论文部分内容阅读
我国种鸡蛋孵化率约为90%,每年有4.8亿枚种鸡蛋不能孵化,在种鸡蛋孵化之前进行筛选是智能化种鸡成套饲养设备研制中的重要组成部分。针对人工识别劳动强度大,效率和准确性低,而且容易受到人为因素影响的问题,本文使用机器视觉技术对种鸡蛋无损检测关键技术进行研究。主要工作内容包括:(1)根据检测装置的设计指标,讨论了种鸡蛋蛋黄检测装置和表面缺陷检测装置的结构及工作原理,设计检测装置的机械结构,最后验证检测装置的图像采集效果。(2)提出一种基于区间分割的蛋黄图像分割方法,并在此基础上提出了一种鸡蛋蛋黄区域提取算法。首先划分出多个区间,并设计一种区间的组织管理模式,实现多个区间的快速操作,包括:迷失点的查找与插入、区间的合并以及分错点的寻找与插入等。其次,提出的基于区间分割的蛋黄区域提取算法细化了传统的基于阈值的区域分割算法,并且可以减少传统算法中提取目标区域的错误率。所提出的基于区间分割的蛋黄区域提取算法相比其他传统算法所得到的目标区域更准确,即使图像中平均亮度、目标区域大小等有很大差异,所提出的算法仍然可以稳定运行,最终实现蛋黄区域的准确提取。(3)提出了若干个能够反映蛋黄数量的特征,如蛋黄的圆度、蛋黄质心在鸡蛋中的相对位置等,在此基础上提出适用于鸡蛋蛋黄数量检测的AdaBoost算法。AdaBoost算法通过对识别鸡蛋蛋黄数量的多个弱分类器进行训练,构成一个最终的强分类器。所提出的AdaBoost蛋黄数量识别算法能够实现对蛋黄数量的有效检测,对比现有的蛋黄数量检测算法,所提出的算法能够取得更高的正确率。(4)对种鸡蛋表面破损检测问题进行研究,设计了应用于种鸡蛋表面破损的检测算法。鸡蛋表面缺陷检测算法基于统计模版匹配原理,在训练过程中为每种缺陷建立统计模型;在检测过程中对测试对象的目标区域形状与统计模版图像的形状进行对比分析,从而判定图像是否有缺陷。实验分析表明,该算法可以实现对鸡蛋表面划痕、裂缝、污物、空洞等表面缺陷的有效检测。