● 摘要
粮食是人类赖以生存的必需品，粮食安全与否直接地影响国家的政治安全、经济发展以及社会稳定。然而，粮食收获后，由于受到湿度、温度以及存储方式的影响，常常发生霉变、发芽和虫害现象，储粮中的虫害粒、霉变粒和发芽粒严重地影响粮食的品质，检测和分拣粮食中的受损颗粒显得尤为重要。
目前，利用电子计算机将模式识别与声检测技术相结合，实现高效率、低成本的储粮自动检测成为这一领域研究的热点。
本文利用小麦碰撞声信号检测装置采集小麦完好粒和受损粒的碰撞声信号，分别采用二叉树支持向量机以及利用人工蜂群算法优化的支持向量机，对小麦声信号进行自动分拣研究。实验结果表明正确识别率显著提高，为小麦颗粒的识别分类提供了新的方法。
本文的研究内容主要包括以下几个方面:
(1) 介绍论文研究背景与意义，概述了碰撞声检测法在国内外的研究现状。
(2) 从硬件和软件两方面设计了小麦碰撞声检测系统，详细介绍了系统设备、录音软件以及小麦碰撞声采集过程各个参数的设置方法。
(3) 介绍了支持向量机的相关理论，主要包括统计学习理论、最优分类面的构造、标准支持向量机、分类方法以及该领域研究热点问题。
(4) 提出基于二叉树SVM的小麦碰撞声分类识别方法。阐述了二叉树支持向量机分类器的构造、类间分离性测度的计算和算法实现过程；提取了小麦碰撞声信号特征；对二叉树支持向量机各子分类器核函数以及惩罚因子的选取及其对最终分类结果的影响进行了研究；将二叉树SVM与传统SVM分类结果进行比较。该方法可以得到理想的分类效果。
(5) 提出基于人工蜂群算法优化支持向量机的分类识别方法。阐述了人工蜂群算法的基本原理；给出了人工蜂群算法优化支持向量机惩罚因子和宽度参数算法的实现过程；通过Daubechies小波基函数对小麦碰撞声信号进行8层分解，提取各层能量作为特征向量；最后对实验结果及算法复杂度进行分析。实验表明，人工蜂群算法可以实现支持向量机参数的优化组合，提高分类性能。