双黄蛋在家禽生产中较为常见,不宜于孵化但营养价值和商业价值较高。近年来,双黄鸭蛋生产加工的经济市场越来越大,双黄鲜鸭蛋及其再制蛋远销国内外,因此保证优质双黄鸭蛋来源十分重要。目前,我国禽蛋生产加工企业仍采取人工照蛋的方式识别出双黄蛋,人工成本高、检测效率低。针对该问题,本课题利用机器视觉技术研究了双黄鸭蛋的静态和在线识别,主要研究内容及结论如下:(1)设计并构建了适合于单、双黄鸭蛋的图像采集装置和在线分选装置。针对鲜鸭蛋蛋壳厚及壳色杂导致的透光性差的问题,分析确定了适用于双黄鸭蛋识别的光源、工业相机、工业镜头、传感器和控制器的型号及工作方式。(2)研究一种双黄鸭蛋静态识别方法。此方法针对小批量样本检测需要,采集鸭蛋透射图像,裁剪出鸭蛋图像的感兴趣区域,使用基于开的重建得到蛋黄区域,平滑蛋黄区域的边缘轮廓后,使用凸包算法得出蛋黄区域轮廓的凸缺陷,根据凸缺陷的大小可以判别出鸭蛋是否为双黄蛋。对蛋黄轮廓使用标记控制的分水岭算法和椭圆拟合等操作标记蛋黄在鸭蛋整蛋中的位置。试验结果表明,单、双黄鸭蛋的识别准确率分别为98.33%和98.66%。(3)建立一种双黄鸭蛋分类模型。此方法针对大批量样本检测需要,确定鸭蛋图像的标签后,采用卷积神经网络实现鸭蛋分类。分别对比了AlexNet、VGG16和Inception-V2三种经典网络对双黄鸭蛋的识别效果。三个网络识别出双鸭蛋的正确率都高达99%,并且识别速度很快,说明卷积神经网络对鸭蛋透射图像有良好的分类效果。本文选择效果最佳的AlexNet网络。(4)建立双黄鸭蛋动态识别模型,实现双黄鸭蛋的在线识别与分选。为了满足蛋品企业在线检测的需要,加快检测速度和实现自动分选功能,设计了一种双黄鸭蛋在线识别分选方法。使用梯形图编写了PLC控制程序,采用MFC制作了检测软件。对动态图像进行有效图像处理,去除鸭蛋纵向方向的漏光干扰,使用凸包算法得出鸭蛋的识别结果。每一枚鸭蛋有三个识别结果,择优综合确定一个最终结果并保存在PLC中。当鸭蛋到达分选机构处时触发传感器,PLC读取保存的鸭蛋识别结果。如果是双黄蛋,则PLC控制电磁阀将其分离出来,反之则不处理,从而达到分选功能。经过试验,对单、双黄鸭蛋的在线识别准确率分别为96%和98%。