论文部分内容阅读
机器视觉技术在鸡蛋品质检测中的应用已在国内外被广泛地开展,并且日益成为重要的检测手段之一。随着机器视觉技术与图像处理技术往专业化方向发展,机器视觉技术在鸡蛋品质检测领域的应用前景正变得越来越广阔。 鸡蛋品质检测分外部品质检测和内部品质检测两大部分,鸡蛋的尺寸、蛋形指数、重量和内容物、新鲜度分别是鸡蛋外部品质检测和内部品质检测的重要内容和指标。本文基于机器视觉技术,利用基于边缘的鸡蛋尺寸检测算法、线性回归模型等技术方法检测了鸡蛋的以尺寸大小、蛋形指数、重量为主的外部品质指标和以内容物、新鲜度为主的内部品质指标,并利用SOM神经网络分类器对鸡蛋按重量指标进行了分级。 本研究的主要研究内容和研究结果如下: 1、综述了国内外利用机器视觉技术对鸡蛋外部品质和内部品质进行检测的研究进展和现状,并指出了国内外同类研究中存在的问题以及开展基于机器视觉的鸡蛋品质检测方法研究与检测装备研制的迫切需求。 2、建立并完善了适合本研究的鸡蛋外部和内部品质检测机器视觉系统。鸡蛋外部品质检测系统由光照箱、6支荧光灯(F40BX/840)、彩色CCD摄像机、图像采集卡、ADVANTECH INDUSTRIAL COMPUTER 610工控机组成;鸡蛋内部品质检测系统由光照箱、1支磨砂玻壳白炽灯(PHILIPS)、彩色CCD摄像机、图像采集卡、ADVANTECH INDUSTRIAL COMPUTER 610工控机组成。 3、采集了鸡蛋的外部品质图像,对图像做预处理,采用由R、G、B颜色分量组合而成的指示值为阈值对图像进行分割,采用拉普拉斯算子提取出鸡蛋边缘,运用基于边缘的鸡蛋尺寸检测算法和一元线性回归模型检测鸡蛋的纵径、最大横径和蛋形指数,纵径、最大横径和蛋形指数检测模型的相关系数分别为0.9923、0.9816和0.9579。 4、利用鸡蛋尺寸检测算法提取出鸡蛋的纵径、最大横径、上横径和下横径四个尺寸量,用此四个尺寸量为自变量,鸡蛋重量为因变量,建立鸡蛋重量检测多元线性回归模型,模型的相关系数为0.9781,鸡蛋重量检测的绝对误差在±3克以内。用SOM神经网络分类器对鸡蛋按其重量指标分为55克以下、55克～65克(不包括65克)、65克及65克以上三个等级,分级的准确率分别为90.6%、76.8%和82.5%。 5、采集了鸡蛋内容物的透射图像,通过对透射图像做预处理,提取出鸡蛋内容物透射目标的R、G、B、H、S、I六个颜色特征分量的均值。用电子天平测得鸡蛋重量,用高度游标卡尺测得鸡蛋蛋白高度,计算得到表征鸡蛋新鲜度的哈夫单位值。以经过筛选的鸡蛋内容物透射目标的六个颜色特征分量均值为自变量,鸡蛋哈夫单位值为因变量,分别建立红壳蛋和白壳蛋的新鲜度检测多元线性回归模型,模型的相关系数分别为0.8674和0.8929。