本文针对我国目前鸡蛋检测主要采用人工识别方法,容易受到认为主观判断、工作经验和个人情绪方面影响,往往检测效率不高、准确率不稳定等存在问题运用机器视觉和计算机图像处理技术相结合的方法对鸡蛋检测方面进行了如下研究:(1)分析了国内外机器视觉在禽蛋识别检测方面研究现状与存在的问题,并结合本文研究内容,设计出机器视觉加计算机图像处理系统,涉及到的内容有相机的选型、镜头的选择、光源的选择和照射方式的选择。本文选用的相机为AVT面阵CCD工业相机,型号AVT Mako G-125B,镜头为Computar公司工业镜头,型号为M3Z1228C-MP变焦镜头,图像处理软件配置win10系统Visual Studio2019加opencv图像处理数据库。(2)对于污斑鸡蛋的检测提出快速中值滤波算法,综合运用图像增强、二值化、形态学处理,可以得到较为完整的鸡蛋污斑区域,达到了较好的分割效果。并设定阈值T=0.01,用于定量判别污斑鸡蛋与干净鸡蛋。对算法进行检验,最终污斑鸡蛋检测率为95%,干净鸡蛋检测率为92.5%,总体检测率为93.75%。(3)对于鸡蛋裂纹的检测采用二阶负LOG边缘检测算子,取得较好的轮廓提取效果,并且能够有效抑制背景区域的干扰。分别通过对典型的裂纹区域和干扰区域进行圆形度、长宽比、狭长指数进行计算,发现采取狭长指数作为区分阈值,能够很好的将干扰区域和裂纹区域进行区分,并取阈值T为12进行处理。采取本章提到的裂纹检测算法,对于完整蛋检测率为95%,对于裂纹蛋检测率为97.5%,整体检测率为96.3%。(4)对蛋黄在RGB颜色空间做图像处理,并提取出蛋黄特征图像,对于气室采用颜色空间转换,将RGB转换为HIS颜色空间,然后提取出气室特征图像。为了检验收集到图像与原图像比较的误差,通过绘图拟合图像长轴短轴和真实长轴短轴相关系数达到0.97以上,比较图像蛋形指数和图像蛋形指数,其误差最大为0.013,说明图像收集到的图像和真实值非常接近。分别建立蛋黄面积比和气室面积比与哈夫值的模型,其中气室面积比与哈夫值建立的模型具有较强的相关性,说明气室面积更能反应鸡蛋新鲜度。通过模型预测发现用蛋黄面积比建立的模型正确率为93.3%,用气室面积比建立的模型检测正确率为96.7%。