为更合理有效实现鸡蛋品种分类,研究一种介电特性无损鉴别鸡蛋品种方法。本实验以4组不同品种鸡蛋(江苏镇江洋鸡蛋、江苏镇江草鸡蛋、安徽老南沟草鸡蛋、江苏东台草鸡蛋)为研究对象,采用平行极板法测量4组鸡蛋在10~200 k Hz条件下的介电特性参数,并利用支持向量机(support vector machine,SVM)算法建立鸡蛋品种鉴别分类检测模型。研究不同核函数(线性核函数、多项式核函数、RBF核函数和Sigmoid核函数)、不同参数寻优算法(网格搜索法、遗传算法和粒子群算法)选择对分类模型准确率的影响。结果表明,以线性核函数为SVM核函数、粒子群算法为SVM参数寻优算法时,建立的鸡蛋品种SVM分类模型的性能最优,其训练集正确率为95.83%,测试集正确率为95.83%。利用介电特性无损检测技术结合SVM算法,取得了很好的分类效果,为鸡蛋品种鉴别提供了一种新的快速有效的方法。
为了更准确、快速的实现鸡蛋新鲜度品质指标蛋黄指数的无损检测,基于介电特性建立了鸡蛋新鲜度无损检测模型,获取鸡蛋的蛋黄指数信息。试验以不同新鲜度鸡蛋为研究对象,采用平行极板法测量不同新鲜度鸡蛋在温度为20℃,相对湿度为72%～89%,频率为1～200 k Hz下的介电特性参数,分析鸡蛋介电特性的变化规律,并建立鸡蛋介电特性与蛋黄指数之间的数学模型。分析了鸡蛋介电特性随测量信号频率及新鲜度指标蛋黄指数的变化曲线,发现其介电参数随频率及蛋黄指数的增大而减小。构建了蛋黄指数与相对介电常数的拟合方程,鸡蛋样品的实际蛋黄指数与模型预测的蛋黄指数间的决定系数R2为0.9115,蛋黄指数的误差为±4.2%,试验结果表明：利用拟合方程预测检验鸡蛋蛋黄指数取得了较好的预测效果,为无损检测鸡蛋新鲜度提供了一种新的可行方法。
