CN101509761A - 一种禽蛋体积和表面积的检测方法 - Google Patents

Abstract

本发明涉及一种禽蛋体积和表面积的检测方法，该方法包括以下步骤：S1.根据获取的禽蛋RGB颜色图像，提取禽蛋在所述RGB颜色图像中的边缘像素点的几何坐标信息；S2.根据提取的所述边缘像素点的几何坐标信息，计算禽蛋的像素体积和V_p与像素表面积和S_p；S3.根据所述像素体积和V_p与像素表面积和S_p，建立实际体积V与像素体积和V_p、实际表面积S与像素表面积和S_p的关系模型；S4.根据所述关系模型，检测禽蛋的实际体积V与实际表面积S。本发明的技术方案具有以下优点：(1)采用机器视觉方法，检测速度快，准确性高；(2)具有无损性，检测过程不影响禽蛋品质。

Description

一种禽蛋体积和表面积的检测方法

技术领域

本发明涉及农产品无损检测技术，尤其涉及一种禽蛋体积和表面积的检测方法。

背景技术

禽蛋体积和表面积等特征参数在蛋品加工业和生物学研究上有重要的意义，已广泛用于不同年龄蛋鸡的数量分布及生态形态学的研究中，可以预测幼仔出生重量、孵化率、蛋壳表面特性及蛋内部品质参数等。此外，运输过程中要求禽蛋按体积大小进行分级包装以减少破损；销售中要求保持外观一致性以提高产品价格。精确测量禽蛋体积可利用排水法，但目标测完后需风干，速度慢，效率低；而表面积几乎不能直接测量。因此，国外学者主要利用纵径与最大横径来建立禽蛋体积和表面积的预测模型。此类方法主要存在以下不足：

(1)因变量与自变量的预测模型通常是非线性的，它们之间的关系不能从几何意义上给出满意的解释；

(2)检测时主要利用手工检测出纵径与最大横径，再把参数代入回归方程，速度慢，效率低。

发明内容

本发明的目的是提供一种禽蛋体积和表面积的检测方法，以解决现有技术中检测方法存在不足。

为了达到上述目的，本发明的技术方案提出一种禽蛋体积和表面积的检测方法，该方法包括以下步骤：

S1、根据获取的禽蛋RGB颜色图像，提取禽蛋在所述RGB颜色图像中的边缘像素点的几何坐标信息；

S2、根据提取的所述边缘像素点的几何坐标信息，计算禽蛋的像素体积和V_p与像素表面积和S_p；

S3、根据所述像素体积和V_p与像素表面积和S_p，建立实际体积V与像素体积和V_p、实际表面积S与像素表面积和S_p的关系模型；

S4、根据所述关系模型，检测禽蛋的实际体积V与实际表面积S。

其中，所述步骤S1具体包括：

S1-1、检测边缘点的像素值并顺序保存，检测出禽蛋的纵径，纵径的两端点记为A、B；

S1-2、以所述纵径为分界线，以A点为起点，按逆时针顺序重新保存至B点；

S1-3、以A点为起点，依次每次取相邻两点，记为E、M两点，作E、M两点到纵径的垂线，分别交另半边缘于点F、N；

S1-4、计算AB、EF、MN长度及EF与MN之间的距离。

其中，所述步骤S1-2具体包括：

S1-2-1、根据纵径端点A(x₁，x₁)、B(x₂，x₂)的坐标，写出纵径在图像坐标系中的参数方程：y＝kx+b，式中，k＝(y₁-y₂)/(x₁-x₂)，b＝y₁-kx₁；

S1-2-2、令函数f(x，y)＝y-kx-b，把所有的边缘点代入此函数进行运算，符号相同的在纵径的同一侧，从而把边缘点按纵径为界进行划分；

S1-2-3、把记录下来的边缘点重新进行排列存储，排列的方法依据到端点A距离的远近。

其中，所述步骤S1-3具体包括：

S1-3-1、计算出纵径的方程y＝kx+b，其斜率为k；

S1-3-2、设E点坐标为(x₁′，y₁′)，经过E点与纵径垂直交边缘另一点为F，则EF的方程为：y-y₁′＝k′(x-x₁′)，k′＝-1/k；

S1-3-3、令函数f(x，y)＝y-y₁′-k′(x-x₁′)，在除E点之外的其它边缘点寻找另一点，使得f(x，y)＝0，那么此点即为F点。

其中，所述步骤S2具体包括：

根据公式(8)计算像素体积和，

$V_p=\underset{h=1}{\overset{L}{\mathrm{\Σ}}}V\left(h\right)\mathrm{\Δh}---\left(8\right)$

根据公式(6)计算像素表面积和，

$S_p=\underset{h=1}{\overset{L}{\mathrm{\Σ}}}S\left(h\right)\mathrm{\Δl}---\left(6\right)$

其中，

V(h)＝1/12π(d₁ ²+d₂ ²+d₁d₂)

S(h)＝1/2π(d₁+d₂)

L—长度AB，d₁—长度EF，d₂—长度MN，h—EF到纵径端点A的距离，Δh—EF与MN之间的距离，Δl—点E、M之间的距离。

其中，所述步骤S3中的关系模型分别包括：

V＝K_v×V_p+b_v

S＝K_s×S_p+b_s

其中，k_v、k_s，b_v和b_s为根据实际检测的经验数据进行曲线拟合得到的常数。

本发明的优点和有益效果在于，采用机器视觉方法，检测速度快，准确性高；具有无损性，检测过程不影响禽蛋品质。

附图说明

图1为本发明禽蛋体积和表面积的检测方法实施例流程图；

图2为本发明检测方法实施例采集得到的禽蛋图像；

图3为本发明检测方法实施例的理想模型图；

图4为本发明检测方法实施例的原理微元图；

图5为本发明检测方法实施例的理想模型一般图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

图1为本发明禽蛋体积和表面积的检测方法实施例流程图，如图所示，本实施例的检测方法包括以下步骤：

S1、根据获取的禽蛋RGB颜色图像，提取禽蛋在所述RGB颜色图像中的边缘像素点的几何坐标信息。

选取一定数量的禽蛋试验样本，分别加以标记。用排水法测出禽蛋的真实体积(V，单位：cm³)；打破禽蛋，取出内容物，用排水法测出蛋壳的总体积，利用螺旋测微仪测出蛋壳厚度，由蛋壳体积近似等于表面积乘以厚度的关系，计算出蛋壳近似真实的表面积(S，单位：cm²)，并将检测数据记录下来。

如图2所示，采集禽蛋图像，滤波后得到图像的RGB颜色空间，在滤波后的图像RGB颜色空间中，以R分量为变量函数，检测禽蛋在图像中的边缘点。

理想禽蛋是近似关于纵径的旋转体，垂直于纵径的截面可近似看作圆形。图3是理想禽蛋图像轮廓，图中L是纵径，且为竖直方向，A是顶点，直线MN、EF与纵径垂直，与轮廓的左交点为M、E，右交点为N、F，MN与EF之间的距离为Δh，MN与EF的横截面直径分别为d₁与d₂。d₁＝|EF|、d₂＝|MN|。当Δh逐渐变得很小时，由EF、MN所围部分可近似看成圆台，如图4所示。可见EF、MN所截理想禽蛋部分的体积、表面积可认为与上述轮台的体积与侧面积很大的相关性。由公式可计算轮台的体积与侧面积。

ΔV＝1/12π(d₁ ²+d₂ ²+d₁d₂)Δh＝V(h)Δh     (1)

ΔS＝1/2π(d₁+d₂)Δl＝S(h)Δl             (2)

因此，从微积分的角度看，理想禽蛋的实际体积可看作一系列圆台体积在纵径方向的积分：

V＝∫_LV(h)dh                            (3)

理想禽蛋的实际表面积可近似看作一系列圆台表面积在纵径方向的积分

S＝∫_LS(h)dl                            (4)

考虑图像数据是离散的，且当纵径竖值时Δh最小值为1个像素值，即EF、MN之间为相邻两行图像。因此，当Δh＝1时，定义像素体积和为：

$V_p=\underset{h=1}{\overset{L}{\text{\Σ}}}V\left(h\right)\mathrm{\Δh}=\underset{h=1}{\overset{L}{\mathrm{\Σ}}}V\left(h\right)---\left(5\right)$

式中，L为图像纵径的长度，单位：像素(pixel)，简称p_ix，V(h)＝1/12π(d₁ ²+d₂ ²+d₁d₂)，d₁、d₂取值与h有关，d₁为离纵径端点A距离为h处截图像长度，d₂为距离为(h+1)处的截图像长度，V_p的单位为立方单位像素，p_ix ³。

定义像素表面积和为：

$S_p=\underset{h=1}{\overset{L}{\mathrm{\Σ}}}S\left(h\right)\mathrm{\Δl}---\left(6\right)$

式中，S(h)＝1/2π(d₁+d₂)，d₁、d₂意义同上，Δl计算可由两点的距离公式得到，设点E在图像坐标系中的坐标为(x₁，y₁)，点M为(x₂，y₂)，则 $\mathrm{\Δl}=\sqrt{{(x_2-x_1)}^2+{(y_1-y_2)}^2},$ 单位是平方单位像素，p_ix ²。

若禽蛋的纵径不是竖直时，Δh≠1，这时体积公式形式上会发生很大的变化。如图5可知，此时Δh不再是1，而等于|EG|。当Δh’＝1时(由图像采样量化造成)，E、M为相邻两行的边缘点，两点之间的弧线可近似看成直线，则此时，两点在纵径方向的距离由式(7)计算：

$\mathrm{\Δh}=\sqrt{{\left|\stackrel{\‾}{\mathrm{EM}}\right|}^2-{\left|\stackrel{\‾}{\mathrm{MG}}\right|}^2}---\left(7\right)$

|EM|计算方法参照Δl，|MG|＝|d₁-d₂|/2，这样体积公式就变为

$V_p=\underset{h=1}{\overset{L}{\mathrm{\Σ}}}V\left(h\right)\mathrm{\Δh}---\left(8\right)$

事实上当，当禽蛋纵径竖直时，此时

|EM|²＝Δl²＝(y₁-y₂)²+(x₁-x₂)²        (9)

|MG|²＝|d₁-d₂|²/4＝(x₁-x₂)²          (10)

$\mathrm{\Δh}=\sqrt{{\left|\stackrel{\‾}{\mathrm{EM}}\right|}^2-{\left|\stackrel{\‾}{\mathrm{MG}}\right|}^2}$

$=\sqrt{{(y_1-y_2)}^2+{(x_1-x_2)}^2-{(x_1-x_2)}^2}---\left(11\right)$

$=\sqrt{{(y_1-y_2)}^2}=|y_1-y_2|$

又因为E、M为相邻两行，因此Δh＝|y₁-y₂|＝1，即竖直情况可看作上公式的特殊情况。

禽蛋RGB颜色图像中，边缘点按照以下步骤提取：

S1-1、检测边缘点的像素值并顺序保存，检测出禽蛋的纵径，即上述理想禽蛋中的A、B两点；

S1-2、以纵径为分界线，对顺序保存的边缘点进行重新保存。以图5为例，即要求把左边的边缘点按以A点为起点，按逆时针顺序保存至B点；

S1-3、以A点为起点，依次每次取相邻两点，记为E、M两点，作E、M两点到纵径的垂线，分别交另半边缘于点F、N；

S1-4、计算AB、EF、MN的长度及EF与MN之间的距离。

在上述四个步骤中，难点是步骤S1-2和S1-3，其中步骤S1-2的保存方法按照以下方式进行：

S1-2-1、根据纵径端点A(x₁，x₁)、B(x₂，x₂)的坐标，写出纵径在图像坐标系中的参数方程：y＝kx+b，式中，k＝(y₁-y₂)/(x₁-x₂)，b＝y₁-kx₁；

S1-2-2、令函数f(x，y)＝y-kx-b，把所有的边缘点代入此函数进行运算，符号相同的在纵径的同一侧，从而把边缘点按纵径为界进行划分；

S1-2-3、把记录下来的边缘点重新进行排列存储，排列的方法依据到端点A距离的远近。

步骤S1-3的保存方法按照以下方式进行：

S1-3-1、计算出纵径的方程y＝kx+b，其斜率为k；

S1-3-2、设E点坐标为(x₁′，y₁′)，经过E点与纵径垂直交边缘另一点为F，则EF的方程为：y-y₁′＝k′(x-x₁′)，k′＝-1/k；

S1-3-3、令函数f(x，y)＝y-y₁′-k′(x-x₁′)，在除E点之外的其它边缘点寻找另一点，使得f(x，y)＝0，那么此点即为F点。又因为方程是理论方程，而坐标是离散的，因此，可能找不到此点，这里需要进一步处理。处理的依据是，端点另一端附近的边缘点代入到构造函数中异号，因此只要找到符号变换的那两点，不妨设这两点的坐标分别为(x₃，y₃)、(x₄，y₄)，则满足f(x₃，y₃)f(x₄，y₄<0)，这样F点的坐标可用(x₃+x₄/2，y₃+y₄/2)来表示。

S2、根据提取的所述边缘像素点的几何坐标信息，计算禽蛋的像素体积和V_p与像素表面积和S_p。

根据公式(8)计算像素体积和，

$V_p=\underset{h=1}{\overset{L}{\mathrm{\&Sigma;}}}V\left(h\right)\mathrm{\&Delta;h}---\left(8\right)$

根据公式(6)计算像素表面积和，

$S_p=\underset{h=1}{\overset{L}{\mathrm{\&Sigma;}}}S\left(h\right)\mathrm{\&Delta;l}---\left(6\right)$

其中，

V(h)＝1/12π(d₁ ²+d₂ ²+d₁d₂)

S(h)＝1/2π(d₁+d₂)

L—长度AB，d₁—长度EF，d₂—长度MN，h—EF到纵径端点A的距离，Δh—EF与MN之间的距离，Δl—点E、M之间的距离。

上述禽蛋体积和表面积的检测方法中，得到禽蛋的像素体积和V_p与像素表面积和S_p之后还包括：

建立禽蛋实际体积V与像素体积和V_p之间的关系模型并用于检测禽蛋的实际体积V，该值V即为所需的禽蛋体积；

建立禽蛋实际表面积S与像素表面积和S_p之间的关系模型并用于检测禽蛋的实际表面积S，该值S即为所需的禽蛋表面积；

S3、根据所述像素体积和V_p与像素表面积和S_p，建立实际体积V与像素体积和V_p、实际表面积S与像素表面积和S_p的关系模型；

上述禽蛋体积和表面积的检测方法中，所述的实际体积V与像素体积和V_p及实际表面积S与像素表面积和S_p之间的关系模型分别为：

V＝K_v×V_p+b_v                   (12)

S＝K_s×S_p+b_s                   (13)

其中，k_v、k_s，b_v和b_s为根据实际检测的经验数据进行曲线拟合得到的常数。

下面是试验过程中所建立的模型：

V＝3.03E-05×V_p+25.51513        (14)

S＝0.005088×S_p+14.26772        (15)

S4、根据所述关系模型，检测禽蛋的实际体积V与实际表面积S。

在以后的检测中，通过式(14)和(15)计算出禽蛋实际体积与表面积。

以上为本发明的最佳实施方式，依据本发明公开的内容，本领域的普通技术人员能够显而易见地想到一些雷同、替代方案，均应落入本发明保护的范围。

Claims (6)

1、一种禽蛋体积和表面积的检测方法，其特征在于，该方法包括以下步骤：

S1、根据获取的禽蛋RGB颜色图像，提取禽蛋在所述RGB颜色图像中的边缘像素点的几何坐标信息；

S2、根据提取的所述边缘像素点的几何坐标信息，计算禽蛋的像素体积和V_p与像素表面积和S_p；

S3、根据所述像素体积和V_p与像素表面积和S_p，建立实际体积V与像素体积和V_p、实际表面积S与像素表面积和S_p的关系模型；

S4、根据所述关系模型，检测禽蛋的实际体积V与实际表面积S。

2、如权利要求1所述的禽蛋体积和表面积的检测方法，其特征在于，所述步骤S1具体包括：

S1-1、检测边缘点的像素值并顺序保存，检测出禽蛋的纵径，纵径的两端点记为A、B；

S1-2、以所述纵径为分界线，以A点为起点，按逆时针顺序重新保存至B点；

S1-3、以A点为起点，依次每次取相邻两点，记为E、M两点，作E、M两点到纵径的垂线，分别交另半边缘于点F、N；

S1-4、计算AB、EF、MN的长度及EF与MN之间的距离。

3、如权利要求2所述的禽蛋体积和表面积的检测方法，其特征在于，所述步骤S1-2具体包括：

S1-2-1、根据纵径端点A(x₁，x₁)、B(x₂，x₂)的坐标，写出纵径在图像坐标系中的参数方程：y＝kx+b，式中，k＝(y₁-y₂)/(x₁-x₂)，b＝y₁-kx₁；

S1-2-2、令函数f(x，y)＝y-kx-b，把所有的边缘点代入此函数进行运算，符号相同的在纵径的同一侧，从而把边缘点按纵径为界进行划分；

S1-2-3、把记录下来的边缘点重新进行排列存储，排列的方法依据到端点A距离的远近。

4、如权利要求2或3所述的禽蛋体积和表面积的检测方法，其特征在于，所述步骤S1-3具体包括：

S1-3-1、计算出纵径的方程y＝kx+b，其斜率为k；

S1-3-2、设E点坐标为(x₁，y₁)，经过E点与纵径垂直交边缘另一点为F，则EF的方程为：y-y₁＝k1(x-x₁)，k＝-1/k；

S1-3-3、令函数f(x，y)＝y-y₁-k(x-x₁)，在除E点之外的其它边缘点寻找另一点，使得f(x，y)＝0，那么此点即为F点。

5、如权利要求2所述的禽蛋体积和表面积的检测方法，其特征在于，所述步骤S2具体包括：

根据公式(8)计算像素体积和，

$V_p=\underset{h=1}{\overset{L}{\mathrm{\&Sigma;}}}V\left(h\right)\mathrm{\&Delta;h}---\left(8\right)$

根据公式(6)计算像素表面积和，

$S_p=\underset{h=1}{\overset{L}{\mathrm{\&Sigma;}}}S\left(h\right)\mathrm{\&Delta;l}---\left(6\right)$

其中，

V(h)＝1/12π(d₁ ²+d₂ ²+d₁d₂)

S(h)＝1/2π(d₁+d₂)

L—长度AB，d₁—长度EF，d₂—长度MN，h—EF到纵径端点A的距离，△h—EF与MN之间的距离，△l—点E、M之间的距离。

6、如权利要求1所述的禽蛋体积和表面积的检测方法，其特征在于，所述步骤S3中的关系模型分别包括：

V＝K_v×V_p+b_v

S＝K_s×S_p+b_s

其中，k_v、k_s，b_v和b_s为根据实际检测的经验数据进行曲线拟合得到的常数。

Images