花生色选机工作参数优化与试验

张德高+谢焕雄+胡志超+严伟

摘要：针对花生色选机作业存在色选精度低、带出比小等问题，采用Box-Behnken中心组合试验方法理论对花生色选机工作参数作优化研究。以花生色选机为研究对象，以供料量、吹气时间、灵敏度等工作参数为影响因素，以色选精度、带出比为目标函数，建立两者之间的多元数学回归模型进行优化分析，探索各因素之间的影响规律及最佳水平组合。利用Design-Expert 8.0.6软件的回归分析法和响应面分析法对模型进行优化，得到花生色选机的最优工作参数。性能试验结果表明，色选精度影响因素显著顺序从大到小依次为吹气时间、灵敏度、供料量；带出比影响因素显著顺序从大到小依次为供料量、灵敏度、吹气时间；最优工作参数组合为供料量36，吹气时间为3 ms，灵敏度76，对应的色选精度为9754%、带出比为14.66，且各性能指标与理论优化值相对误差均小于2%。研究结果可为优化花生色选机的工作参数提供参考。

关键词：花生色选机；Box-Behnken中心组合试验；工作参数；回归分析法；响应面分析法

中图分类号： S226.5 文献标志码： A 文章编号：1002-1302（2017）18-0218-04

收稿日期：2016-04-20

基金项目：农业部现代农业花生产业技术体系产后加工机械岗位专项（编号：CARS-14-产后加工机械）；中国农业科学院创新工程“农产品产后分级与贮藏装备”。

作者简介：张德高（1991—），男，河南洛阳人，硕士研究生，主要从事农业机械装备研究。 E-mail：37475036@qq.com。

通信作者：谢焕雄，硕士，研究员，硕士生导师，主要从事农业机械装备研究。Tel：（025）58619510；E-mail：764086434@qq.com。 花生富含蛋白质、脂肪，各种营养成分比较全面且相对均衡，是目前较为理想的高蛋白、高脂肪营养性食物来源[1-3]。花生在收獲、储藏、初加工等过程中，不可避免的出现红衣残缺、霉变、杂质等不良品，这些不良品影响了花生的品质和商品价值，使花生及其制品的可食性和安全性难以保障[4-5]。早期分选花生大多依靠手眼配合的人工分选，劳动力费用高、生产效率低、精确度低且容易受主观因素的干扰，无法对不良品进行有效分选。色选技术是当前发达国家应用最为广泛的花生不良品分选技术，也是中国花生初加工的发展方向[6-11]。色选机是根据物料光学特性的差异，利用光电探测技术将颗粒物料中的异色颗粒自动分拣出来的设备。色选机使用的光电分选技术克服了手工分选的劣势，具有无破坏性、自动化程度高、劳动强度低、生产费低和排除人为主观因素影响等优点[12-14]。

本研究以花生色选机为对象，以带出比和色选精度为控制目标，采用中心组合试验设计方法对影响色选效率的工作参数进行试验研究，以期获得花生色选机的优化工作参数，为进一步研究花生色选技术提供理论依据与参考。

1 花生色选机工作原理

在筛选框架上装有设备的控制面板。待分花生仁被投入到供料系统中，通过供料系统，物料分离成单个个体被送往滑槽，物料经过滑槽下滑形成一个相对匀速的物料流。当经过检测系统的CCD高速摄像头检测区域时，CCD传感器对其进行扫描检测，将图像数据发送到主控芯片进行相应的图像处理，最后通过控制执行机构的高速气阀将不良品剔除[15-16]。

2 材料与方法

2.1 试验材料

本研究选取鲁花11号花生仁作为试验材料。试验时间为2016年3月，试验地点为农业部南京农业机械化研究所智能装备重点实验室。

2.2 试验装置与仪器

试验装置包括美亚光电6SXZ-180F色选机（整机质量940 kg，3个进料通道，180个执行单元，功率1.8 kW）、安庆佰联公司WW-3.0/10型无油空气压缩机（3.0 m3/min）、05 m3储气罐。试验主要仪器包括常熟TC10KB电子秤（量程10 kg，精度1 g）、日本TRH-DM3温湿度记录仪（温度精度±0.6 ℃，湿度精度±1%）。

2.3 试验参数与方法

试验分别测定花生色选机不同工作参数下色选精度Y1、带出比Y2等参数作为花生色选机的性能评价指标，且只使用第1通道对花生仁进行分选。

在单因素试验研究的基础上，选用3因素3水平二次回归正交试验设计方案，依据中心组合设计理论[17-18]，以色选精度Y1、带出比Y2等参数作为评价指标，对供料量X1、吹气时间X2、灵敏度X3等因素开展响应面研究。试验因素与水平如表1所示。

供料量与色选机进料装置中的振动器工作参数设置有关。色选机的控制系统供料量的调节范围为0～100，数值越大，振动器振动频率越高，供料速度越快；吹气时间的调节范围为0～10 ms；灵敏度的调节范围为0～200，数值越大，剔除的不良品越多，灵敏度为200时，所有物料都被剔除。

色选精度是指含有异色颗粒的被选物料经过色选后，其正常物料颗粒的含量，%。花生色选机工作完成后，从成品收集口接料，记录花生仁正品质量和成品物料总质量，按式（1）计算其色选精度，重复3次取均值作为试验数据。

式中：q为色选精度；m1为花生仁正品质量，g；m2为成品物料总质量，g。

色选带出比是指物料经色选后，其剔除物中的异色颗粒数量与带出的正品物料颗粒数量之比。花生色选机工作完成后，从废料口接料，记录花生仁不良品和正品数目，按式（2）计算其带出比，重复3次取均值作为试验数据。

p=Nn。

式中：p为带出比；N为花生仁不良品数目；n为花生仁正品数目。为了方便计算，本研究所计算使用带出比的比值（a ∶ 1）用单个数值a表示。

2.4 数据分析与处理

试验数据采用Design-Expert 8.0.6软件（Stat-Ease Inc.，USA）进行带出比与色选精度二次多项式回归分析，并利用响应面分析法对各因素相关性和交互效应的影响规律进行分析研究。endprint

3 结果与分析

3.1 试验结果

依据Box-Behnken试验原理设计3因素3水平分析试验，共17个试验点，其中包括5个零点。试验方案与结果如表2所示。

3.2 回归模型建立与显著性分析

针对表2中的样本数据，使用Design-Expert 8.0.6试验设计软件开展多元回归拟合分析，建立色选精度Y1、带出比Y2对供料量X1、吹气时间X2、灵敏度X3等3个自变量的二次多项式响应面回归模型，如式（3）、（4）所示，并对回归方程进行方差分析，结果如表3所示。

式中：X1为供料量；X2为吹气时间，ms；X3为灵敏度；Y1为色选精度，%；Y2为带出比。

通过表3分析结果可知，色选精度Y1、带出比Y2的响应面模型的P值均小于0.01，表明2个模型显著性极好；其失拟项的P值分别为0.061 0、0.056 3， 均大于0.05，表明3个

模型在试验参数范围内，拟合程度高；其确定系数R2值分别为0.995 9、0.956 9，表明95%以上的响应值均可以由这2个模型解释。因此，该模型可以预测与分析花生色选机工作参数。

同时，色选精度Y1响应面模型中的X1、X2、X3、X1X2、X22、X32对模型影响极显著，X12对模型影响显著；带出比Y2响应面模型中的X2对模型影响极显著，X3、X12、X32对模型影响显著。在保证模型P0.05的基础上，提出对模型影响不显著的其他回归项，对回归模型进行优化，如式（5）、（6）所示。

3.3 各单因素对带出比的影响效应分析

各单因素对模型Y的重要性可通过贡献率K值进行比较，贡献率K值的计算如式（7）、（8）所示，各因素对色选精度贡献率大小顺序为吹气时间X2>灵敏度X3>供料量X1；各因素对带出比贡献率大小顺序为供料量X1>灵敏度X3>吹气时间X2，分析结果如表4所示。

式中：F為回归方程中各回归项的F值；δ值为回归项对F值的考核值；K值为各回归项贡献率。

3.4 交互因素对性能影响规律分析

根据回归方程分析结果，考察供料量X1、吹气时间X2、灵敏度X3交互因素对色选精度Y1、带出比Y2性能指标的影响，并利用Design-Expert 8.0.6软件绘制响应面图。

3.4.1 交互因素对色选精度影响规律分析 图1-a为灵敏

度X3位于中心水平（70）时，供料量X1与吹气时间X2对色选精度Y1交互作用的响应面图，从图1-a可以看出，延长吹气时间和减少供料量有利于提高色选精度；图1-b为吹气时间X2位于中心水平（2.5 ms）时，供料量X1与灵敏度X3对色选精度交互作用的响应面图，从图1-b可以看出，减少供料量和提高灵敏度有利于提高色选精度；图1-c为供料量X1位于中心水平（70）时，吹气时间X2与灵敏度X3对色选精度交互作用的响应面图，从图1-c可以看出，延长吹气时间和提高灵敏度有利于提高色选精度。

此外在图1中可以得知，响应面变化规律与表3分析计算结果及模型（5）吻合，总体的影响趋势为供料量越少、吹气时间越长、灵敏度越大，则色选精度越高。其主要原因为：当供料量减少时，花生在滑槽形成的物料流均匀度提高了，最终提高色选精度；当吹气时间延长时，在合适的吹气时间范围内产生足够大的空气压力将花生不良品准确地吹出，提高色选精度；当灵敏度越大时，色选算法对花生不良品的识别越精确，则色选精度越高。

3.4.2 交互因素对带出比影响规律分析 图2-a为灵敏度X3位于中心水平（70）时，供料量X1与吹气时间X2对带出比Y2交互作用的响应面图，从图2-a可以看出，减小供料量和延长吹气时间有利于增大带出比；图2-b为吹气时间X2位于中心水平（2.5 ms）时，供料量X1与灵敏度X3对带出比交互作用的响应面图，从图2-b可以看出，减少供料量和提高灵敏度有利于增大带出比；图2-c为供料量X1位于中心水平（40）时，吹气时间X2与灵敏度X3对带出比交互作用的响应面图，从图2-c可以看出，延长吹气时间和提高灵敏度有利于增大带出比。

此外在图2中可以得知，响应面变化规律与表3分析计算结果及模型（6）吻合，总体的影响趋势为供料量越少、吹气

时间越长、灵敏度越高，则带出比越大。其主要原因为当供料量减少时，减少了对正常花生的误选，增大带出比；当吹气时间延长时，色选算法识别出的花生不良品被吹出的精准度提高，从而增大带出比；当灵敏度越高时，色选精度越高，带出比越大。

4 参数优化与验证试验

4.1 参数优化

为了达到较好的色选效果及经济效益，就必须要求色选精度高、带出比大。通过响应面分析目标参数可知，要得到较高的色选精度，就必须要求吹气时间长、灵敏度高；要达到较大的带出比，就必须要求供料量少，灵敏度高。由于各因素对目标参数影响不一致，因此必须综合考虑。

本研究针对色选精度高、带出比大的色选作业要求，进行花生色选机工作参数优化。其目标函数为：Y1→Y1max，Y2→Y2max；约束条件为：Yj>0，-1≤Xj≤1，其中j=1，2，3。采用Design-Expert 8.0.6软件对各参数进行优化求解，得到各因素最优工作参数，当供料量为-0.367（36.33）、吹气时间为+1（3 ms）、灵敏度为+0.556（75.56）时，色选精度为9805%、带出比为14.92。

4.2 试验验证

为了验证模型的可靠性，采用上述参数进行试验（图3）。

考虑试验的可行性，将供料量修正为36，吹气时间仍为 3 ms，灵敏度修正为76，在此优化方案下进行试验，重复3次，结果如表5所示。

由表5可知，各性能指标试验值与理论优化值均比较吻合，相对误差均小于2%，因此参数优化模型可靠。在花生色选机作业时，采用该优化组合参数，即供料量36，吹气时间为3 ms，灵敏度76。endprint

5 结论

采用Design-Expert 8.0.6软件对供料量、吹气时间、灵敏度对色选精度、带出比的影响进行分析，建立优化模型，并通过试验对模型和优化结果进行准确性验证，其相对误差均小于6%，表明模型可靠性高。

花生色选机各因素对色选精度影响显著，从大到小的顺序依次为吹气时间、灵敏度、供料量；各因素对带出比影响显著，从大到小的顺序依次为供料量、灵敏度、吹气时间。

花生色选机最优工作参数组合为供料量36，吹气时间为3 ms，灵敏度76。性能试验结果为：色选精度97.54%、带出比14.66。

试验对象仅为鲁花11号花生仁，可在不同花生瓶中条件下对色选性能作深入探讨。本试验可为花生色选技术的进一步研究提供理论基础与科学依据，并可为完善花生色选机的工作参数优化提供参考。

参考文献：

[1]花生的营养价值与产业前景[J]. 食品工业科技，2005（1）：16-17.

[2]张 峰，李魁英，王学清，等. 不同品种花生秧营养价值分析[J]. 河北农业科学，2010，14（7）：72-73.

[3]华 娣，秦 剑，史 吕. 花生水解蛋白营养价值的研究[J]. 中国油脂，2010，35（11）：28-32.

[4]李雅丽，孙 静，刘 阳. 花生霉变程度判定指标研究[J]. 食品科技，2013，38（9）：309-313.

[5]王叶群，杨增玲，张绍英，等. 用于污染黄曲霉毒素花生分选的荧光信号研究[J]. 农业工程学报，2016，32（1）：187-192.

[6]丁 勇，廖万有. 茶叶色选机的技术特性与应用[J]. 茶叶，2009，35（1）：33-36.

[7]韩仲志，刘 竟，杨锦忠. 花生籽仁感官品质鉴定中的计算机色选机制研究[J]. 花生学报，2009，38（2）：15-19.

[8]王志健，王勤海. 关于色选机性能与质量的评价[J]. 西部粮油科技，2003，28（2）：12-14.

[9]余淑华，刘艳丽，王世璞，等. 脱绒棉种色选机双CCD检测系统设计与仿真分析[J]. 农业机械学报，2015，46（9）：55-61.

[10]孙小丽，坎 杂，李景彬，等. 5XS系列脱绒棉种色选机参数优化试验[J]. 农业工程学报，2010，26（增刊1）：42-45.

[11]谌 东. 大米色选机视觉系统实验研究[D].哈尔滨：哈尔滨工程大学，2008.

[12]姚惠源，方 辉. 色选技术在粮食和农产品精加工领域的应用及发展趋势[J]. 粮食与食品工业，2011，18（2）：4-6.

[13]陈 红，丁幼春，熊利荣.无损检测技术在花生品质检测中的应用[J]. 粮油加工与食品机械，2005（2）：53-55.

[14]李雅丽，刘 阳. 霉变花生光电分选技术应用现状及发展趋势[J]. 农业机械，2012（12）：50-53.

[15]王 杭. 大米色选机及色选工艺的发展[J]. 粮食与饲料工业，2011（8）：1-2，6.

[16]乔艳芳，李 馨，孙 鹏. 食品光电色选技术装备设计及应用[J]. 农机化研究，2005（2）：118-119.

[17]丁素明，薛新宇，方金豹，等. 手持式风送授粉机工作参数优化与试验[J]. 农业工程学报，2015，31（8）：68-75.

[18]丁素明，薛新宇，蔡 晨，等. 梨树枝条切割装置刀片参数优化与试验[J]. 农业工程学报，2015，31（增刊2）：75-82.王红君，徐 军，赵 輝，等. 基于势场蚁群算法的温室机器人路径规划[J]. 江苏农业科学，2017，45（18）：222-225.endprint