CN102147402A

CN102147402A - 机器视觉技术快速检测鸡蛋新鲜度的方法

Info

Publication number: CN102147402A
Application number: CN2011100541776A
Authority: CN
Inventors: 赵杰文; 林颢; 陈全胜; 孙力; 蔡健荣
Original assignee: Jiangsu University
Current assignee: Jiangsu University
Priority date: 2011-03-08
Filing date: 2011-03-08
Publication date: 2011-08-10

Abstract

本发明涉及一种机器视觉技术检测鸡蛋内部品质的方法，属于农畜产品无损检测技术。利用机器视觉技术获取鸡蛋透射图像的颜色空间、蛋壳形态及鸡蛋密度三方面特征，综合判断其新鲜度特征。在一定的光照条件下获取鸡蛋的透射图像，通过图像采集设备传送到计算机，计算机从采集鸡蛋的图像中获取颜色空间、蛋黄面积和鸡蛋密度三个方面的信息，与鸡蛋新鲜度下降所表现出的浓蛋白的稀释、蛋黄面积扩大、气室高度上升三个现象一一对应，将这三方面的信息融合、筛选，通过标准库中建立的多变量分析模型，最终得出鸡蛋新鲜度检测结果，并根据标准分级，可更客观、更准确的检测鸡蛋新鲜度。

Description

机器视觉技术快速检测鸡蛋新鲜度的方法

技术领域

本发明涉及一种机器视觉技术检测鸡蛋内部品质的方法，属于农畜产品无损检测技术。特指利用机器视觉技术获取鸡蛋透射图像，提取并融合图像的颜色空间、蛋黄形态及鸡蛋密度三方面特征，综合判断其新鲜度特征的方法。

背景技术

新鲜度是鸡蛋内部品质的重要标准，消费者通常把新鲜度下降作为鸡蛋品质下降的主要标志。我国每年收购的鸡蛋由于变质所造成的损失占总量的10%以上。但长期以来，鸡蛋新鲜度的无损检测一直是个难题，国内各中小企业大多采用人工照蛋、称重等物理方法检测鸡蛋的品质，其结果受主观因素影响较大，且检测效率低。因此，为了保障消费者的食品卫生和安全，研制一种快速无损的禽蛋新鲜度检测方法显得尤为必要。

当鸡蛋新鲜度降低时，通常表现为以下三个方面：（1）浓蛋白的稀释，（2）蛋黄面积扩大，（3）气室高度上升。在常温条件下，随着贮存时间的增加，鸡蛋新鲜度也随之逐步降低，首先表现为浓蛋白的不断稀释，其蛋壳内部对光的透射率会发生变化，这种变化可以用鸡蛋内部颜色信息的变化反映出来。因此，可采用红（R）、绿（G）、蓝（B）、色泽（H）、饱和度（S）、亮度（I）颜色空间描述鸡蛋新鲜度的颜色信息变化。鸡蛋新鲜度的变化其次表现为蛋黄面积的扩大，新鲜鸡蛋蛋黄呈球状，随着储藏时间的延长，由于水分散失及蛋黄膜弹性的降低，在形态特征上，表现为蛋黄逐渐趋于平坦，水平方向面积逐渐增大。此外，鸡蛋新鲜度的变化还表现为壳内的CO₂、H₂O等气体逐渐挥发，以至于气室高度逐步增加。近年来，有研究者对鸡蛋图像的某个指标或某个方面进行研究，如岑益科研究了鸡蛋内容物的透射图像特征值与表征鸡蛋新鲜度的哈夫单位值的相关性，王巧华等发表在农业机械学报（2006年37卷1期）的“基于BP神经网络的鸡蛋新鲜度无损检测方法”，郑丽敏等发表在农业工程学报的文章“基于计算机视觉的鸡蛋新鲜度无损检测”，利用机器视觉技术获取鸡蛋透射图像的颜色空间或蛋壳形态特征，检测禽蛋的新鲜度。但采用的均为单方面的指标，检测精度相对较低。

由于鸡蛋新鲜度的下降是由多方面因素综合促成的结果，采用单方面的特征难以全面获取新鲜度变化的信息。本发明提出利用机器视觉技术获取鸡蛋透射图像，提取并融合颜色空间、蛋黄形态特征和鸡蛋密度三个方面的信息特征、再筛选特征变量，综合描述鸡蛋新鲜度信息。经检索，国内外还没有相关方面的报道。

发明内容

为了克服现有技术的不足，本发明提供融合并优化机器视觉技术获取鸡蛋透射图像的颜色空间、蛋黄形态及鸡蛋密度三方面特征信息，与鸡蛋新鲜度下降所表现出的浓蛋白稀释、蛋黄面积扩大、气室高度上升现象一一对应，综合判断其新鲜度特征，并进行分级的一种方法。

本发明的具体内容如下：

机器视觉技术快速检测鸡蛋新鲜度的方法，按照下述步骤进行：（一）鸡蛋图像的采集：在一定的光照条件下获取鸡蛋的透射图像，并通过图像采集卡转换成数字图像传送到计算机；（二）鸡蛋图像信息的提取：在计算机中通过数字图像处理程序从采集的鸡蛋透射图像中获取颜色空间、蛋黄形态和鸡蛋密度三个方面的信息特征；（三）信息的融合和筛选：对获取的鸡蛋图像信息在特征层面上进行融合、筛选；（四）鸡蛋新鲜度检测模型的建立：通过多变量分析方法与常规鸡蛋新鲜度检测结果（哈夫单位值）建立检测模型，得出鸡蛋新鲜度预测结果，并划分相应等级。

其中所述的步骤（二）中从鸡蛋透射图像中提取颜色空间的信息特征，包括以下步骤：（1）利用最大类间方差（OSTU）阈值分割法去除鸡蛋图像的黑色背景；（2）分别提取鸡蛋图像的RGB、HSI颜色空间分量；（3）提取RGB和HIS颜色分量的均值和方差作共12个变量。

其中所述的步骤（二）中从鸡蛋的透射图像中提取蛋黄形态的信息特征，包括以下步骤：（1）对彩色鸡蛋图像提取RGB颜色空间；（2）对鸡蛋图像R颜色分量进行灰度调整，然后对鸡蛋区域和背景区域进行阈值分割，可得全蛋面积S₀；（3）对鸡蛋图像B颜色分量进行灰度调整并中值滤波，然后再利用形态学进行区域填充，以获得更完整的蛋黄区域；（4）在分割的鸡蛋目标区域内，统计蛋黄面积S；（5）以蛋黄面积S和全蛋面积S₀比值为蛋黄形态的信息特征。

其中所述的步骤（二）中鸡蛋密度特征提取，指对采集的鸡蛋透射图像进行提取、分析，计算其体积，质量与体积的比值即为密度，包括以下步骤：（1）对鸡蛋透射图像进行阈值分割，提取的鸡蛋图像区域；（2）对提取的鸡蛋区域外接一个最小矩形，将受测鸡蛋最小外接矩形的长作为透射二维图像（椭圆）的长轴长度，将最小外接矩形宽作为透射二维图像的赤道短轴长度，计算受测鸡蛋的体积；（3）称取鸡蛋的质量除以计算得到的体积即为受测鸡蛋密度。

其中所述的步骤（三）中对获取的这些信息在特征层面上进行融合、筛选，是指对鸡蛋新鲜度颜色空间、蛋壳形态及密度信息在特征层面的融合，并筛选与新鲜度信息相关度较高特征变量，包括以下步骤：（1）提取鸡蛋图像的HIS和RGB颜色分量的均值和方差12个特征变量作为颜色空间的信息特征、提取鸡蛋图像的蛋黄面积与全蛋面积的比值作为蛋黄形态的信息特征，通过鸡蛋质量与其图像所提取的体积的比值作为密度的信息特征，将提取的14个特征在量纲上进行融合；（2）采用逐步回归法筛选与鸡蛋新鲜度信息相关度较高特征变量，共得到7个变量作为鸡蛋新鲜度检测模型的输入向量。

其中所述的步骤（四）中通过多变量分析方法与常规鸡蛋新鲜度检测结果建立检测模型，是指采用机器视觉技术采集一批鸡蛋的图像，提取和筛选特征信息，和常规新鲜度检测方法测定结果（哈夫单位值）建立遗传算法优化径向基（RBF）神经网络的拓扑结构建立模型。鸡蛋新鲜度即可通过机器视觉技术采集图像，通过上述步骤提取和筛选特征信息，采用所建立的模型得出鸡蛋新鲜度预测结果，并根据相应的标准对其分级。

本发明的有益效果是：

通过鸡蛋透射图像的颜色空间、蛋黄形态及鸡蛋密度三方面综合信息，与鸡蛋新鲜度下降所表现出的浓蛋白稀释、蛋黄面积扩大、气室高度上升三个现象一一对应，可更全面、更准确地描述鸡蛋新鲜度的变化。采用鸡蛋密度的方法代替鸡蛋气室高度表征鸡蛋的新鲜度，能避免鸡蛋摆放位置的差异造成气室高度测量误差太大带来的后果，提高了检测精度。通过筛选变量，可优选出与鸡蛋新鲜度相关性高的特征变量，降低建立模型的复杂性，提高模型的鲁棒性。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细说明。

图1 鸡蛋透射图像采集系统示意图；

1 CCD摄像头；2 光照箱；3 蛋托； 4避光器； 5 光源； 6 计算机。

图2 鸡蛋图像的颜色空间、蛋黄形态和鸡蛋密度信息提取和融合流程图；

图3 鸡蛋图像的各个颜色分量图；

图4 鸡蛋蛋黄区域处理过程。

具体实施方式

本发明对禽蛋的新鲜度无损检测具有通用性，在此以鸡蛋为例，介绍本发明在禽蛋新鲜度检测的实施过程。

1. 鸡蛋图像的采集：如图1所示，将清洗干净的鸡蛋放置在光照箱（2）的蛋托（3）上，光源（5）发射出的光经鸡蛋透射后，通过CCD摄像头（1）捕捉鸡蛋图像信号，并转化为模拟信号，输入计算机中通过采集卡将其转化为数字信号，并将鸡蛋图像存储供下一步处理。

2. 鸡蛋图像信息的提取：即鸡蛋图像的颜色空间、蛋黄形态和鸡蛋密度信息提取流程图如图2所示，具体步骤如下：

（1）鸡蛋图像颜色空间的获取：a. 利用最大类间方差（OSTU）阈值分割法去除鸡蛋图像的黑色背景；b. 分别提取鸡蛋图像的红（R）、绿（G）、蓝（B）、色泽（H）、饱和度（S）、亮度（I）颜色空间分量（如图3）；c. 提取HIS和RGB颜色分量的均值和方差作共12个变量。

（2）鸡蛋图像蛋黄形态信息特征的提取：a. 对彩色鸡蛋图像提取RGB颜色空间；b. 对R空间鸡蛋图像进行灰度调整，然后对鸡蛋区域和背景区域进行最大类间方差（OSTU）阈值分割，然后对分割后的鸡蛋图像二值化，白色部分的鸡蛋区域像素值均为1，而黑色背景的像素值均为0，最后取统计的鸡蛋区域像素值和S₀为全蛋面积；c. 鸡蛋图像B颜色分量进行灰度调整，并采用了3×3模板对灰度图像进行中值滤波，根据蛋黄区域是连续性原则，对中值滤波后的鸡蛋图像中缺失的边缘像素利用形态学进行区域填充，以获得更完整的蛋黄区域（如图4）；d. 在分割的鸡蛋目标区域内，进行逐行扫描，判断每一个像素是否属于蛋黄区域，像素点属于蛋黄区域的条件是：① 像素灰度值大于给定阈值（采用基于类间方差最大的自动阈值法获取）；② 该像素的某一领域内具有1/2的像素符合条件①；③ 选用9×9模板区域进行蛋黄区域的像素统计；所统计蛋黄区域像素和S蛋黄面积；e. 以蛋黄面积S和全蛋面积S₀比值为蛋黄形态的信息特征。

（3）鸡蛋密度特征的提取：a. 对鸡蛋透射图像进行阈值分割，然后对分割后的鸡蛋图像二值化，即可提取的鸡蛋图像区域；b. 对提取的鸡蛋区域外接一个最小矩形，将受测鸡蛋最小外接矩形的长作为透射二维图像（椭圆）的长轴长度，将最小外接矩形宽作为透射二维图像的赤道短轴长度，以鸡蛋二维图像赤道为分界线，将鸡蛋分为大头和小头两个部分；在每个部分中，鸡蛋在其短轴平面上可看成为一个标准圆形，采用积分法计算每个部分的体积，两个部分的体积之和即为受测鸡蛋的体积；c. 称取鸡蛋的质量除以计算得到的体积即为受测鸡蛋的密度。

3. 信息的融合和筛选：指鸡蛋图像的颜色空间、蛋黄形态和鸡蛋密度三方面的信息在特征层面上的融合和筛选。（1）信息的融合：提取鸡蛋图像的HIS和RGB颜色分量的均值和方差12个特征变量作为颜色空间的信息特征、提取鸡蛋图像的蛋黄面积像素值作为蛋黄形态的信息特征，通过鸡蛋图像所提取的体积与其质量的比值作为密度的信息特征，将提取的14个特征在量纲上进行融合。（2）采用逐步回归法筛选与鸡蛋新鲜度信息相关度较高特征变量，共得到7个变量，分别为B分量均值，H分量均值，R分量方差，H分量方差，I分量方差，蛋黄面积与全蛋面积比S/S₀，密度P，作为鸡蛋新鲜度检测模型的输入向量。

4. 鸡蛋新鲜度检测检测模型的建立：挑选一批新鲜度不同的鸡蛋（一般大于200个）作为标准样本建立一个标准库，采集每个鸡蛋图像信息，并经过计算机处理后，融合所提取的鸡蛋图像颜色空间、蛋黄面积区域和鸡蛋密度特征信息，即可得到这批鸡蛋样本的图像信息，同时采用标准方法（哈夫单位测试法）获取这批鸡蛋的标准新鲜度值。采用逐步回归法筛选最能代表鸡蛋新鲜度的特征信息，将筛选得到的特征信息作为神经网络模型的输入向量，标准方法获取的鸡蛋哈夫单位值作为模型的输出向量，优化输入向量和输出向量之间的隐含层，得出鸡蛋检测模型的拓扑结构为7-10-1，并采用双正切函数作为各层之间的连接函数，即可建立相关模型，选取鲁棒性最强的模型作为标准库中鸡蛋新鲜度的检测模型。

对于一个新的鸡蛋样本，要检测其新鲜度，通过上述步骤采集图像，融合并筛选多方面的信息特征，经过标准库中相应的检测模型预测鸡蛋新鲜度的哈夫单位值，并给出相应新鲜度等级（哈夫单位值高于72 AA级，72-60 A级，60-30 B级，30以下不合格），结果在计算机界面上显示。至此该鸡蛋新鲜度测试结束。

Claims

1.机器视觉技术快速检测鸡蛋新鲜度的方法，其特征在于按照下述步骤进行：（一）鸡蛋图像的采集：在一定的光照条件下获取鸡蛋的透射图像，并通过图像采集卡转换成数字图像传送到计算机；（二）鸡蛋图像信息的提取：在计算机中通过数字图像处理程序从采集的鸡蛋透射图像中获取颜色空间、蛋黄形态和鸡蛋密度三个方面的信息特征；（三）信息的融合和筛选：对获取的鸡蛋图像信息在特征层面上进行融合、筛选；（四）鸡蛋新鲜度检测模型的建立：通过多变量分析方法与常规鸡蛋新鲜度检测结果建立检测模型，得出鸡蛋新鲜度预测结果，并划分相应等级。

2.根据权利要求1所述的机器视觉技术快速检测鸡蛋新鲜度的方法，其特征在于其中所述的步骤（二）中从鸡蛋透射图像中提取颜色空间的信息特征，包括以下步骤：（1）利用最大类间方差阈值分割法去除鸡蛋图像的黑色背景；（2）分别提取鸡蛋图像的RGB、HSI颜色空间分量；（3）提取RGB和HIS颜色分量的均值和方差作共12个变量。

3.根据权利要求1所述的机器视觉技术快速检测鸡蛋新鲜度的方法，其特征在于其中所述的步骤（二）中从鸡蛋的透射图像中提取蛋黄形态的信息特征，包括以下步骤：（1）对彩色鸡蛋图像提取RGB颜色空间；（2）对鸡蛋图像R颜色分量进行灰度调整，然后对鸡蛋区域和背景区域进行阈值分割，可得全蛋面积S₀；（3）对鸡蛋图像B颜色分量进行灰度调整并中值滤波，然后再利用形态学进行区域填充，以获得更完整的蛋黄区域；（4）在分割的鸡蛋目标区域内，统计蛋黄面积S；（5）以蛋黄面积S和全蛋面积S₀比值为蛋黄形态的信息特征。

4.根据权利要求1所述的机器视觉技术快速检测鸡蛋新鲜度的方法，其特征在于其中所述的步骤（二）中鸡蛋密度特征提取，指对采集的鸡蛋透射图像进行提取、分析，计算其体积，质量与体积的比值即为密度，包括以下步骤：（1）对鸡蛋透射图像进行阈值分割，提取的鸡蛋图像区域；（2）对提取的鸡蛋区域外接一个最小矩形，将受测鸡蛋最小外接矩形的长作为透射二维图像的长轴长度，将最小外接矩形宽作为透射二维图像的赤道短轴长度，计算受测鸡蛋的体积；（3）称取鸡蛋的质量除以计算得到的体积即为受测鸡蛋密度。

5.根据权利要求1所述的机器视觉技术快速检测鸡蛋新鲜度的方法，其特征在于其中所述的步骤（三）中对获取的这些信息在特征层面上进行融合、筛选，是指对鸡蛋新鲜度颜色空间、蛋壳形态及密度信息在特征层面的融合，并筛选与新鲜度信息相关度较高特征变量，包括以下步骤：（1）提取鸡蛋图像的HIS和RGB颜色分量的均值和方差12个特征变量作为颜色空间的信息特征、提取鸡蛋图像的蛋黄面积与全蛋面积的比值作为蛋黄形态的信息特征，通过鸡蛋质量与其图像所提取的体积的比值作为密度的信息特征，将提取的14个特征在量纲上进行融合；（2）采用逐步回归法筛选与鸡蛋新鲜度信息相关度较高特征变量，共得到7个变量，分别为B分量均值，H分量均值，R分量方差，H分量方差，I分量方差，蛋黄面积与全蛋面积比S/S₀，密度P，作为鸡蛋新鲜度检测模型的输入向量。

6.根据权利要求1所述的机器视觉技术快速检测鸡蛋新鲜度的方法，其特征在于其中所述的步骤（四）中通过多变量分析方法与常规鸡蛋新鲜度检测结果建立检测模型，是指采用机器视觉技术采集一批鸡蛋的图像，提取和筛选特征信息，和常规新鲜度检测方法测定结果建立遗传算法优化径向基神经网络的拓扑结构建立模型，鸡蛋新鲜度即可通过机器视觉技术采集图像，通过上述步骤提取和筛选特征信息，采用所建立的模型得出鸡蛋新鲜度预测结果，并根据相应的标准对其分级。