基于麥克風(fēng)陣列的罐裝食品真空度在線檢測

韓威 周松斌 劉憶森 李昌 劉偉鑫

摘要：聲音頻譜峰值法被廣泛應(yīng)用于罐裝食品真空度檢測領(lǐng)域，但是當(dāng)檢測環(huán)境出現(xiàn)聲音強度較大且與罐蓋振動產(chǎn)生的聲音的頻段相同的噪聲時，該方法可能做出誤判。為此，提出聲學(xué)陣列法：由麥克風(fēng)陣列采集多路混合聲信號，采用稀疏半非負(fù)矩陣分解從混合聲信號中分離出干凈的罐蓋振動產(chǎn)生的聲音，再利用聲音頻譜峰值法判斷真空度是否合格。該文研究稀疏半非負(fù)矩陣分解的數(shù)學(xué)模型，并且推導(dǎo)求解稀疏半非負(fù)矩陣分解的迭代優(yōu)化函數(shù)。實驗結(jié)果表明，無噪聲環(huán)境下，聲音頻譜峰值法和聲學(xué)陣列法的真空度檢測結(jié)果均準(zhǔn)確，但在噪聲環(huán)境下，聲音頻譜峰值法出現(xiàn)誤判時，聲學(xué)陣列法仍能做出準(zhǔn)確判斷。

關(guān)鍵詞：麥克風(fēng)陣列;稀疏半非負(fù)矩陣分解;聲學(xué)檢測;罐裝食品真空度檢測

中圖分類號：TP391 文獻標(biāo)志碼：A 文章編號：1674-5124（2019）07-0128-06

收稿日期：2018-09-10;收到修改稿日期：2018-11-08

基金項目：國家自然科學(xué)基金資助項目（61803107）;廣東省科技計劃資助項目（20168090918061）;廣州市科技計劃資助項目（201803020025）

作者簡介：韓威（1987-），男，湖北荊門市人，助理研究員，博士，主要從事傳感技術(shù)與在線無損檢測技術(shù)研究。

通信作者：周松斌（1978-），男，廣東潮州市人，研究員，博士，主要從事智能傳感與檢測、網(wǎng)絡(luò)化測控、物聯(lián)網(wǎng)方面的研究。

0 引言

三片罐、玻璃罐是食品行業(yè)中廣泛應(yīng)用的包裝容器。為了防止食品過早變質(zhì)，上述食品容器一般要求真空密封包裝。然而在罐體成形、灌裝、封蓋以及搬運等環(huán)節(jié)，易出現(xiàn)罐體/罐蓋卷邊不良、灌裝中空氣未排凈、罐破損等問題，導(dǎo)致罐裝食品失去密封性、內(nèi)部空氣含量超標(biāo)等真空度不合格現(xiàn)象。罐內(nèi)真空度與罐內(nèi)壓力相關(guān)，因此一般通過檢測罐內(nèi)壓力來判斷真空度是否合格，主要有真空壓差法、電渦流法、聲學(xué)法。真空壓差法[1]是采用真空表直接測量罐內(nèi)氣壓值，主要用于政府質(zhì)檢部門抽檢，屬破壞性檢測，不適用于在線無損檢測。罐蓋形狀能反映罐內(nèi)壓力，因此基于電渦流法的罐裝食品真空度檢測技術(shù)原理[2-5]是：通過電渦流傳感器探測罐蓋的凹凸程度來感知罐內(nèi)壓力，從而判斷罐內(nèi)真空度是否合格。隨著罐裝食品需求和產(chǎn)量的提升，生產(chǎn)檢測速度加快，傳輸線振動對電渦流傳感器探測結(jié)果的影響越來越大。此外，部分罐裝食品封蓋的面積呈現(xiàn)小型化趨勢，罐內(nèi)壓力對罐蓋形變量的影響變?nèi)?。因此，電渦流法在罐裝食品真空度檢測領(lǐng)域的應(yīng)用逐漸受限。

罐蓋的自然振動頻率與罐蓋受到的壓力相關(guān)，因此近年來，聲學(xué)技術(shù)在罐裝食品真空度檢測領(lǐng)域被大量應(yīng)用，并且聲學(xué)技術(shù)基本不受傳輸線振動和罐蓋面積大小的影響?；诼晫W(xué)法的罐裝食品真空度檢測技術(shù)原理[6-11]是：對罐蓋施加激勵，使其振動并產(chǎn)生聲音，通過處理該聲音信號來判斷罐內(nèi)真空度是否合格。目前一般采用聲音頻譜峰值法進行信號處理[6-9]：根據(jù)罐蓋聲音信號的頻譜峰值的頻率值是否在設(shè)定范圍來判斷罐內(nèi)真空度是否合格。但是罐裝食品檢測現(xiàn)場可能出現(xiàn)機器轟鳴聲、人聲、撞擊聲等聲音強度較大且與罐蓋聲音頻段相同的噪聲，使得計算得到的頻譜峰值并不源于罐蓋聲音，從而導(dǎo)致該方法出現(xiàn)誤判。

針對當(dāng)前基于聲音頻譜峰值法的罐裝食品真空度檢測技術(shù)應(yīng)對噪聲的效果不佳，本文提出聲學(xué)陣列法：由麥克風(fēng)陣列采集得到多路混合聲信號，采用稀疏半非負(fù)矩陣分解從混合聲信號中分離出干凈的罐蓋聲音信號，再利用聲音頻譜峰值法判斷真空度是否合格。

1 罐裝食品真空度聲學(xué)檢測原理

罐內(nèi)真空度與罐蓋受到的張力是相關(guān)的。當(dāng)罐蓋受到激勵而振動時，可等效為邊界固定的圓形膜振動模型[12]。設(shè)σ為罐蓋單位面積的質(zhì)量，罐蓋受到的張力為T，r為罐蓋半徑，罐蓋振動的自然頻率[12-13]為其中，μ_n是一個常數(shù)，可通過貝塞爾函數(shù)表得到。

式（1）體現(xiàn)了罐裝食品真空度聲學(xué)檢測原理：對于同種罐裝食品，對罐蓋施加相同的激勵，如果罐內(nèi)真空度不同，則罐蓋的振動頻率不同，振動產(chǎn)生的聲音也不相同，因此，可通過處理罐蓋振動產(chǎn)生的聲音信號來判斷罐內(nèi)真空度是否合格。此外，從式（1）還可以看出，罐蓋聲音信號的頻率成分比較集中。

2 基于聲音頻譜峰值法的罐裝食品真空度檢測

目前一般采用聲音頻譜峰值法進行罐裝食品真空度檢測，具體過程是：采用單路麥克風(fēng)采集罐蓋振動產(chǎn)生的聲音，計算該聲音信號的傅里葉頻譜，根據(jù)頻譜峰值對應(yīng)的頻率值是否在設(shè)定范圍來判斷被檢罐裝食品真空度是否合格。圖1所示為某種罐裝食品的合格品和不合格品（泄露）在無噪聲環(huán)境下的罐蓋聲音及傅里葉頻譜。

從圖1可以看出，合格品和不合格品的罐蓋聲音的頻譜峰值所對應(yīng)的頻率值具有明顯差異，聲音頻譜峰值法即是根據(jù)這種差異來判斷罐內(nèi)真空度是否合格。此外，從頻譜圖還可以看出，無論是合格品還是不合格品，其罐蓋聲音信號的頻率成分均比較集中，主要表現(xiàn)為某一基波及其諧波的頻率，符合罐裝食品真空度聲學(xué)檢測原理。

但是，由于罐裝食品檢測現(xiàn)場的聲音環(huán)境較為復(fù)雜，可能出現(xiàn)聲音強度較大且與罐蓋聲音頻段相同的噪聲，從而導(dǎo)致聲音頻譜峰值法出現(xiàn)誤判。圖2所示為合格品的聲音信號受噪聲（人聲和歌聲）污染后的混合聲信號及頻譜。

可以看出，合格品的罐蓋聲音被噪聲污染后，混合聲信號的頻譜峰值并不來源于原始罐蓋聲音。此外，從圖1（b）和圖2（c）還可以看出，混合聲信號的頻譜峰值對應(yīng)的頻率與合格品和不合格品的罐蓋聲音頻率均很接近。如果仍然采用聲音頻譜峰值法進行真空度判斷，容易導(dǎo)致誤判。

3 基于聲學(xué)陣列法的罐裝食品真空度檢測

3.1 基于麥克風(fēng)陣列的罐裝食品真空度在線無損檢測系統(tǒng)

圖3所示為基于麥克風(fēng)陣列的罐裝食品真空度在線無損檢測系統(tǒng)示意圖，該系統(tǒng)工作原理為：當(dāng)光電傳感器檢測到傳送裝置上有待檢罐裝食品后，處理控制模塊通過電磁信號發(fā)生電路驅(qū)動電磁激勵探頭向罐蓋施加電磁激勵，使得罐蓋振動，從而發(fā)出聲音;由4路麥克風(fēng)組成的陣列拾取罐蓋聲音及環(huán)境聲音，并通過聲音采集電路將聲學(xué)陣列信號輸入處理控制模塊，處理控制模塊首先采用稀疏半非負(fù)矩陣分解對混合聲信號進行分離處理，獲得干凈的罐蓋聲音，再根據(jù)聲音頻譜峰值法判斷待檢罐裝食品真空度是否合格。

在本文實驗中，該系統(tǒng)聲音采集頻率48kHz，量化位數(shù)為32bit，4路麥克風(fēng)的采集時長均為18.67ms。

3.2 基于稀疏半非負(fù)矩陣分解的聲源分離算法

罐裝食品真空度檢測現(xiàn)場的聲音混合模型，可表示為

X=FG（2）其中：X =[x₁，x₂，…，x_m]∈R^N×m是麥克風(fēng)陣列采集的m路混合聲音信號矩陣，x_i=[x_i（t），t=1，2，…，N]是第i（i=1，2，…，m）路麥克風(fēng)采集的聲音信號，N是聲音信號長度;F=[f₁，f₂，…，f_k]∈R^N×k是k個未知的聲源信號矩陣，f_j是第j（j=1，2，…，m）個聲源信號;G∈R^k×m是未知聲源F（罐蓋聲音及噪聲）的混合矩陣。在本文實驗中，m=4，并假設(shè)k≤m。

由于混合矩陣G是非負(fù)的（G≥0），而時域聲音信號F不一定是非負(fù)的，因此上述聲音混合模型符合半非負(fù)矩陣分解（semi-nonnegative matrixfactorization，SNMF）的數(shù)學(xué)模型[14]，從而可以按照求解半非負(fù)矩陣分解的方法來分離混合聲音信號X，以獲得干凈的罐蓋聲音信號。

分析可知，罐蓋聲音是一種頻率成分較集中的信號，具有被稀疏表示的可能性。因此，為了提升信號分離效果，對半非負(fù)矩陣分解施加了稀疏約束，稱為稀疏半非負(fù)矩陣（sparse semi-nonnegativematrix factorization，SSNMF）。SSNMF是在式（2）的基礎(chǔ)上，通過添加一個如式（4）所示的對稱矩陣S∈R^k×k，實現(xiàn)對SNMF的稀疏約束。參考對非負(fù)矩陣分解（nonnegative matrix factorization，NMF）施加稀疏約束的方法[15]，SSNMF被定義為

X=FSG（3）

其中，G≥0，矩陣S定義如下式中：I∈R^k×k——單位矩陣;

l∈R^k×1——元素都為1的列向量。

0≤θ≤1，控制著SNMF的稀疏性。當(dāng)θ=0時，式（3）變?yōu)闃?biāo)準(zhǔn)的SNMF。

因此，基于最小歐氏距離定義求解SSNMF的代價函數(shù)為

min Γ（F，G）=‖X-FSG‖²（5）argG≥0

采用梯度下降的迭代優(yōu)化方法對SSNMF進行求解，求解推導(dǎo)過程如式（6）～式（14）所示。

對式（5）中的矩陣F和G分別求偏導(dǎo)，可得

令固定G，得到矩陣F的迭代更新公式

設(shè)有一個矩陣為V∈R^p×q（p，q），V⁺和V^-分別表示V的非負(fù)數(shù)部分和負(fù)數(shù)部分，即有

V⁺=（|V|+V）/2（8）

V^-=（|V|-V）/2（9）

V=V⁺-V^-（10）

參照式（8）～式（10），有

X^TF=（X^TF）⁺-（X^TF）^-（11）

（FS）^T（FS）=[（FS）^T（FS）]⁺-[（FS）^T（FS）]^-（12）

從而，令，則有

因此，固定F，則得到矩陣G迭代更新式

式（14）表明，在矩陣G的迭代更新過程中，能確保G一直是非負(fù)的，滿足SSNMF模型對矩陣G的非負(fù)限制。

按照式（7）和式（14）對矩陣F和G進行迭代更新，直到遇到迭代停止條件，最終得到的矩陣F即是聲源信號矩陣。

在本文實驗中，式（4）中θ的值為0.5，迭代停止條件是迭代次數(shù)到達100次或者Γ（F，G）<10^-4。

4 罐裝食品真空度檢測實驗

選擇某種罐裝食品的若干合格品和不合格品（泄露）作為實驗樣品。采用圖3所示的罐裝食品真空度在線無損檢測系統(tǒng)，進行真空度檢測實驗，分別運用聲音頻譜峰值法和本文提出的聲學(xué)陣列法進行聲音數(shù)據(jù)處理和真空度是否合格判斷。在本文實驗中，兩種方法檢測結(jié)果準(zhǔn)確的認(rèn)定方式如表1所示。

4.1 無噪聲環(huán)境下的檢測實驗

在無噪聲環(huán)境下，隨機選擇樣品進行真空度檢測，聲音頻譜峰值法和聲學(xué)陣列法的檢測結(jié)果均準(zhǔn)確。某次麥克風(fēng)陣列采集到的合格品的聲音信號及其頻譜如圖4所示。

通過無噪聲環(huán)境下的樣品真空度檢測實驗，測得合格品的罐蓋聲音的頻譜峰值對應(yīng)的頻段為1450～1700Hz。由于罐裝食品真空度是否合格是一個二分類問題，因此在實際檢測中，如果被檢罐裝食品的罐蓋聲音的頻譜峰值的頻率不在合格范圍，則就判定該被檢罐裝食品的真空度不合格。

4.2 噪聲環(huán)境下的檢測實驗

在對樣品進行真空度檢測時，采用立體聲音箱循環(huán)播放歌曲以模擬噪聲，聲音頻譜峰值法會出現(xiàn)誤判，而聲學(xué)陣列法的檢測結(jié)果均準(zhǔn)確。某次當(dāng)聲音頻譜峰值法出現(xiàn)合格品誤判為不合格品時，麥克風(fēng)陣列采集到的聲音信號及其頻譜如圖5所示，經(jīng)SSNMF分離處理后的聲音信號及其頻譜如圖6所示。

從圖5可以看出，噪聲干擾后的4路混合聲信號（圖5（e）～圖5（h））的頻譜峰值的頻率值均不在合格品的罐蓋聲音頻段，因此，聲音頻譜峰值法出現(xiàn)誤判。如圖6（g）和圖6（h）所示，頻譜峰值的頻率值與合格品的罐蓋聲音頻率一致，說明采用本文提出的SSNMF對混合聲信號進行分離，能分離出可用的罐蓋聲音。

表2所示為4路原始混合聲信號（圖5（a）～（d））及SSNMF分離后的4個聲音信號（圖6（a）～（d）），與無噪聲環(huán)境下采集的某路罐蓋聲音信號（圖4（b））的相關(guān)系數(shù)。從表中可以看出，分離信號與干凈罐蓋聲音信號的相關(guān)性，比混合信號與干凈罐蓋聲音信號的相關(guān)性更高，說明SSNMF有助于從噪聲干擾的混合信號中分離出可用的罐蓋聲音信號[16]。

5 結(jié)束語

由于當(dāng)前基于聲音頻譜峰值法的罐裝食品真空度檢測技術(shù)應(yīng)對噪聲的效果不佳，本文提出了聲學(xué)陣列法：由麥克風(fēng)陣列采集混合聲信號，先采用SSNMF從混合聲信號中分離出干凈的罐蓋聲音信號，再用聲音頻譜峰值法進行真空度判斷。給出了稀疏半非負(fù)矩陣分解的數(shù)學(xué)模型，并對其求解方法進行了推導(dǎo)。設(shè)計了一個基于麥克風(fēng)陣列的罐裝食品真空度在線無損檢測系統(tǒng)進行實驗，結(jié)果表明，當(dāng)出現(xiàn)聲音強度較大且與罐蓋聲音頻段相同的噪聲干擾時，聲音頻譜峰值法可能會出現(xiàn)誤判，而本文提出的聲學(xué)陣列法仍能從混合聲信號中分離出可用的罐蓋聲音信號，對真空度是否合格做出準(zhǔn)確判斷。

參考文獻

[1]張振祥，張立俊，陳連才，等.罐頭真空度檢測儀器的研究[J].現(xiàn)代商檢科技，1996，6（4）：5-7.

[2]劉南平，崔雁松，李佳，等.雙控頭電渦流法食品罐頭真空度測量儀[J].傳感技術(shù)學(xué)報，2005，18（1）：129-131.

[3]劉南平，李文英，崔雁松，等.食品罐頭真空度無損檢測儀的研制[J].傳感器與微系統(tǒng)，2004，23（12）：40-42.

[4]干蜀毅，朱武，陳長琦，等.電渦流法檢測罐頭真空度的探頭研制和儀器智能化[J].真空科學(xué)與技術(shù)，2002，22（5）：326-328.

[5]GARCIAMARTIN J，GOMEZGIL J，VAZQUEZSANCHEZE.Non-destructive techniques based on eddy currenttesting[J].Sensors，2011，11（3）：2525-2565.

[6]付江云，劉怡俊，陳靖宇，等.基于聲學(xué)原理的啤酒瓶在線內(nèi)壓力檢測系統(tǒng)設(shè)計[J].計算機測量與控制，2013，21（9）：2362-2368.

[7]張業(yè)偉，徐全金，侯鵬飛.基于DSP的啤酒瓶封蓋密封性在線檢測系統(tǒng)的設(shè)計[J].智慧工廠，2011（7）：121-122.

[8]陳靖宇，付江云，謝振南，等.基于實時濾波的瓶蓋密封性測試系統(tǒng)設(shè)計[J].計算機測量與控制，2012，20（4）：951-954.

[9]SUGIMOTO K，SUGIMOTO T，UTAGAWA N，et al.Thedefect detection algorithm that combined spectrum entropywith vibrational energy ratio for acoustic inspectionmethod[J].Acoustical Society of America Journal，2017，141（5）：3831.

[10]金龍，朱振池，劉千令，等.基于激振聲學(xué)的物體內(nèi)部缺陷檢測裝置[J].電子技術(shù)應(yīng)用，2015，41（2）：45-47.

[11]ELFORJANI M，SHANBR S.Prognosis of bearing acousticemission signals using supervised machine learning[J].IEEETransactions on Industrial Electronics，2018，65（7）：5864-5871.

[12]張海瀾.理論聲學(xué)[M].北京：高等教育出版社，2012：168-171.

[13]黃光周，蔡德全.食品罐頭內(nèi)真空度的無損檢測[J].華南工學(xué)院學(xué)報（自然科學(xué)版），1987，15（4）：13-17.

[14]CHRIS D，TAO L，MICHAEL I J.Convex and semi-nonnegative matrix factorizations[J].IEEE Transactions onPattern Analysis and Machine Intelligence，2010，32（1）：45-55.

[15]ALBERTO P，CARAZO J M，KIEKO K，et al.NonsmoothNonnegative Matrix Factorization（nsNMF）[J].IEEE Transa-ctions on Pattern Analysis and Machine Intelligence，2006，28（3）：403-414.

[16]周治宇，陳豪.盲信號分離技術(shù)研究與算法綜述[J].計算機科學(xué)，2009，36（10）：16-20.

（編輯：劉楊）