《Foods》:A Multi-Objective Optimization Cutting Method for Irregularly Shaped Fish Fillets
编辑推荐:
不规则形状鱼片使得常规切割方法难以同时控制切片重量、保持形状一致性并减少残料。为解决这一问题,研究人员提出了一种基于线激光扫描(line-laser scanning)和数学建模的多目标优化切割方法。首先,获取鱼片的三维点云数据,并建立重量-长度分布模型(we
不规则形状鱼片使得常规切割方法难以同时控制切片重量、保持形状一致性并减少残料。为解决这一问题,研究人员提出了一种基于线激光扫描(line-laser scanning)和数学建模的多目标优化切割方法。首先,获取鱼片的三维点云数据,并建立重量-长度分布模型(weight–length distribution model)以描述沿鱼片长度的质量分布。然后,以切片重量为约束条件,构建了以最小化切片截面积变异和残料重量为目标的约束多目标切割模型。采用结合Deb可行性规则(Deb’s feasibility rules)的改进海洋捕食者算法(Improved Marine Predators Algorithm, MPA)求解切割位置优化问题。结果表明,所建立分布模型的重量预测精度达到94.4–96.6%。与常规顺序切割方法相比,在目标切片重量为10 g、15 g和20 g时,所提方法将切片截面积的相对标准偏差分别降至8.900%、11.112%和13.601%。同时,平均残料重量分别降至理论残料量的0.581、0.693和0.710倍,切片重量的平均相对误差均低于8%。这些发现表明,所提方法能够在保持可接受重量精度的同时,改善切片形状一致性和原料利用率,为鱼片智能化和标准化切割提供了一种有效方法。
**论文解读:基于多目标优化的不规则形状鱼片切割方法研究**
**研究背景与问题**
鱼片切割是鱼类原料预处理的关键工序,旨在获得满足特定重量、形状等规格要求的切片或块段,用于即食产品或腌制、烟熏、干燥、热处理等深加工。随着消费者对高品质、标准化鱼类深加工产品的青睐,精确切割在提升产品质量和经济价值中的作用日益凸显。然而,鱼片经去骨处理后,整体形状通常呈中部(尤其是腹部)宽厚、向两端(尤其是尾部)逐渐变窄变薄的不规则几何形态,且个体间变异显著。这种不规则性给常规切割方法带来了巨大挑战:传统设备仅能基于固定间隔进行简单切割,缺乏实时形状检测,无法兼顾切片重量精度、形状一致性以及残料减少。现有研究虽在形状测量、重量预测和切割规划方面取得进展,例如利用机器视觉或线激光扫描获取几何信息,并建立重量预测模型,但大多集中于单一目标(如固定重量切割),未能系统整合三维形状测量、重量分布建模与约束多目标优化,难以同时满足切片重量、形状一致性和原料利用率的多重要求。因此,开发一种能够有效利用鱼片形状信息、通过协调控制切割厚度和角度等参数来实现多目标平衡的优化切割方法,对于提升加工品质和经济性能具有重要意义。
**研究内容与结论**
本研究提出了一种基于线激光扫描(line-laser scanning)和数学建模的多目标优化切割方法,旨在同时改善鱼片加工质量与经济性能。研究人员首先利用线激光扫描系统获取鱼片表面点云数据,重建鱼片轮廓;在此基础上建立了重量-长度分布模型(weight–length distribution model),以描述不规则鱼片的几何与质量分布特征。随后,构建了以切片重量为约束、以最小化切片截面积变异和残料重量为目标的约束多目标切割模型,采用改进海洋捕食者算法(Improved Marine Predators Algorithm, MPA)结合Deb可行性规则(Deb’s feasibility rules)进行求解。通过与经典顺序切割算法(Classic Sequential Algorithm, CSA)的对比实验验证,所提方法在目标切片重量为10 g、15 g和20 g时,切片截面积的相对标准偏差分别降至8.900%、11.112%和13.601%,残料重量分别降至理论残料量的0.581、0.693和0.710倍,且切片重量的平均相对误差均低于8%。该研究证明了多目标优化方法在提升切片形状一致性和原料利用率方面的有效性,为高价值鱼类产品的智能化和标准化切割提供了方法论支持。该论文发表在《Foods》。
**主要技术方法**
研究采用以下关键技术方法:
1. **线激光扫描系统**:使用LLT-2600 SCANCONTROL 3D扫描仪(Micro-Epsilon Messtechnik GmbH & Co. KG, Ortenburg, Germany),配备658 nm红色线激光,在传送带速度0.05 m/s和采样频率0.4 kHz下获取鱼片三维点云数据,经滤波和重采样后每片鱼片点云约含3.0×10
4至5.0×10
4个点,空间分辨率约0.1 mm(剖面方向)和0.5 mm(传送方向)。
2. **重量-长度分布模型**:基于点云数据,采用注水法计算切片体积,通过五阶多项式最小二乘拟合建立体积-长度分布函数,再结合鱼片平均密度(通过电子天平称重和排水法测量体积计算得到,本研究中平均密度为1.084 g/cm
3)转换为重量-长度分布函数。
3. **约束多目标切割模型**:以切割间隔和切割角度为决策变量,经变换后以各切片的起始和结束位移(x
2j-1和x
2j)为搜索变量;以切片重量误差≤5%为约束,优化目标为最小化切片截面积相对标准偏差(R
1)和相对残料重量(R
2),采用加权和法(权重0.7和0.3)合并为单目标。
4. **改进海洋捕食者算法(MPA)**:结合Deb可行性规则进行约束处理,种群大小10,最大迭代次数600,搜索空间维度为2n(n为理论切片数),独立重复10次。
样本来源:实验材料为鲭鱼(mackerel)鱼片,购自中国大连金三角水产市场,共40条鲭鱼(平均体重768.0±54.2 g,平均体长33.00±2.32 cm)经去骨处理后得到80片鱼片样本。其中10片用于密度测量,10片用于体积/重量分布模型验证(沿长度以10 mm间隔切割,获得超过250个局部体积/重量测量值),剩余60片均分为三组(目标重量10 g、15 g、20 g)用于切割验证实验。
**研究结果**
**3.1 重量-长度分布模型验证**
**3.1.1 体积计算验证**:选取10片鱼片样本,通过线激光扫描方法计算体积并与实测体积(排水法)比较。结果显示,体积计算精度在95%至99%之间,平均精度为0.967,表明该方法在体积计算上具有足够准确性。
**3.1.2 分布模型验证**:对10片样本以10 mm间隔切割,测量每段体积和重量,与模型预测值比较。重量预测精度范围为94.4%至96.6%,平均精度超过95%;统计指标R
2 = 0.994,RMSE = 9.29 g,MAE = 9.22 g。模型在鱼片前部和后部预测准确,但在腹部区域(90-130 mm区间)存在系统性低估,可能与点云平滑和密度非均匀性有关。
**3.2 多目标优化切割验证实验**
将60片鱼片样本按目标重量(10 g、15 g、20 g)分为三组,每组20片,其中10片采用所提方法切割,10片采用经典顺序算法(CSA)切割。采用工业鲜切机(Fresh Slicer XQJ2-215, Hiwell Machinery Co., Ltd., Jinan, China)进行实际切割,测量切片截面积、重量误差和残料重量。
- **切片截面积相对标准偏差(R
1)**:在所有目标重量下,所提方法均获得更低的R
1值(10 g: 8.900%, 15 g: 11.112%, 20 g: 13.601%),与CSA相比差异显著(p < 0.001),表明切片形状一致性得到改善。
- **残料比(R
2)**:所提方法将实际残料重量降至理论残料量的0.581、0.693和0.710倍,平均减少48.9%,显著提高了原料利用率。
- **重量误差**:两种方法的平均相对误差(MRE)均随目标重量减小而降低;所提方法在所有目标重量下MRE均低于8%,且当目标重量较大时优于CSA,小目标重量时两者接近。
- **算法收敛性**:Deb-MPA与标准MPA相比,约束适应度均值从0.60降至0.35(降低41.77%),平均约束违反从9.65×10
-3降至1.38×10
-3(降低85.71%),可行解率从0.00%增至40.33%。平均优化时间0.40±0.12 s/片。与PSO和GA相比,Deb-MPA具有更低的平均有效收敛迭代次数(185±22)和相近的计算时间。
**讨论与结论**
讨论部分指出,线激光扫描相比二维机器视觉能更准确地描述鱼片厚度变化和腹部隆起,为重量分布建模提供数据基础,所建模型在测试条件下重量预测精度可达94.4-96.6%,但需注意模型参数不能直接推广至所有鱼种和加工条件,当应用于不同鱼种、原料来源、捕捞季节或温度条件时,需重新进行密度测量、模型拟合和参数验证。所提出的多目标切割模型通过将切片重量作为约束,允许在重量精度上做出合理权衡以改善形状一致性和原料利用率,实验结果表明切片截面积相对标准偏差较顺序算法降低13.06-18.13%,实际残料重量降至理论值的0.581-0.710倍。算法方面,Deb-MPA继承了标准MPA控制参数少、无需惩罚函数的优点,并通过Deb可行性规则实现约束引导搜索,避免惩罚系数调参问题,收敛稳定性优于PSO和GA。研究局限性包括平均密度近似(鱼片密度随鱼种、原料来源、储存条件等变化)以及工业在线应用需同步扫描、重建、优化和刀具响应,未来工作将整合机器视觉、AI辅助优化、伺服或机器人切割系统及自适应学习以提升在线校正、参数搜索、变角度执行和模型更新能力。
**结论**:本研究提出了一种基于线激光扫描、重量-长度分布建模和约束优化的不规则形状鱼片多目标优化切割方法。基于线激光扫描获取的鱼片形状测量数据,建立了描述鱼片重量与长度关系的数学模型;以切片重量、切片截面积和残料重量为决策参数,提出了切割质量与经济性能的定量描述方法;通过将切割厚度和切割角度等控制变量转化为各切片的起始和结束位移决策变量,建立了鱼片切割的多目标优化模型。针对标准海洋捕食者算法(MPA)在处理约束优化问题时的局限性,引入Deb可行性规则对算法进行改进,实现了切割位置的最优确定。结果表明,切片重量预测精度达到94.4-96.6%,说明所建立的重量-长度函数能够准确表征鱼片的重量分布。与用于目标重量垂直切割的常规顺序切割方法相比,所提方法在目标重量为10 g、15 g和20 g时,切片截面积的相对标准偏差均值分别为8.9%、11.112%和13.601%,相应的残料重量降至理论残料重量的0.581、0.693和0.710倍。此外,优化切割方案有效改善了切片形状一致性和原料利用率,所提方法获得的切片重量平均相对误差均低于8%,满足实际生产需求。这些结果证明了所提多目标优化切割方法在不规则形状鱼片精确加工中的优越性和实用性,为高价值鱼类产品的智能化和标准化切割提供了有效方法论支持。