论文部分内容阅读
禽蛋在加工和运输过程中容易因碰撞和挤压而产生裂纹,为了保障禽蛋及其制品的安全性,鲜禽蛋和加工禽蛋制品在进入市场或进一步加工前都需要通过裂纹检测环节剔除有裂纹的禽蛋。声学振动和计算机视觉技术是两种最主要的禽蛋裂纹检测手段,其中基于声学振动的禽蛋裂纹检测方法的研究较为成熟,但由于其设备成本高,国内大多数企业仍然依靠人工检测方法实现裂纹禽蛋的检测。计算机视觉检测方法具有检测速度快、设备成本低的优势,然而由于现有的裂纹禽蛋图像的自动识别方法尚不成熟,导致基于计算机视觉的禽蛋裂纹检测技术处于实验室阶段,适用性和灵敏度更高的裂纹禽蛋图像识别方法和基于计算机视觉的禽蛋在线裂纹检测设备有待进一步研究和开发。为了将计算机视觉技术应用于禽蛋加工过程的在线裂纹检测,本文通过模拟碰撞制作了不同裂纹程度的禽蛋,然后利用自行搭建的禽蛋图像采集设备采集了裂纹禽蛋的图像,并研究了禽蛋图像中裂纹和完好区域的灰度值变化特征。然后根据这些特征建立了基于一种独创的连续波信号提取和判别算法的裂纹鸡蛋和裂纹鸭蛋的识别方法,并进行了验证。最后开发了一台基于计算机视觉的禽蛋在线裂纹检测设备,并验证了其动态检测性能。具体内容和结果如下:(1)对鸡蛋和鸭蛋图像的灰度分布研究表明:鸡蛋和鸭蛋图像灰度值的均一性较差;除了裂纹宽度大于100 μm的褐壳鸡蛋以外,其他鸡蛋和鸭蛋的裂纹区域灰度值未能超过或低于绝大多数的禽蛋区域像素点,难以使用阈值分割算法提取;鸡蛋和鸭蛋图像中裂纹区域的中心线与两侧完好区域有一定的灰度差异,可用来作为裂纹信号提取的依据;鸡蛋图像中的暗斑以及鸭蛋图像中的蛋壳条状纹理和气室膜区域会对裂纹区域的提取造成干扰;后续建立裂纹检测方法时,可根据裂纹与两侧完好区域的局部灰度差异,建立针对性的裂纹信号提取方法提取图像中疑似裂纹区域的信号,再建立裂纹信号判别方法筛选裂纹信号去除干扰区域的影响。(2)提出了一个用于鸡蛋图像中裂纹识别的连续波信号提取和判别算法,该方法首先使用波信号提取和连接算法提取了鸡蛋图像中疑似由裂纹造成的连续波信号,然后计算出连续波信号的可分割区域最大长宽比和灰度变化指数,并用判别域代数界面方程模型对该连续波信号是否由裂纹造成进行判别,最后将含有由裂纹造成的连续波信号的鸡蛋图像识别为裂纹鸡蛋图像。该裂纹鸡蛋图像识别方法对裂纹宽度≤20μm,30~50 μm和≥60μm的鸡蛋的图像识别正确率分别为50.8%,76.3%和98.6%,对完好鸡蛋图像的识别正确率为96%,在Matlab平台下单张鸡蛋图像识别时间为1.65±0.50 s。(3)提出了一个用于鸭蛋图像中裂纹识别的连续波信号提取和判别算法。该方法首先使用波信号提取和连接算法提取鸭蛋图像中疑似由暗裂纹和亮裂纹造成的连续谷波信号和连续峰波信号,然后计算出各连续谷波信号和连续峰波信号的整体侧斜率、中心区域侧斜率和与蛋端的距离,并用判别域代数界面方程模型对该连续波信号是否由裂纹造成进行判别,最后将含有由裂纹造成的连续波信号的鸭蛋图像识别为裂纹鸭蛋图像。该裂纹鸭蛋图像识别方法对裂纹宽度≤20μm,30~50μm和≥60 μm的鸭蛋的图像识别正确率分别为60.0%,74.4%和92.8%,对完好鸭蛋图像的识别正确率为93%,在Matlab平台下单张鸭蛋图像识别时间为0.98±0.06 s。(4)开发了一台基于计算机视觉的禽蛋在线裂纹检测设备。该设备采用了新的禽蛋图像采集触发方法、光源控制方法和适应不同透光性禽蛋的摄像头拍摄参数调整方法实现了鸡蛋和鸭蛋图像的稳定动态连续拍摄,并采用了基于连续波信号提取和判别算法的裂纹鸡蛋和鸭蛋图像识别方法实现了鸡蛋和鸭蛋的在线裂纹的检测。该设备硬件成本约为20000元人民币,检测速度为1枚禽蛋/秒,对裂纹和完好的粉壳鸡蛋检测正确率分别为91%和93%,对裂纹和完好的褐壳鸡蛋检测正确率分别为90%和94%,对裂纹和完好的鸭蛋检测正确率分别为84%和 87%。