论文部分内容阅读
禽蛋产业是我国农业支柱产业之一,但在国际竞争中优势并不明显,其根本原因在于我国缺乏先进的禽蛋品质检测方法。产地鸭蛋因表面脏污复杂,检测分级难度大,主要以人工检测为主,生产出的鸭蛋质量难以得到保证,不具备市场竞争力。因此,研究产地鸭蛋的智能检测方法研究具有重要的科学意义和良好的应用前景。本研究以外表面脏污的产地鸭蛋为研究对象,利用机器视觉技术对产地鸭蛋的图像的进行采集、预处理、特征提取,可以得到尺寸大小、扁平程度、裂纹等外部品质指标,实现对产地鸭蛋外形和裂纹的检测分级。主要研究内容和研究结果如下:(1)搭建了产地鸭蛋外形和裂纹检测的图像采集系统。利用多个单筒照蛋灯对产地鸭蛋进行透射照明;每枚产地鸭蛋从进入暗箱到移出暗箱将以不同的翻转角度被拍照三次,以保证图像采集范围的完整性。(2)确定了产地鸭蛋图像的预处理方法。利用R分量与B分量相减去除产地鸭蛋外形图像中因装置间隙产生的漏光;利用掩模操作去除产地鸭蛋裂纹图像中因装置间隙产生的漏光。(3)确定了产地鸭蛋边缘的椭圆拟合算法。分别利用最小二乘法和最小平方中值法对产地鸭蛋边缘进行椭圆拟合,通过比较分析,选择最小平方中值法对产地鸭蛋的边缘进行椭圆拟合。(4)提取了产地鸭蛋外形的特征参数。选取产地鸭蛋长半轴、短半轴和体积作为尺寸大小的特征参数;产地鸭蛋长半轴、短半轴和离心率作为扁平程度的特征参数。(5)建立了产地鸭蛋外形分级模型。分别利用人工神经网络和支持向量机建立产地鸭蛋外形分级模型,将其按尺寸大小分级成小鸭蛋、中等大小鸭蛋和大鸭蛋,按扁平程度分级成为扁鸭蛋、扁平适中鸭蛋和圆鸭蛋。通过比较分析,选择支持向量机对产地鸭蛋外形进行分级,尺寸大小和扁平程度分级的综合正确率为93.33%和95.00%。(6)确定了产地鸭蛋裂纹特征的提取算法。分别用不同的边缘检测算子和纹理分析函数提取产地鸭蛋的裂纹特征,通过比较分析,选择局部最大差值提取裂纹特征。(7)确定了产地鸭蛋裂纹的检测方法。检测产地鸭蛋三张图像中的裂纹,若三张图像中均无裂纹,则判定为完好鸭蛋;反之,则判定为裂纹鸭蛋,该方法检测完好鸭蛋和裂纹鸭蛋的正确率分别为86.67%和96.67%。