CN104764744B - 一种禽蛋新鲜度的视觉检测装置及其方法 - Google Patents
一种禽蛋新鲜度的视觉检测装置及其方法 Download PDFInfo
- Publication number
- CN104764744B CN104764744B CN201510188942.1A CN201510188942A CN104764744B CN 104764744 B CN104764744 B CN 104764744B CN 201510188942 A CN201510188942 A CN 201510188942A CN 104764744 B CN104764744 B CN 104764744B
- Authority
- CN
- China
- Prior art keywords
- image
- egg
- freshness
- fowl egg
- fowl
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种禽蛋新鲜度的视觉检测装置及其方法,涉及禽蛋加工分级技术领域。本装置是:在传送带的下方设置有光源,在传送带的上方设置有暗箱,在暗箱的顶部正中设置有工业相机;光源通过传送带的空隙透射放置在传送带上的禽蛋,工业相机通过数据线与计算机相连。本方法是:①禽蛋图像的采集;②禽蛋图像的预处理;③提取气室面积与整蛋面积比值,并作为特征参数;④提取其它特征参数;⑤建立模型;⑥新鲜度判别。本发明利用机器视觉进行检测,对应用环境具有不挑剔性,具有良好的应用推广前景;对气室面积的提取采用前人没有用过的方法,且效果好;采用SVM进行分级,准确率高;高效率、高智能,能够实现无损检测。
Description
技术领域
本发明涉及禽蛋加工分级技术领域,尤其涉及一种禽蛋新鲜度的视觉检测装置及其方法。具体地说,本发明利用机器视觉技术采集禽蛋的彩色图像,并进行一系列的图像预处理,获取禽蛋的气室高度、彩色图像的R、G、I分量灰度均值等参数,同时通过实验获取建模所需的新鲜度参数——哈夫值、气室高度、蛋黄指数,最后利用SVM建立模型并分级,由此实现对禽蛋的新鲜度检测。
背景技术
禽蛋具有非常高的营养价值,富含蛋白质、脂肪、多种维生素和微量元素,是人们日常生活中重要的食品之一。在禽蛋的加工过程中,其新鲜度是保证加工质量的重要工序。随着大众对农产品质量要求的提高,禽蛋的新鲜度已成为消费者密切关注的问题。
目前,已有学者针对禽蛋新鲜度的检测进行了研究。熊利荣等【湖北农业科学,2004(4):118-119】研究了鸡蛋新鲜度随贮藏时间变化规律;郑丽敏等【农业工程学报,2009,25(2):335-339】提取了鸡蛋的图像特征蛋黄指数和气室指数,建立了鸡蛋新鲜度与蛋黄指数、贮藏时间和气室指数的关系模型;刘鹏等【农业机械学报,2011,42(8):122-127】通过D-S证据理论和BP神经网络将电子鼻和机器视觉两种传感器在特征层进行融合,构建了鸡蛋新鲜度的融合模型;对于鸡蛋的新鲜度,研究者们做了很多研究,且尝试了各种不同的方法,如光谱检测、近红外检测和电子鼻等等。
经检索,现有的检测技术是:
1、主要只对鸡蛋的新鲜度进行了很多研究,而对此禽蛋的新鲜度研究较少,且主要是对其进行定量分析,能够实现对其分级的很少;
2、用机器视觉提取鸡蛋气室高度主要是单个蛋的提取,没有一个程序能够实现对所有蛋的气室提取,故很难将这些研究用于实际。
3、对鸡蛋新鲜度的研究主要是静态的,很难对其实现批量检测。
发明内容
本发明的目的在于克服现有技术存在的局限,提供一种禽蛋新鲜度的视觉检测装置及其方法。
本发明的目的是这样实现的:
首先,将禽蛋放置在传送带上的暗箱中间时,工业相机拍照;然后,计算机对图像进行一系列的图像处理,提取新鲜度特征参数;最后,利用SVM建立模型并分级,达到判别禽蛋是否新鲜的目的。
在本发明中主要完成以下几项工作:
1、采集禽蛋的图像;
2、建模过程中对应新鲜度指标的获取:哈夫值、蛋黄指数、气室高度等;
3、对采集到的图像进行图像处理;
4、提取新鲜度特征参数:气室面积与整蛋面积比,R、G、I分量灰度均值;
5、利用SVM建立模型并分级,判别禽蛋是否新鲜。
具体地说:
一、一种禽蛋新鲜度的视觉检测装置(简称装置)
本装置由光源、传送带、暗箱、工业相机和计算机组成;
在传送带的下方设置有光源,在传送带的上方设置有暗箱,在暗箱的顶部正中设置有工业相机;
光源通过传送带的空隙透射放置在传送带上的禽蛋,工业相机通过数据线与计算机相连。
二、一种禽蛋新鲜度的视觉检测方法(简称方法)
本方法包括下列步骤:
①禽蛋图像的采集
将禽蛋放置在传送带上的暗箱底部中间,工业相机拍照获取彩色图像;
②禽蛋图像的预处理
A、对图像进行裁剪,去除周围不需要的背景;
B、提取图像R分量,先设定阈值去除禽蛋周围漏光部分,再将其转换成二值图像并填充;
C、将此二值图像重组成三维图像;
D、将三维图像与原彩色图像相乘,获得去除背景的禽蛋彩色图像;
③提取气室面积与整个禽蛋面积比值(简称气室面积比),并作为特征参数
A、对图像进行去相关拉伸增强对比度;
B、采用梯度方法跟踪边缘,提取禽蛋Y方向梯度图;
C、设定阈值,将Y方向梯度图转换为二值图像,并利用形态学方法去除小白
点噪音;
D、对二值图像进行膨胀腐蚀,将图中的散点连接成线;
E、利用Hough变换检测图中最长的线段,并将此线段分别向两端反向延长;
F、通过图像R分量提取禽蛋边缘,并在此图中显示出延长后的直线;
G、对图像进行填充,获得此直线与禽蛋边缘相交部分的面积,即为气
室面积;
H、求整个禽蛋面积,并计算出气室面积比,即特征参数;
④提取其它特征参数
提取禽蛋图像的R、G、I分量,并分别求出其灰度均值;
⑤建立模型
A、以实验时获取的哈夫值、气室高度和蛋黄指数为新鲜度指标,综合判别禽蛋的新鲜度(1代表新鲜,2代表不新鲜),得出对应每个禽蛋新鲜度的矩阵;
B、将实验样本按照2:1的比例分为训练集和预测集;
C、以图像中提取的训练集的气室面积比和R、G、I分量灰度均值这四个特征参数为训练样本,以新鲜度矩阵为训练目标,利用SVM(支持向量机)建立模型;
⑥新鲜度判别
A、将预测集的特征参数——气室面积比和R、G、I分量灰度均值代入训练集建立的SVM新鲜度判别模型;
B、判断输出是否为1;
C、输出若不为1,则判断为不新鲜禽蛋;
D、输出若为1,则判断为新鲜禽蛋。
本发明具有以下优点和积极效果:
①利用机器视觉进行检测,对应用环境具有不挑剔性,具有良好的应用推广前景;
②对气室面积的提取采用前人没有用过的方法,且效果好;
③采用SVM进行分级,准确率高;
④高效率、高智能,能够实现无损检测。
附图说明
图1是本装置的结构示意图;
图2是图像处理软件的工作流程图。
图中:
0—禽蛋;
1—光源;
2—传送带;
3—暗箱;
4—工业相机;
5—计算机。
具体实施方式
下面结合附图和实施例详细说明:
一、装置
1、总体
如图1,本装置由光源1、传送带2、暗箱3、工业相机4和计算机5组成;
其位置和连接关系是:
在传送带2的下方设置有光源1,在传送带2的上方设置有暗箱3,在暗箱4的顶部正中设置有工业相机4;
光源1通过传送带2的空隙透射放置在传送带2上的禽蛋0,工业相机4通过数据线与计算机5相连。
2、功能部件
1)光源1
光源1是一种通用外购件,如选用LED黄色冷光源;
其功能是透射禽蛋3。
2)传送带2
传送带2是一种通用外购件,如选用ZYF-J3分选机;
其功能是传送并翻转禽蛋0。
3)暗箱3
暗箱4是一种方形箱;
其功能是保障采集的图像不受外界光源影响,并用于固定工业相机5。
4)工业相机4
工业相机4是一种通用外购件,如选用彩色jAi摄像机(日本AD-080 GE,NO.X800764 H)、point grey摄像头(FL2G-50S5M-12C)为工业相机;
其功能是采集禽蛋的彩色图像。
5)计算机5
计算机5是一种通用外购件,如选用CPU Intel Core i5-3210M 2.50GHz/内存8G,Windows 8.1系统。
内嵌有图像处理软件(如图2)。
3、工作机理
首先,将禽蛋放置在传送带上的暗箱中间时,工业相机拍照,获取的图像通过数据线传输到计算机,计算机中的图像处理软件对图像进行处理,实现对禽蛋新鲜度的检测。
二、方法
如图2,所述的图像处理软件的工作流程:
a、读取图像-201;
b、图像预处理-202;
c、提取图像R、G、I分量图-203;
d、采用梯度方法跟踪边缘,提取禽蛋Y方向梯度图,由R分量获取禽蛋边缘,
分别计算出R、G、I分量灰度均值-204;
e、对获取的G分量梯度图进行形态学处理,并用Hough变换检测直线-205;
f、取检测到的最长线段的为气室分界线-206;
g、线段分别向两端反向延长与禽蛋边缘相交-207;
h、填充图像,获取气室面积,并求出气室面积比-208;
i、将气室面积比和R、G、I分量图灰度均值这四个特征参数代入SVM新鲜度
判别模型-209;
j、判断输出是否为1-210,是则判断为新鲜禽蛋-211;否则判断为不新鲜禽蛋-212;
k、流程结束-213。
三、检测结果
本实例的试验样品是由湖北省神丹食品有限公司提供的白壳无裂纹当天产鲜鸭蛋,将鸭蛋分为新鲜和不新鲜二个等级,只需经过禽蛋图像采集、图像处理、模式判别等过程就可以无损快速判断其是否新鲜。预测集判断准确率为91%。
鸭蛋蛋壳膜比鸡蛋要厚且质密,故鸭蛋的新鲜度检测较鸡蛋要难,因此此方法也同样适用于鸡蛋的新鲜度检测。
Claims (1)
1.一种禽蛋新鲜度的视觉检测方法,检测装置由光源(1)、传送带(2)、暗箱(3)、工业相机(4)和计算机(5)组成;在传送带(2)的下方设置有光源(1),在传送带(2)的上方设置有暗箱(3),在暗箱(4)的顶部正中设置有工业相机(4);光源(1)通过传送带(2)的空隙透射放置在传送带(2)上的禽蛋(0),工业相机(4)通过数据线与计算机(5)相连;
其特征在于包括下列步骤:
①禽蛋图像的采集
将禽蛋放置在传送带上的暗箱底部中间,工业相机拍照获取彩色图像;
②禽蛋图像的预处理
A、对图像进行裁剪,去除周围不需要的背景;
B、提取图像R分量,先设定阈值去除禽蛋周围漏光部分,再将其转换成二值图像并填充;
C、将此二值图像重组成三维图像;
D、将三维图像与原彩色图像相乘,获得去除背景的禽蛋彩色图像;
③提取气室面积与整个禽蛋面积比值,并作为特征参数
A、对图像进行去相关拉伸增强对比度;
B、采用梯度方法跟踪边缘,提取禽蛋Y方向梯度图;
C、设定阈值,将Y方向梯度图转换为二值图像,并利用形态学方法去除小白点噪音;
D、对二值图像进行膨胀腐蚀,将图中的散点连接成线;
E、利用Hough变换检测图中最长的线段,并将此线段分别向两端反向延长;
F、通过图像R分量提取禽蛋边缘,并在此图中显示出延长后的直线;
G、对图像进行填充,获得此直线与禽蛋边缘相交部分的面积,即为气室面积;
H、求整个禽蛋面积,并计算出气室面积比,即特征参数;
④提取其它特征参数
提取禽蛋图像的R、G、I分量,并分别求出其灰度均值;
⑤建立模型
A、以实验时获取的哈夫值、气室高度和蛋黄指数为新鲜度指标,综合判别禽蛋的新鲜度,1代表新鲜,2代表不新鲜,得出对应每个禽蛋新鲜度的矩阵;
B、将实验样本按照2:1的比例分为训练集和预测集;
C、以图像中提取的训练集的气室面积比和R、G、I分量灰度均值这四个特征参数为训练样本,以新鲜度矩阵为训练目标,利用SVM即支持向量机建立模型;
⑥新鲜度判别
A、将预测集的特征参数——气室面积比和R、G、I分量灰度均值代入训练集建立的SVM新鲜度判别模型;
B、判断输出是否为1;
C、输出若不为1,则判断为不新鲜禽蛋;
D、输出若为1,则判断为新鲜禽蛋;
所述的禽蛋是指鸡蛋或鸭蛋。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510188942.1A CN104764744B (zh) | 2015-04-21 | 2015-04-21 | 一种禽蛋新鲜度的视觉检测装置及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510188942.1A CN104764744B (zh) | 2015-04-21 | 2015-04-21 | 一种禽蛋新鲜度的视觉检测装置及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104764744A CN104764744A (zh) | 2015-07-08 |
CN104764744B true CN104764744B (zh) | 2017-03-22 |
Family
ID=53646708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510188942.1A Active CN104764744B (zh) | 2015-04-21 | 2015-04-21 | 一种禽蛋新鲜度的视觉检测装置及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104764744B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109917088A (zh) * | 2019-03-21 | 2019-06-21 | 合肥华凌股份有限公司 | 制冷设备以及禽蛋新鲜度检测装置和方法 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105548028A (zh) * | 2015-12-11 | 2016-05-04 | 华中农业大学 | 禽蛋新鲜度的光纤光谱分级检测装置及其方法 |
CN105911000B (zh) * | 2016-04-15 | 2018-10-19 | 华中农业大学 | 基于特征波段的血斑蛋在线检测方法 |
CN106370668B (zh) * | 2016-08-22 | 2019-01-18 | 华中农业大学 | 一种咸蛋内部品质的在线视觉检测装置及其方法 |
CN107220972B (zh) * | 2017-06-07 | 2019-06-28 | 重庆大学 | 一种基于红外图像的禽蛋品质鉴别方法 |
CN107259404A (zh) * | 2017-07-19 | 2017-10-20 | 宿松县乡园禽业贸易有限责任公司 | 一种皮蛋智能加工装置 |
CN107561233B (zh) * | 2017-09-25 | 2023-11-10 | 中国标准化研究院 | 一种禽蛋新鲜度检测装置 |
CN108051449A (zh) * | 2018-01-30 | 2018-05-18 | 华中农业大学 | 基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法 |
CN108801926B (zh) * | 2018-05-18 | 2021-01-19 | 华南理工大学 | 一种用于鸡蛋单双黄自动检测的装置及方法 |
CN109187553B (zh) * | 2018-09-11 | 2021-05-04 | 湖北工业大学 | 一种基于机器视觉的变质鸡蛋在线智能识别方法 |
CN109447982A (zh) * | 2018-11-13 | 2019-03-08 | 广东工业大学 | 一种鸡蛋品质识别方法、装置、设备及可读存储介质 |
CN109813494A (zh) * | 2019-02-27 | 2019-05-28 | 西北农林科技大学 | 一种基于测量质心无损检测鸡蛋新鲜度的方法 |
CN110322434A (zh) * | 2019-06-17 | 2019-10-11 | 浙江省农业科学院 | 一种基于颜色空间变换和像素聚类的鱿鱼新鲜度鉴定方法 |
CN110333160A (zh) * | 2019-07-18 | 2019-10-15 | 华中农业大学 | 基于排水法的鸡蛋新鲜度无损检测装置及其方法 |
CN110927167A (zh) * | 2019-10-31 | 2020-03-27 | 北京海益同展信息科技有限公司 | 一种禽蛋检测方法、装置、电子设备及存储介质 |
CN111257339B (zh) * | 2020-02-25 | 2021-07-23 | 华中农业大学 | 一种基于机器视觉的皮蛋裂纹在线检测方法及检测装置 |
CN113945560A (zh) * | 2021-10-15 | 2022-01-18 | 高邮市双欣蛋品有限公司 | 一种咸鸭蛋加工用自动光检装置 |
CN114578002B (zh) * | 2022-03-09 | 2022-11-25 | 武汉轻工大学 | 一种基于鸡蛋容重的鸡蛋品质无损检测方法 |
CN114577756B (zh) * | 2022-05-09 | 2022-07-15 | 烟台正德电子科技有限公司 | 一种透光均匀度检测装置及检测方法 |
CN116026829B (zh) * | 2023-03-30 | 2023-08-11 | 华中农业大学 | 一种鸡蛋新鲜度快速无损检测装置及其方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1485616A (zh) * | 2002-09-23 | 2004-03-31 | 华中农业大学 | 禽蛋品质无损自动检测分级设备及方法 |
US20070202223A1 (en) * | 2005-09-26 | 2007-08-30 | Orka Food Technology Ltd. | Egg Quality Measurement |
CN102147402A (zh) * | 2011-03-08 | 2011-08-10 | 江苏大学 | 机器视觉技术快速检测鸡蛋新鲜度的方法 |
CN102445456B (zh) * | 2011-10-09 | 2013-07-03 | 河海大学常州校区 | 基于dsp机器视觉的鸡蛋品质无损检测装置及检测方法 |
-
2015
- 2015-04-21 CN CN201510188942.1A patent/CN104764744B/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109917088A (zh) * | 2019-03-21 | 2019-06-21 | 合肥华凌股份有限公司 | 制冷设备以及禽蛋新鲜度检测装置和方法 |
CN109917088B (zh) * | 2019-03-21 | 2021-11-19 | 合肥华凌股份有限公司 | 制冷设备以及禽蛋新鲜度检测装置和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104764744A (zh) | 2015-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104764744B (zh) | 一种禽蛋新鲜度的视觉检测装置及其方法 | |
Gunasekaran | Computer vision technology for food quality assurance | |
CN110473173A (zh) | 一种基于深度学习语义分割的缺陷检测方法 | |
CN103983190B (zh) | 群体产地鸭蛋外形尺寸的视觉检测分级装置及其方法 | |
Yazdi et al. | Feature extraction algorithm for fill level and cap inspection in bottling machine | |
CN109598715A (zh) | 基于机器视觉的物料粒度在线检测方法 | |
CN108663367A (zh) | 一种基于鸡蛋容重的鸡蛋品质无损检测方法 | |
Lunadei et al. | Automatic identification of defects on eggshell through a multispectral vision system | |
CN104749190A (zh) | 一种禽蛋表面裂纹的在线视觉检测装置及其方法 | |
CN110736709A (zh) | 一种基于深度卷积神经网络的蓝莓成熟度的无损检测方法 | |
Wang et al. | Recognition of worm-eaten chestnuts based on machine vision | |
Javadikia et al. | Measuring the weight of egg with image processing and ANFIS model | |
Thinh et al. | Mango classification system based on machine vision and artificial intelligence | |
CN112001901A (zh) | 基于卷积神经网络的苹果缺陷检测方法及系统 | |
CN107576660B (zh) | 一种基于距离等高线的双黄鸭蛋自动视觉检测方法 | |
CN109115775A (zh) | 一种基于机器视觉的槟榔等级检测方法 | |
Thong et al. | Mango classification system uses image processing technology and artificial intelligence | |
CN113706496B (zh) | 一种基于深度学习模型的飞行器结构裂纹检测方法 | |
CN112183640B (zh) | 一种基于不规则物体的检测和分类方法 | |
Banus et al. | A deep-learning based solution to automatically control closure and seal of pizza packages | |
CN113947598A (zh) | 基于图像处理的塑料餐盒缺陷检测方法、装置及系统 | |
Thong et al. | Mango sorting mechanical system combines image processing | |
CN114066810A (zh) | 一种包装盒凹凸点缺陷检测方法及装置 | |
Zhang et al. | Fabric defect detection based on visual saliency map and SVM | |
CN113012244A (zh) | 基于Inception模块与Attention机制的鸡蛋新鲜度检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |