单片机的鸡蛋破损检测系统的硬件设计
在市场经济的促使下，鸡蛋的需求量日益增大，这就对鸡蛋的保存提出了更高的要求。目前，我国剔除鸡蛋中破壳的鸡蛋还是通过人工分别，不光劳动强度大，而且效率低，精确度不高。因此，研究出一套自动识别破壳鸡蛋的检测系统很有意义。本文主要从硬件方面研究基于AT89C51单片机剔除破壳鸡蛋的自动化系统。该系统通过麦克风收取敲蛋的声音，经过放大电路将声音信号放大，传到滤波电路中将信号限制在适当的频段内，传出来的信号经A/D转换器将模拟信号转换为数字信号，在与单片机相连，最后通过控制分级模块实现好蛋和损蛋的分离。关键词 AT89C51， 鸡蛋破损检测， 信号处理， 自动分级
目 录
1 引言 1
1.1 课题研究的意义 1
1.2 国内外声音特性在产品中的研究应用 1
1.3 研究的目标 2
2 试验研究 2
2.1 试验原理 2
2.2 试验步骤和方法 3
2.3 试验数据处理 3
2.4 依据特征变量建立判别模型 11
3 系统硬件设计 12
3.1 检测系统的工作原理和组成框图 12
3.2 声音信号的采集与调试 13
3.3 单片机和它的外围电路设计 19
3.4 硬件的抗干扰方法 23
4 系统软硬件的调试 24
4.1 软件的设计 24
4.2 软硬件调试的过程 26
4.3 误差分析 26
总 结 27
致 谢 28
参考文献 29
附 录 31
1 引言
1.1 课题研究的意义
鸡蛋主要有蛋黄、蛋白、蛋壳三部分组成，蛋壳主要起到保护蛋白和蛋黄的作用，如果蛋壳受损，细菌就会通过裂缝进入鸡蛋内部很容易使鲜蛋腐坏。现如今，随着社会的发展，大量的鸡蛋需要进行保存，如果在储存当中有破壳的鸡蛋就会很快地变质，而且有破壳的坏蛋还会降低其他好壳鸡蛋的保存期限，并且会产生很大异味。因此，剔除损壳的鸡蛋是很有必要的。
目前，在我国还主要是通过人工来提出损壳鸡 *好棒文|www.hbsrm.com +Q: @351916072@
蛋。工人通过鸡蛋相互碰撞发出的声音来判断好蛋和损壳鸡蛋。这样的话不仅效率低、准确度不高、劳动强度大，而且容易把鸡蛋壳撞坏[1]。随着市场鸡蛋需求量的增加，研究出一套集高效率、高精度的自动剔除损壳鸡蛋的检测系统必将成为以后蛋壳检测的趋势所在。
1.2 国内外声音特性在产品当中的研究应用
1.2.1 国内的研究应用
何东健等人为了能够知道西瓜是否已经成熟了以及西瓜的好坏，通过打击西瓜时声音信号的功率谱的密度，自己制成了单摆式的打击器件，当中使用FFT进行转换[2]。经过他们的研究发现，假如西瓜还没有熟，我们敲打西瓜时，它的声音波形先达到很高的幅度，然后马上的下降，极其的没有规则，而成熟的西瓜敲打的声音波形会在某一时刻呈现为对称的规则的衰减波形。王炳和从声音的特性角度出发，他是第一个利用倒谱技术分析两种不一样的脉搏的人，并且进过他的研究，最后他成功的得到了脉博的功率谱，从此人们就可以利用功率谱来判断脉搏，这个在医学上面是一个重大的突破。闫长新对好蛋和破壳蛋进行多点激励。他找到了一个独特的方法，就是通过观察蛋的能量分布图来区分好蛋和损蛋，通过他的大量的试验分析处理之后，他发现有点规律在里面，就是损壳的蛋一般只分布在低频段，好蛋则没有什么规律，在低频段和高频段都有。
1.2.2 国外的研究应用
Finney带着自己的好奇心，他一直认为杨氏模量会和水果的成熟与否有着某种关联，他对大量的不同成熟度的香蕉作共振频率的研究，在结合杨氏模量进行分析，惊喜的发现了香蕉的软硬和它的成熟度的变化关系。共振在很多实际生活当中都有应用，Abbot利用大家都熟悉的共振研究它与苹果的尺寸和硬度的关系，他发现第二个共振点和苹果的尺寸和硬度的关系相当的密切。粮食逐年的丰收，粮食的储存量越来越多，过多的水分会影响的储存。G.Brusewitz想设计出一款能够检测谷物含水量的仪器，他发现某个时间段内谷物的平均声压和它的含水量有特定的关联，声波的中心频率在4Hz~20KHz中间[3]。
1.3 研究的目标
通过本此研究设计能够制造出一个集鸡蛋的拿取、自动的敲蛋、完成声音信号的传输处理、最后可以用单片机控制执行器件完成好蛋与损蛋的自动分离。
2 试验研究
本篇论文使用声音信号来完成的，我们需要先通过大量的试验，分别敲击好壳蛋和损壳蛋，然后分析研究这些数据，最后把损壳蛋的数据和好壳蛋的都整理出来，找出具有代表性的数据，好蛋和损蛋各一份，输入到系统当中。在之后的应用中通过敲蛋的数据跟我们之前找好的数据比较，可以判断本鸡蛋是好壳还是损壳。这个系统想完成这个操作需要借助MATLAB完成试验调试。
2.1 试验原理
这个系统每敲一次鸡蛋，就会有一个数据出现，通过我们大量的试验之后，就会有大量的数据需要我们处理。这些数据又多又散，也基本上不太能看出来什么规律，对这些数据想用傅立叶变换更是天方夜谭。因此，我们需要对这些数据取平均值计算，正巧，自相关函数可以描述一个随机信号与另一时刻信号的关系，它和平均量值有很大关系，用它会方便很多。可是，我们最终是想得到数据的傅里叶变换，因此，这里还需要引入一个量，功率谱密度[4]。对于功率谱密度可能比较陌生，它表示每单位频滤波携带的频率。用功率谱特性可以表示我们刚才得到平均谱的特性，通过研究这些数据的功率谱，就可以把最能代表每种蛋的参数选出来，利用这个原理大大的缩减了我们的工作效率。
数据会太杂太乱，我们不可能准确的算出功率谱的，我们可以列表、画图，然后找规律，选取出最合适最接近的值出来。在这里我们选择了最适合这些数据的估计方法——周期图法。由周期图法可得功率谱估计值：
其中是随机抽取的n个点的傅立叶变换[5]。
由这个公示我们可以看出只有N趋于无穷大时，才会接近真实值，这也解释了我们为什么要做大量的实验了。
目 录
1 引言 1
1.1 课题研究的意义 1
1.2 国内外声音特性在产品中的研究应用 1
1.3 研究的目标 2
2 试验研究 2
2.1 试验原理 2
2.2 试验步骤和方法 3
2.3 试验数据处理 3
2.4 依据特征变量建立判别模型 11
3 系统硬件设计 12
3.1 检测系统的工作原理和组成框图 12
3.2 声音信号的采集与调试 13
3.3 单片机和它的外围电路设计 19
3.4 硬件的抗干扰方法 23
4 系统软硬件的调试 24
4.1 软件的设计 24
4.2 软硬件调试的过程 26
4.3 误差分析 26
总 结 27
致 谢 28
参考文献 29
附 录 31
1 引言
1.1 课题研究的意义
鸡蛋主要有蛋黄、蛋白、蛋壳三部分组成，蛋壳主要起到保护蛋白和蛋黄的作用，如果蛋壳受损，细菌就会通过裂缝进入鸡蛋内部很容易使鲜蛋腐坏。现如今，随着社会的发展，大量的鸡蛋需要进行保存，如果在储存当中有破壳的鸡蛋就会很快地变质，而且有破壳的坏蛋还会降低其他好壳鸡蛋的保存期限，并且会产生很大异味。因此，剔除损壳的鸡蛋是很有必要的。
目前，在我国还主要是通过人工来提出损壳鸡 *好棒文|www.hbsrm.com +Q: @351916072@
蛋。工人通过鸡蛋相互碰撞发出的声音来判断好蛋和损壳鸡蛋。这样的话不仅效率低、准确度不高、劳动强度大，而且容易把鸡蛋壳撞坏[1]。随着市场鸡蛋需求量的增加，研究出一套集高效率、高精度的自动剔除损壳鸡蛋的检测系统必将成为以后蛋壳检测的趋势所在。
1.2 国内外声音特性在产品当中的研究应用
1.2.1 国内的研究应用
何东健等人为了能够知道西瓜是否已经成熟了以及西瓜的好坏，通过打击西瓜时声音信号的功率谱的密度，自己制成了单摆式的打击器件，当中使用FFT进行转换[2]。经过他们的研究发现，假如西瓜还没有熟，我们敲打西瓜时，它的声音波形先达到很高的幅度，然后马上的下降，极其的没有规则，而成熟的西瓜敲打的声音波形会在某一时刻呈现为对称的规则的衰减波形。王炳和从声音的特性角度出发，他是第一个利用倒谱技术分析两种不一样的脉搏的人，并且进过他的研究，最后他成功的得到了脉博的功率谱，从此人们就可以利用功率谱来判断脉搏，这个在医学上面是一个重大的突破。闫长新对好蛋和破壳蛋进行多点激励。他找到了一个独特的方法，就是通过观察蛋的能量分布图来区分好蛋和损蛋，通过他的大量的试验分析处理之后，他发现有点规律在里面，就是损壳的蛋一般只分布在低频段，好蛋则没有什么规律，在低频段和高频段都有。
1.2.2 国外的研究应用
Finney带着自己的好奇心，他一直认为杨氏模量会和水果的成熟与否有着某种关联，他对大量的不同成熟度的香蕉作共振频率的研究，在结合杨氏模量进行分析，惊喜的发现了香蕉的软硬和它的成熟度的变化关系。共振在很多实际生活当中都有应用，Abbot利用大家都熟悉的共振研究它与苹果的尺寸和硬度的关系，他发现第二个共振点和苹果的尺寸和硬度的关系相当的密切。粮食逐年的丰收，粮食的储存量越来越多，过多的水分会影响的储存。G.Brusewitz想设计出一款能够检测谷物含水量的仪器，他发现某个时间段内谷物的平均声压和它的含水量有特定的关联，声波的中心频率在4Hz~20KHz中间[3]。
1.3 研究的目标
通过本此研究设计能够制造出一个集鸡蛋的拿取、自动的敲蛋、完成声音信号的传输处理、最后可以用单片机控制执行器件完成好蛋与损蛋的自动分离。
2 试验研究
本篇论文使用声音信号来完成的，我们需要先通过大量的试验，分别敲击好壳蛋和损壳蛋，然后分析研究这些数据，最后把损壳蛋的数据和好壳蛋的都整理出来，找出具有代表性的数据，好蛋和损蛋各一份，输入到系统当中。在之后的应用中通过敲蛋的数据跟我们之前找好的数据比较，可以判断本鸡蛋是好壳还是损壳。这个系统想完成这个操作需要借助MATLAB完成试验调试。
2.1 试验原理
这个系统每敲一次鸡蛋，就会有一个数据出现，通过我们大量的试验之后，就会有大量的数据需要我们处理。这些数据又多又散，也基本上不太能看出来什么规律，对这些数据想用傅立叶变换更是天方夜谭。因此，我们需要对这些数据取平均值计算，正巧，自相关函数可以描述一个随机信号与另一时刻信号的关系，它和平均量值有很大关系，用它会方便很多。可是，我们最终是想得到数据的傅里叶变换，因此，这里还需要引入一个量，功率谱密度[4]。对于功率谱密度可能比较陌生，它表示每单位频滤波携带的频率。用功率谱特性可以表示我们刚才得到平均谱的特性，通过研究这些数据的功率谱，就可以把最能代表每种蛋的参数选出来，利用这个原理大大的缩减了我们的工作效率。
数据会太杂太乱，我们不可能准确的算出功率谱的，我们可以列表、画图，然后找规律，选取出最合适最接近的值出来。在这里我们选择了最适合这些数据的估计方法——周期图法。由周期图法可得功率谱估计值：
其中是随机抽取的n个点的傅立叶变换[5]。
由这个公示我们可以看出只有N趋于无穷大时，才会接近真实值，这也解释了我们为什么要做大量的实验了。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/2599.html
