)時(shí)間為2016年3月，試驗(yàn)地點(diǎn)為農(nóng)業(yè)部南京農(nóng)業(yè)機(jī)械化研究所智能裝備重點(diǎn)實(shí)驗(yàn)室。

2.2 試驗(yàn)裝置與儀器

試驗(yàn)裝置包括美亞光電6SXZ-180F色選機(jī)（整機(jī)質(zhì)量940 kg，3個(gè)進(jìn)料通道，180個(gè)執(zhí)行單元，功率1.8 kW）、安慶佰聯(lián)公司W(wǎng)W-3.0/10型無(wú)油空氣壓縮機(jī)（3.0 m3/min）、05 m3儲(chǔ)氣罐。試驗(yàn)主要儀器包括常熟TC10KB電子秤（量程10 kg，精度1 g）、日本TRH-DM3溫濕度記錄儀（溫度精度±0.6 ℃，濕度精度±1%）。

2.3 試驗(yàn)參數(shù)與方法

試驗(yàn)分別測(cè)定花生色選機(jī)不同工作參數(shù)下色選精度Y1、帶出比Y2等參數(shù)作為花生色選機(jī)的性能評(píng)價(jià)指標(biāo)，且只使用第1通道對(duì)花生仁進(jìn)行分選。

在單因素試驗(yàn)研究的基礎(chǔ)上，選用3因素3水平二次回歸正交試驗(yàn)設(shè)計(jì)方案，依據(jù)中心組合設(shè)計(jì)理論[17-18]，以色選精度Y1、帶出比Y2等參數(shù)作為評(píng)價(jià)指標(biāo)，對(duì)供料量X1、吹氣時(shí)間X2、靈敏度X3等因素開展響應(yīng)面研究。試驗(yàn)因素與水平如表1所示。

供料量與色選機(jī)進(jìn)料裝置中的振動(dòng)器工作參數(shù)設(shè)置有關(guān)。色選機(jī)的控制系統(tǒng)供料量的調(diào)節(jié)范圍為0～100，數(shù)值越大，振動(dòng)器振動(dòng)頻率越高，供料速度越快；吹氣時(shí)間的調(diào)節(jié)范圍為0～10 ms；靈敏度的調(diào)節(jié)范圍為0～200，數(shù)值越大，剔除的不良品越多，靈敏度為200時(shí)，所有物料都被剔除。

色選精度是指含有異色顆粒的被選物料經(jīng)過色選后，其正常物料顆粒的含量，%?；ㄉx機(jī)工作完成后，從成品收集口接料，記錄花生仁正品質(zhì)量和成品物料總質(zhì)量，按式（1）計(jì)算其色選精度，重復(fù)3次取均值作為試驗(yàn)數(shù)據(jù)。

式中：q為色選精度；m1為花生仁正品質(zhì)量，g；m2為成品物料總質(zhì)量，g。

色選帶出比是指物料經(jīng)色選后，其剔除物中的異色顆粒數(shù)量與帶出的正品物料顆粒數(shù)量之比?；ㄉx機(jī)工作完成后，從廢料口接料，記錄花生仁不良品和正品數(shù)目，按式（2）計(jì)算其帶出比，重復(fù)3次取均值作為試驗(yàn)數(shù)據(jù)。

p=Nn。

式中：p為帶出比；N為花生仁不良品數(shù)目；n為花生仁正品數(shù)目。為了方便計(jì)算，本研究所計(jì)算使用帶出比的比值（a ∶ 1）用單個(gè)數(shù)值a表示。

2.4 數(shù)據(jù)分析與處理

試驗(yàn)數(shù)據(jù)采用Design-Expert 8.0.6軟件（Stat-Ease Inc.，USA）進(jìn)行帶出比與色選精度二次多項(xiàng)式回歸分析，并利用響應(yīng)面分析法對(duì)各因素相關(guān)性和交互效應(yīng)的影響規(guī)律進(jìn)行分析研究。endprint

3 結(jié)果與分析

3.1 試驗(yàn)結(jié)果

依據(jù)Box-Behnken試驗(yàn)原理設(shè)計(jì)3因素3水平分析試驗(yàn)，共17個(gè)試驗(yàn)點(diǎn)，其中包括5個(gè)零點(diǎn)。試驗(yàn)方案與結(jié)果如表2所示。

3.2 回歸模型建立與顯著性分析

針對(duì)表2中的樣本數(shù)據(jù)，使用Design-Expert 8.0.6試驗(yàn)設(shè)計(jì)軟件開展多元回歸擬合分析，建立色選精度Y1、帶出比Y2對(duì)供料量X1、吹氣時(shí)間X2、靈敏度X3等3個(gè)自變量的二次多項(xiàng)式響應(yīng)面回歸模型，如式（3）、（4）所示，并對(duì)回歸方程進(jìn)行方差分析，結(jié)果如表3所示。

式中：X1為供料量；X2為吹氣時(shí)間，ms；X3為靈敏度；Y1為色選精度，%；Y2為帶出比。

通過表3分析結(jié)果可知，色選精度Y1、帶出比Y2的響應(yīng)面模型的P值均小于0.01，表明2個(gè)模型顯著性極好；其失擬項(xiàng)的P值分別為0.061 0、0.056 3， 均大于0.05，表明3個(gè)

模型在試驗(yàn)參數(shù)范圍內(nèi)，擬合程度高；其確定系數(shù)R2值分別為0.995 9、0.956 9，表明95%以上的響應(yīng)值均可以由這2個(gè)模型解釋。因此，該模型可以預(yù)測(cè)與分析花生色選機(jī)工作參數(shù)。

同時(shí)，色選精度Y1響應(yīng)面模型中的X1、X2、X3、X1X2、X22、X32對(duì)模型影響極顯著，X12對(duì)模型影響顯著；帶出比Y2響應(yīng)面模型中的X2對(duì)模型影響極顯著，X3、X12、X32對(duì)模型影響顯著。在保證模型P0.05的基礎(chǔ)上，提出對(duì)模型影響不顯著的其他回歸項(xiàng)，對(duì)回歸模型進(jìn)行優(yōu)化，如式（5）、（6）所示。

3.3 各單因素對(duì)帶出比的影響效應(yīng)分析

各單因素對(duì)模型Y的重要性可通過貢獻(xiàn)率K值進(jìn)行比較，貢獻(xiàn)率K值的計(jì)算如式（7）、（8）所示，各因素對(duì)色選精度貢獻(xiàn)率大小順序?yàn)榇禋鈺r(shí)間X2>靈敏度X3>供料量X1；各因素對(duì)帶出比貢獻(xiàn)率大小順序?yàn)楣┝狭縓1>靈敏度X3>吹氣時(shí)間X2，分析結(jié)果如表4所示。

式中：F為回歸方程中各回歸項(xiàng)的F值；δ值為回歸項(xiàng)對(duì)F值的考核值；K值為各回歸項(xiàng)貢獻(xiàn)率。

3.4 交互因素對(duì)性能影響規(guī)律分析

根據(jù)回歸方程分析結(jié)果，考察供料量X1、吹氣時(shí)間X2、靈敏度X3交互因素對(duì)色選精度Y1、帶出比Y2性能指標(biāo)的影響，并利用Design-Expert 8.0.6軟件繪制響應(yīng)面圖。

3.4.1 交互因素對(duì)色選精度影響規(guī)律分析 圖1-a為靈敏

度X3位于中心水平（70）時(shí)，供料量X1與吹氣時(shí)間X2對(duì)色選精度Y1交互作用的響應(yīng)面圖，從圖1-a可以看出，延長(zhǎng)吹氣時(shí)間和減少供料量有利于提高色選精度；圖1-b為吹氣時(shí)間X2位于中心水平（2.5 ms）時(shí)，供料量X1與靈敏度X3對(duì)色選精度交互作用的響應(yīng)面圖，從圖1-b可以看出，減少供料量和提高靈敏度有利于提高色選精度；圖1-c為供料量X1位于中心水平（70）時(shí)，吹氣時(shí)間X2與靈敏度X3對(duì)色選精度交互作用的響應(yīng)面圖，從圖1-c可以看出，延長(zhǎng)吹氣時(shí)間和提高靈敏度有利于提高色選精度。

此外在圖1中可以得知，響應(yīng)面變化規(guī)律與表3分析計(jì)算結(jié)果及模型（5）吻合，總體的影響趨勢(shì)為供料量越少、吹氣時(shí)間越長(zhǎng)、靈敏度越大，則色選精度越高。其主要原因?yàn)椋寒?dāng)供料量減少時(shí)，花生在滑槽形成的物料流均勻度提高了，最終提高色選精度；當(dāng)吹氣時(shí)間延長(zhǎng)時(shí)，在合適的吹氣時(shí)間范圍內(nèi)產(chǎn)生足夠大的空氣壓力將花生不良品準(zhǔn)確地吹出，提高色選精度；當(dāng)靈敏度越大時(shí)，色選算法對(duì)花生不良品的識(shí)別越精確，則色選精度越高。

3.4.2 交互因素對(duì)帶出比影響規(guī)律分析 圖2-a為靈敏度X3位于中心水平（70）時(shí)，供料量X1與吹氣時(shí)間X2對(duì)帶出比Y2交互作用的響應(yīng)面圖，從圖2-a可以看出，減小供料量和延長(zhǎng)吹氣時(shí)間有利于增大帶出比；圖2-b為吹氣時(shí)間X2位于中心水平（2.5 ms）時(shí)，供料量X1與靈敏度X3對(duì)帶出比交互作用的響應(yīng)面圖，從圖2-b可以看出，減少供料量和提高靈敏度有利于增大帶出比；圖2-c為供料量X1位于中心水平（40）時(shí)，吹氣時(shí)間X2與靈敏度X3對(duì)帶出比交互作用的響應(yīng)面圖，從圖2-c可以看出，延長(zhǎng)吹氣時(shí)間和提高靈敏度有利于增大帶出比。

此外在圖2中可以得知，響應(yīng)面變化規(guī)律與表3分析計(jì)算結(jié)果及模型（6）吻合，總體的影響趨勢(shì)為供料量越少、吹氣

時(shí)間越長(zhǎng)、靈敏度越高，則帶出比越大。其主要原因?yàn)楫?dāng)供料量減少時(shí)，減少了對(duì)正常花生的誤選，增大帶出比；當(dāng)吹氣時(shí)間延長(zhǎng)時(shí)，色選算法識(shí)別出的花生不良品被吹出的精準(zhǔn)度提高，從而增大帶出比；當(dāng)靈敏度越高時(shí)，色選精度越高，帶出比越大。

4 參數(shù)優(yōu)化與驗(yàn)證試驗(yàn)

4.1 參數(shù)優(yōu)化

為了達(dá)到較好的色選效果及經(jīng)濟(jì)效益，就必須要求色選精度高、帶出比大。通過響應(yīng)面分析目標(biāo)參數(shù)可知，要得到較高的色選精度，就必須要求吹氣時(shí)間長(zhǎng)、靈敏度高；要達(dá)到較大的帶出比，就必須要求供料量少，靈敏度高。由于各因素對(duì)目標(biāo)參數(shù)影響不一致，因此必須綜合考慮。

本研究針對(duì)色選精度高、帶出比大的色選作業(yè)要求，進(jìn)行花生色選機(jī)工作參數(shù)優(yōu)化。其目標(biāo)函數(shù)為：Y1→Y1max，Y2→Y2max；約束條件為：Yj>0，-1≤Xj≤1，其中j=1，2，3。采用Design-Expert 8.0.6軟件對(duì)各參數(shù)進(jìn)行優(yōu)化求解，得到各因素最優(yōu)工作參數(shù)，當(dāng)供料量為-0.367（36.33）、吹氣時(shí)間為+1（3 ms）、靈敏度為+0.556（75.56）時(shí)，色選精度為9805%、帶出比為14.92。

4.2 試驗(yàn)驗(yàn)證

為了驗(yàn)證模型的可靠性，采用上述參數(shù)進(jìn)行試驗(yàn)（圖3）。

考慮試驗(yàn)的可行性，將供料量修正為36，吹氣時(shí)間仍為 3 ms，靈敏度修正為76，在此優(yōu)化方案下進(jìn)行試驗(yàn)，重復(fù)3次，結(jié)果如表5所示。

由表5可知，各性能指標(biāo)試驗(yàn)值與理論優(yōu)化值均比較吻合，相對(duì)誤差均小于2%，因此參數(shù)優(yōu)化模型可靠。在花生色選機(jī)作業(yè)時(shí)，采用該優(yōu)化組合參數(shù)，即供料量36，吹氣時(shí)間為3 ms，靈敏度76。endprint

5 結(jié)論

采用Design-Expert 8.0.6軟件對(duì)供料量、吹氣時(shí)間、靈敏度對(duì)色選精度、帶出比的影響進(jìn)行分析，建立優(yōu)化模型，并通過試驗(yàn)對(duì)模型和優(yōu)化結(jié)果進(jìn)行準(zhǔn)確性驗(yàn)證，其相對(duì)誤差均小于6%，表明模型可靠性高。

花生色選機(jī)各因素對(duì)色選精度影響顯著，從大到小的順序依次為吹氣時(shí)間、靈敏度、供料量；各因素對(duì)帶出比影響顯著，從大到小的順序依次為供料量、靈敏度、吹氣時(shí)間。

花生色選機(jī)最優(yōu)工作參數(shù)組合為供料量36，吹氣時(shí)間為3 ms，靈敏度76。性能試驗(yàn)結(jié)果為：色選精度97.54%、帶出比14.66。

試驗(yàn)對(duì)象僅為魯花11號(hào)花生仁，可在不同花生瓶中條件下對(duì)色選性能作深入探討。本試驗(yàn)可為花生色選技術(shù)的進(jìn)一步研究提供理論基礎(chǔ)與科學(xué)依據(jù)，并可為完善花生色選機(jī)的工作參數(shù)優(yōu)化提供參考。

參考文獻(xiàn)：

[1]花生的營(yíng)養(yǎng)價(jià)值與產(chǎn)業(yè)前景[J]. 食品工業(yè)科技，2005（1）：16-17.

[2]張 峰，李魁英，王學(xué)清，等. 不同品種花生秧營(yíng)養(yǎng)價(jià)值分析[J]. 河北農(nóng)業(yè)科學(xué)，2010，14（7）：72-73.

[3]華 娣，秦 劍，史 呂. 花生水解蛋白營(yíng)養(yǎng)價(jià)值的研究[J]. 中國(guó)油脂，2010，35（11）：28-32.

[4]李雅麗，孫 靜，劉 陽(yáng). 花生霉變程度判定指標(biāo)研究[J]. 食品科技，2013，38（9）：309-313.

[5]王葉群，楊增玲，張紹英，等. 用于污染黃曲霉毒素花生分選的熒光信號(hào)研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32（1）：187-192.

[6]丁 勇，廖萬(wàn)有. 茶葉色選機(jī)的技術(shù)特性與應(yīng)用[J]. 茶葉，2009，35（1）：33-36.

[7]韓仲志，劉 竟，楊錦忠. 花生籽仁感官品質(zhì)鑒定中的計(jì)算機(jī)色選機(jī)制研究[J]. 花生學(xué)報(bào)，2009，38（2）：15-19.

[8]王志健，王勤海. 關(guān)于色選機(jī)性能與質(zhì)量的評(píng)價(jià)[J]. 西部糧油科技，2003，28（2）：12-14.

[9]余淑華，劉艷麗，王世璞，等. 脫絨棉種色選機(jī)雙CCD檢測(cè)系統(tǒng)設(shè)計(jì)與仿真分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46（9）：55-61.

[10]孫小麗，坎 雜，李景彬，等. 5XS系列脫絨棉種色選機(jī)參數(shù)優(yōu)化試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26（增刊1）：42-45.

[11]諶 東. 大米色選機(jī)視覺系統(tǒng)實(shí)驗(yàn)研究[D].哈爾濱：哈爾濱工程大學(xué)，2008.

[12]姚惠源，方 輝. 色選技術(shù)在糧食和農(nóng)產(chǎn)品精加工領(lǐng)域的應(yīng)用及發(fā)展趨勢(shì)[J]. 糧食與食品工業(yè)，2011，18（2）：4-6.

[13]陳 紅，丁幼春，熊利榮.無(wú)損檢測(cè)技術(shù)在花生品質(zhì)檢測(cè)中的應(yīng)用[J]. 糧油加工與食品機(jī)械，2005（2）：53-55.

[14]李雅麗，劉 陽(yáng). 霉變花生光電分選技術(shù)應(yīng)用現(xiàn)狀及發(fā)展趨勢(shì)[J]. 農(nóng)業(yè)機(jī)械，2012（12）：50-53.

[15]王 杭. 大米色選機(jī)及色選工藝的發(fā)展[J]. 糧食與飼料工業(yè)，2011（8）：1-2，6.

[16]喬艷芳，李 馨，孫 鵬. 食品光電色選技術(shù)裝備設(shè)計(jì)及應(yīng)用[J]. 農(nóng)機(jī)化研究，2005（2）：118-119.

[17]丁素明，薛新宇，方金豹，等. 手持式風(fēng)送授粉機(jī)工作參數(shù)優(yōu)化與試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31（8）：68-75.

[18]丁素明，薛新宇，蔡 晨，等. 梨樹枝條切割裝置刀片參數(shù)優(yōu)化與試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31（增刊2）：75-82.王紅君，徐 軍，趙 輝，等. 基于勢(shì)場(chǎng)蟻群算法的溫室機(jī)器人路徑規(guī)劃[J]. 江蘇農(nóng)業(yè)科學(xué)，2017，45（18）：222-225.endprint