New Generation Metal Detector for Food
Authors
Hansen, Frank Thornemann ; Vinding, Lars
Term
10. term
Education
Publication year
2008
Pages
135
Abstract
Specialet præsenterer udviklingen af en metaldetektor. Først analyseres transduceren (sensoren, der omdanner fysiske påvirkninger til elektriske signaler) og dens respons for forskellige materialer. En model af transduceren opbygges og verificeres gennem tests, der viser, at den er tilstrækkelig præcis. Derefter fokuserer arbejdet på at udtrække beskrivelser (features) fra de målte signaler og at klassificere på baggrund af disse. De anvendte features er forstærkning (gain) og fasedrejning i transduceren. Flere metoder til estimering af disse features opstilles og gennemprøves, og klassifikationen udføres med klassisk PCA (Principal Component Analysis), en statistisk teknik til at finde mønstre i data. I sidste del mappes feature-estimering og klassifikation til en FPGA (Field-Programmable Gate Array) i en hardware/software co-design-proces, først på algoritmeniveau og derefter på arkitekturniveau. Det endelige system testes: det giver ikke væsentlig forbedring i forhold til dagens benchmark, hvor metaldetektoren evalueres uden produkt i målingen. Til gengæld ses en markant forbedring, når metaller detekteres, mens de passerer gennem detektoren sammen med et produkt.
This thesis presents the development of a metal detector. First, the transducer—the sensor that converts physical effects into electrical signals—and its responses to different materials are analyzed. A transducer model is built and validated through tests, showing it is sufficiently accurate. The next part extracts features from measured signals and classifies based on them. The features used are gain and phase shift in the transducer. Several feature estimation methods are proposed and thoroughly tested, and classification is performed using classical PCA (Principal Component Analysis), a statistical method for identifying patterns in data. The final part maps feature estimation and classification onto an FPGA (Field-Programmable Gate Array) within a hardware/software co-design process, in two steps: algorithm level and architecture level. The complete system is then tested: it does not provide a significant improvement over current benchmarks that evaluate detection without a product present. However, it shows a significant improvement when detecting metals that pass through the detector together with a product.
[This abstract was generated with the help of AI]
Keywords
Documents