CN106645605A - 基于机器视觉的禽类受精蛋检测方法 - Google Patents
基于机器视觉的禽类受精蛋检测方法 Download PDFInfo
- Publication number
- CN106645605A CN106645605A CN201610802111.3A CN201610802111A CN106645605A CN 106645605 A CN106645605 A CN 106645605A CN 201610802111 A CN201610802111 A CN 201610802111A CN 106645605 A CN106645605 A CN 106645605A
- Authority
- CN
- China
- Prior art keywords
- eggs
- birds
- beasts
- measured
- egg
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/08—Eggs, e.g. by candling
- G01N33/085—Eggs, e.g. by candling by candling
Landscapes
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于机器视觉的禽类受精蛋的检测方法。该方法包括如下步骤:步骤1,将待测禽蛋开始孵化;步骤2,使用相机拍摄经步骤1孵化一定时间的待测禽蛋发育图片;步骤3,将步骤2获得的待测禽蛋发育图片进行图像处理,获得待测禽蛋透光性结果;步骤4,根据步骤3获得的待测禽蛋透光性结果,判断待测禽蛋是否为受精蛋。本发明方法运用了机器视觉技术和数字图像处理技术,根据受精蛋在发育过程中透光性会逐渐变弱这个特性,对待测禽蛋实现受精蛋和无精蛋的判断。本发明方法对减轻了工人劳动强度,提高受精蛋的检测速率,降低生产成本,提高我国农产品检测的自动化水平等方面具有重要意义和应用价值。
Description
技术领域
本发明涉及数字图像处理和农产品检测技术,具体说是一种基于机器视觉的禽类受精蛋的检测方法,属于农畜产品无损检测技术。
背景技术
禽蛋是人类理想的天然食品,含有丰富的营养物质和微量元素,是人类最好的营养来源之一。如每百克鸡蛋含蛋白质14.7克,其中含有人体必需的8种氨基酸,并与人体蛋白的组成极为近似,人体对鸡蛋蛋白质的吸收率可高达98%。每百克鸡蛋含脂肪11~15克,主要集中在蛋黄里,也极易被人体消化吸收,蛋黄中含有丰富的卵磷脂、固醇类、蛋黄素以及钙、磷、铁、维生素A、维生素D及B族维生素,对增进神经系统的功能大有裨益。我国人口众多,禽蛋食用量非常大,近年来,禽蛋的产量一直居世界首位,而且有继续增长的趋势。
在家禽饲养行业中,种蛋的挑选至关重要,这直接关系到养殖的成本和经济效益。一般禽蛋的孵化时间是21-30天(例如鸡蛋是21天,鸭蛋是28天,鹅蛋是30天),在孵化过程中,对孵化的环境温度、湿度条件必须有较高的要求,这就需要专业的孵化设备和管理人员的及时调整,所以,禽蛋孵化是一个耗时、耗能、耗费人力的过程。我国的种蛋受精率在86%-95%,受精蛋孵化率约90%。所以,在入孵的种蛋中,至少有10%的种蛋无法成功孵化出来,这直接会影响饲养场的经济效益。一方面,孵化过程中存在无精蛋、死胚蛋,在孵化箱内不仅抢占了空间,浪费电能和人力,而且还会爆裂,散发出恶臭气味,导致其中的霉菌或细菌在孵化箱中迅速繁殖感染,造成巨大损失;另一方面,若及早的将不能成功孵化的种蛋及时挑选出来,还可以作为食品进行加工,给饲养场带来一部分收入。因此,在孵化过程中及时准确地剔除无精蛋和死胚蛋具有重要的意义。虽然近年来我国的畜牧业有了长足的发展,现在的孵化设备已经有了自动化的控制功能,但对于无精蛋和死胚蛋的剔除工作,还是主要依靠传统的人工照蛋的方法,这种方法不仅费时费力,而且对工作人员有较高的要求,需要有丰富的经验。因此,展开对孵化过程中种蛋的无损检测技术研究是非常重要的,这不仅有利于我国禽类饲养的快速发展,同时也对我国禽类饲养自动化水平的提高具有重要意义。
近年来,随着科学技术的发展,计算机技术和图像处理技术有了长足的进步,从而使以二者为基础的机器视觉技术日新月异,已经广泛地应用于社会的各个领域。目前,机器视觉技术在禽蛋检测方面已经取得了不少成果:[郁志宏.基于机器视觉的种蛋筛选及孵化成活性检测研究[D].内蒙古农业大学博士论文,2006][潘磊庆,屠康等.基于机器视觉和神经网络检测鸡蛋裂纹的研究[J].农业工程学报,2007,23(5):154-158]。对于受精蛋的检测,有的方法是基于孵化过程中蛋的RGB颜色分量,有的方法是基于蛋的轮廓参数,虽然已有相应的论文和专利,但这些方法的有效性还有待于进一步探究,而且市场上并没有成熟的设备。因此,寻找出受精蛋孵化特性的特征对提高判断的准确性是至关重要的。
发明内容
针对现有技术中存在的缺陷,本发明提供了一种基于机器视觉的禽类受精蛋的检测方法。该方法主要是运用了机器视觉技术和数字图像处理技术,根据受精蛋在发育过程中透光性会逐渐变弱这个特性,实现受精蛋判别。这种方法减轻了工人的劳动强度,而且提高了受精蛋的检测速率,降低了生产成本,这对提高我国农产品检测的自动化水平具有重要意义和应用价值。
为达到以上目的,本发明采取的技术方案是:
一种基于机器视觉的禽类受精蛋检测方法,其特征在于,包括如下步骤:
步骤1,将待测禽蛋开始孵化;
步骤2,使用相机拍摄经步骤1孵化一定时间的待测禽蛋发育图片;
步骤3,将步骤2获得的待测禽蛋发育图片进行图像处理,获得待测禽蛋透光性结果;
所述待测禽蛋透光性是指待测禽蛋经过光照之后光线的透过情况;
步骤4,根据步骤3获得的待测禽蛋透光性结果,判断待测禽蛋是否为受精蛋;
若判断待测禽蛋为无精蛋,则待测禽蛋可能为无精蛋,也可能为早期死胚蛋,因为早期死胚蛋的透光性与无精蛋相似;对判断为无精蛋的待测禽蛋应及时剔除此类禽蛋;
若判断待测禽蛋为受精蛋,则待测禽蛋为受精蛋,还可能为透光性变弱的死胚蛋;对判断为受精蛋的待测禽蛋应继续孵化。
在上述基于机器视觉的禽类受精蛋检测方法中,步骤2中,使用相机拍摄时,如待测禽蛋为受精蛋,经步骤1孵化一定时间的发育期为起眼期,或步骤1所述孵化一定时间的条件满足待测禽蛋为受精蛋时发育至起眼期所需的孵化条件;
该发育期根据人工照蛋时间确定,详见《家禽孵化与雏禽雌雄鉴别》,所述起眼期即受精蛋胚胎发育一段时间后,经光照后可见血管呈放射状分布,颜色鲜艳发红,透光性减弱;而无精蛋经光照后发亮,无血管网,透光性无变化。
在上述基于机器视觉的禽类受精蛋检测方法中,当所述待测禽蛋为鸡蛋时,步骤1所述孵化的条件为:温度37.8℃,相对湿度是55%-65%,禽蛋放置方式为钝端朝上、锐端朝下;步骤2中所述一定时间为5天;
当所述待测禽蛋为鸭蛋时,步骤1所述孵化的条件为:温度38.0℃,相对湿度是55%-65%,禽蛋放置方式为钝端朝上、锐端朝下;步骤2中所述一定时间为7天;
孵化的条件设定根据《家禽孵化与雏禽雌雄鉴别》,其他禽类大规模养殖较少,在此不做说明;
禽蛋放置方式根据受精蛋发育特性决定,禽蛋胚胎在发育时,头部在受精蛋的钝端部位,而且钝端朝上的放置方式也利于受精蛋出雏。
在上述基于机器视觉的禽类受精蛋检测方法中,步骤1所述孵化之前,包括对待测禽蛋进行表面消毒处理的步骤,以减少细菌的滋生;
所述表面消毒处理具体使用消毒液进行;
所述消毒液具体可为75%医用酒精(即酒精和水的体积比是3∶1)或0.4g/L高锰酸钾溶液(即高锰酸钾和水的比例是1g:2500mL);所述表面消毒处理在室温(15℃—40℃)条件下进行。
在上述基于机器视觉的禽类受精蛋检测方法中,步骤2中,所述相机为CCD相机,
和/或,所述拍摄的方式为:所述相机在待测禽蛋钝端一侧拍摄待测禽蛋;拍摄时待测禽蛋的放置方式为钝端朝上、锐端朝下,且在待测禽蛋的锐端一侧设发光光源照射待测禽蛋。
在上述基于机器视觉的禽类受精蛋检测方法中,
所述发光光源为LED光源;
和/或,所述拍摄时排除发光光源之外的光线;
具体可使拍摄在密闭的暗箱中进行,即相机、待测禽蛋和发光光源在同一暗箱内,排除外界光线对获取待测禽蛋图片时造成的干扰。
在上述基于机器视觉的禽类受精蛋检测方法中,步骤3包括如下步骤:
步骤3.1,将步骤2获得的待测禽蛋发育图片进行预处理,以有效抑制噪声;
步骤3.2,对经预处理后的图片进行灰度化处理,获得灰度图像;
步骤3.3,在灰度图像的待测禽蛋中心区域选取感兴趣区域;
步骤3.4,选取适当的像素值(灰度值)作为阈值T,对感兴趣区域进行二值化处理,获得待测禽蛋透光性结果;
步骤3中所用图像处理函数均为OPENCV函数库中的函数。
在上述基于机器视觉的禽类受精蛋检测方法中,步骤3.1中,预处理为中值滤波预处理;其基本原理是把数字图像或数字序列中一点的像素值用该点的一个邻域中各点的像素值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点,函数窗可选择3×3、5×5等奇数。
在上述基于机器视觉的禽类受精蛋检测方法中,步骤3.4中,二值化处理的方法为:将灰度图像中的感兴趣区域中像素点大于阈值T的像素值变为255,即白色像素点;将灰度图像中的感兴趣区域中像素点小于阈值T的像素值变为0,即黑色像素点。
在上述基于机器视觉的禽类受精蛋检测方法中,步骤3.4中,阈值T的选取方法为:
选取与待测禽蛋品种相同的禽蛋样本,按照与待测禽蛋相同的方法获得该样本中各受精蛋和无精蛋个体灰度图像中的感兴趣区域及其中所有像素点的像素值,得到区分受精蛋和无精蛋的适当的像素值(灰度值),即作为阈值T。
在上述基于机器视觉的禽类受精蛋检测方法中,步骤4包括如下步骤:
步骤4.1,获得感兴趣区域内黑色像素点个数n;
步骤4.2,设定判别阈值N;
步骤4.3,将黑色像素点个数n和判别阈值N进行比较,若黑色像素点个数n大于判别阈值N,则判断待测禽蛋为受精蛋。
在上述基于机器视觉的禽类受精蛋检测方法中,判别阈值N的设定方法为:统计与待测禽蛋品种相同的禽蛋样本中各受精蛋和无精蛋个体的感兴趣区域内黑色像素点个数n,得到区分受精蛋和无精蛋的适当的n值,作为判别阈值N。
在上述基于机器视觉的禽类受精蛋检测方法中,所述待测禽蛋的蛋壳颜色为白色。
本发明的有益效果如下:
本发明所述的基于机器视觉的禽类受精蛋检测方法,是在禽蛋发育一段时间后,使用CCD相机获取待测禽蛋发育图像,然后用数字图像处理算法提取待测禽蛋发育图像中感兴趣区域内的透光性结果,根据透光性结果,判断待测禽蛋为受精蛋还是无精蛋,与计算机结合,具有检测效率和准确性高的优点。本发明在取代传统的人工照蛋,减轻工人劳动强度,实现禽类受精蛋检测的自动化和产业化等方面,具有重要意义和应用价值。
附图说明
本发明有如下附图:
图1为本发明使用的检测装置结构示意图。
图2为实施例1透光性特征处理流程图。
具体实施方式
下面将结合说明书附图,对本发明做进一步说明。
本发明所提供的是一种基于机器视觉的禽类受精蛋的检测方法,基本原理是基于禽类受精蛋在发育过程中透光性减弱这个特性,目前,该检测方法只能把待测禽蛋鉴别为受精蛋或无精蛋,对于孵化过程中出现的死胚蛋问题,处理结果是:早期死胚蛋(透光性和无精蛋相似)判断为无精蛋,其它死胚蛋(透光性已变弱)判断为受精蛋。该检测方法包括如下步骤:
步骤1,将待测禽蛋开始孵化;
步骤2,获取经步骤1孵化一定时间的待测禽蛋发育图片;
步骤3,将步骤2获得待测禽蛋发育图片进行图像处理,获得待测禽蛋透光性结果;
步骤4,根据步骤3获得的待测禽蛋透光性结果,判断待测禽蛋是否为受精蛋;
所述待测禽蛋透光性是指待测禽蛋经过光照之后光线的透过情况。
在上述技术方案的基础上,步骤1的具体步骤为:
步骤1.1,在室温下对待测禽蛋用消毒液进行表面消毒处理,以减少细菌的滋生;
步骤1.2,将待测禽蛋以钝端朝上、锐端朝下的方式放进孵化箱内;
步骤1.3,设置孵化温度和相对湿度,开始孵化。
步骤1主要是为了获得合格的检测样品,样品的制备至关重要,孵化的重要参数都是按照《家禽孵化与雏禽雌雄鉴别》进行设定。
在上述技术方案的基础上,步骤1.1中,所述室温指温度为15℃—40℃。
在上述技术方案的基础上,步骤1.1中,所述消毒液为75%医用酒精或0.4g/L高锰酸钾溶液;
75%医用酒精中酒精和水的体积比是3∶1,0.4g/L高锰酸钾溶液中高锰酸钾和水的比例是1g:2500mL。
在上述技术方案的基础上,步骤1.2中,钝端朝上、锐端朝下的放置方式是根据受精蛋发育特性决定;禽蛋胚胎在发育时,头部在受精蛋的钝端部位,而且钝端朝上的放置方式也利于受精蛋出雏。
在上述技术方案的基础上,步骤1.3中,不同的禽蛋的孵化温度和相对湿度不同;鸡蛋的孵化温度为37.8℃,相对湿度是55%-65%;鸭蛋的孵化温度是38.0℃,相对湿度是55%-65%;参数设定根据《家禽孵化与雏禽雌雄鉴别》,其他禽类大规模养殖较少,在此不做说明。
在上述技术方案的基础上,步骤2的具体步骤为:
步骤2.1,将经步骤1孵化一定时间的待测禽蛋放到检测暗箱1的检测台5上;
步骤2.2,关闭检测暗箱,拍摄图片。
在上述技术方案的基础上,步骤2.1中,检测暗箱是一个密闭的箱体,排除外界光线对获取待测禽蛋图片时造成的干扰。
在上述技术方案的基础上,步骤2.1中,不同禽蛋的检测时间(即步骤1孵化一定时间)不同,鸡蛋的检测时间是5天,鸭蛋的检测时间是7天;检测时间是根据人工照蛋时间确定,详见《家禽孵化与雏禽雌雄鉴别》,受精蛋胚胎发育一段时间后,血管呈放射状分布,颜色鲜艳发红(即起眼期),透光性减弱;无精蛋发亮,无血管网,透光性无变化。其他禽类大规模养殖较少,在此不做说明。
在上述技术方案的基础上,步骤2.1中,检测台5中间有通孔10,是放置待测禽蛋的地方,待测禽蛋下方为光源3,待测禽蛋上方为CCD相机7,装置结构示意图如图1所示。
在上述技术方案的基础上,步骤3的具体步骤为:
步骤3.1,将步骤2获得待测禽蛋发育图片进行预处理;
步骤3.2,对经预处理后的图片进行灰度化处理;
步骤3.3,在待测禽蛋中心区域选取感兴趣区域;
步骤3.4,对感兴趣区域进行二值化处理;
在步骤3中所用图像处理函数均为OPENCV函数库中的函数。
在上述技术方案的基础上,步骤3.1中,图片预处理是指中值滤波预处理,中值滤波是能有效抑制噪声,其基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点,函数窗可选择3×3、5×5等奇数。
在上述技术方案的基础上,步骤3.2中,对图像进行灰度化处理是指将彩色图像转化成为灰度图像。将三通道的彩色图像转化成单通道的灰度图像可以在后期图像处理中大大减少图像的计算量,而且灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的亮度等级的分布和特征。
在上述技术方案的基础上,步骤3.3中,感兴趣区域(Regions of Interest简称ROI)即图像中最能引起用户兴趣,最能表现图像内容的区域,如能提取出这些区域将会大大提高图像处理和分析的效率和准确度。
在上述技术方案的基础上,步骤3.4中,图像的二值化处理就是将图像上的点的像素值为0或255,也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级(0-255)的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。所有像素值度大于或等于阈值T的像素点被判定为属于特定物体,其像素值变为255,否则这些像素点被排除在物体区域以外,像素值为0,表示背景或者例外的物体区域。
在上述技术方案的基础上,步骤4的具体步骤为:
步骤4.1,获得感兴趣区域内黑色像素点的个数n;
步骤4.2,设定判别阈值N;
步骤4.3,将黑色像素点个数n和判别阈值N进行比较,黑色像素点个数n大于判别阈值N,则判断为受精蛋;
在上述技术方案的基础上,步骤4.1中,遍历感兴趣区域内的每个像素,判断每个像素的数值,数值为0是黑色像素点,数值为255是白色像素点,记录黑色像素点的个数n。
在上述技术方案的基础上,步骤4.2中,判别阈值N是区分受精蛋和无精蛋的值。
在上述技术方案的基础上,步骤4.3中,对步骤4.1中得到的黑色像素点的个数n与步骤4.2中得到的判别阈值N进行比较,黑色像素点个数n大于判别阈值N,则判断为受精蛋,否则,判断为无精蛋。
本发明是基于机器视觉的禽类受精蛋检测方法,因为图像处理时蛋壳颜色会影响待测禽蛋的透光性,所以该方法更适用于白壳禽蛋。
实施例1、基于机器视觉的鸭受精蛋检测方法
本实施例所用的待测禽蛋为樱桃谷鸭蛋(蛋壳颜色为白色)。
如图2所示,具体检测方法如下:
步骤1,将待测禽蛋开始孵化:
步骤1.1,在室温(15℃—40℃)下对待测禽蛋用75%医用酒精进行表面消毒处理;
步骤1.2,将待测禽蛋以钝端朝上、锐端朝下的方式放进孵化箱内;
步骤1.3,在孵化温度38.0℃和相对湿度55%-65%条件下,开始孵化。
步骤2,获取经步骤1孵化7天的待测禽蛋发育图片:
此时受精蛋胚胎经光照后可见血管呈放射状分布,颜色鲜艳发红(起眼期),透光性减弱;而无精蛋经光照后发亮,无血管网,透光性无变化;
使用图1所示的检测装置进行,该装置包括:检测暗箱1,检测暗箱1为一个密闭的箱体,检测暗箱1内设检测台5,检测台5中间设通孔10,通孔10旁设温度传感器2,温度传感器2与单片机8相连,在通孔10正上方设CCD相机7,在通孔10正下方设光源3,光源3下方设散热风扇4,CCD相机7与计算机9相连;
其中,CCD相机7的型号MER-200-14GC,像素200万,分辨率1628×1236,帧率14fps,来自于大恒图像;
光源3为定制LED面光源,色温为6000K,尺寸为360mm×500mm,功率为132W;
具体操作如下:
步骤2.1,将待测禽蛋6以钝端朝上、锐端朝下的方式放到检测暗箱1的检测台5上的通孔10处;检测暗箱1是一个密闭的箱体,排除外界光线对获取待测禽蛋图片时造成的干扰;
步骤2.2,关闭检测暗箱1,打开光源3,向待测禽蛋发射出透射光线,使用CCD相机7拍摄待测禽蛋,采集待测禽蛋的透光图像,获得待测禽蛋的图像信号,然后转化成数字信号传给计算机9,并将图像保存,即待测禽蛋发育图片;
温度传感器2和散热风扇4用于控制待测禽蛋附近的温度保持在38℃。
步骤3,将步骤2获得的待测禽蛋发育图片进行图像处理,获得待测禽蛋透光性结果;图像处理所用函数均为OPENCV函数库中的函数,具体如下:
步骤3.1,将步骤2获得的待测禽蛋发育图片进行预处理;
所述预处理是指中值滤波预处理,中值滤波函数是medianBlur(src,dst,3),其中,src是指原始图像,dst是指转化后图像,3代表选取的是3×3函数窗,中值滤波预处理能够在抑制噪声的同时减少处理时间;
步骤3.2,对经预处理后的图片进行灰度化处理,获得灰度图像;
所述灰度化处理是指将彩色图像转化成为灰度图像,将三通道的彩色图像转化成单通道的灰度图像可以在后期图像处理中大大减少图像的计算量,灰度化处理函数是CvtColor(src,dst),其中,src是指彩色图像,dst是指灰度图像;
步骤3.3,在灰度图像的待测禽蛋中心区域选取感兴趣区域;
选取像素面积为300×300的矩形区域作为感兴趣区域,该区域要在待测禽蛋的中心选取,尽量包含待测禽蛋的图像信息;
步骤3.4,选取适当的像素值作为阈值T,对感兴趣区域进行二值化处理;获得待测禽蛋透光性结果:
二值化处理就是将灰度图像上点的像素值变为0或255,也就是将整个图像呈现出明显的黑白效果,二值化处理分为全局二值化和自适应二值化,此处采用的是全局二值化处理函数threshold(src,dst,thresh,maxval,type),其中,src是指灰度图像,dst是指二值化图像,thresh是阈值T的具体值,maxval取值为255,type取值为0(0:THRESH_BINARY当前点值大于阈值时,取Maxval,也就是第四个参数,否则设置为0);
阈值T的范围是0-255,本实施例对鸭蛋灰度图像进行二值化处理,选取阈值T=200。该阈值T的取值方法如下:
从待测禽蛋中随机取100个待测禽蛋作为已知样本(其中80个经传统人工照蛋判别为受精蛋,20个经传统人工照蛋判别为无精蛋)按照上述步骤得到的感兴趣区域进行逐点扫描,求出每个点的像素值,通过分析发现,受精蛋图像中每个点的像素值一般都在150以下,而无精蛋的每个点的像素值一般都在220以上,所以,在150-220之间的像素值中取一个数值就可以作为阈值,对于受精蛋来说,每个点的灰度值一般都小于阈值,二值化后大部分是0,即为黑色像素点,当然也有白色像素点,但是比较少,对于无精蛋来说,每个点的灰度值一般都大于阈值,二值化后大部分是255,即为白色像素点。阈值T的取值越大,越容易判断为受精蛋,为了尽可能减少对受精蛋的判断错误,本实施例选取阈值T=200;
遍历感兴趣区域内的每个点的像素值,判断每个点的像素值的二值化处理后的数值,若像素值大于阈值T,则该点的数值为255,是白色像素点,若像素值小于或等于阈值T,则该点的数值为0,是黑色像素点;记录黑色像素点的个数n。
步骤4,根据步骤3获得的待测禽蛋透光性结果,判断待测禽蛋是否为受精蛋:
步骤4.1,获得感兴趣区域内黑色像素点的个数n:
遍历感兴趣区域内的每个像素,判断每个像素的数值,数值为0是黑色像素点,数值为255是白色像素点,记录黑色像素点的个数n;
步骤4.2,设定判别阈值N;
判别阈值N是区分受精蛋和无精蛋的值,设判别阈值N=2100,N的值是在大批量图像处理的基础上取得的:对步骤3.4中100个已知样本的二值化处理结果进行分析,受精蛋的黑色像素点的个数n几乎都大于3000,而非受精蛋的黑色像素点的个数n几乎都小于1000,即判别阈值N在1000-3000内取值都是可以的,本实施例中判别阈值N选取了2100,避免一些特殊情况时判断错误;
步骤4.3,将待测禽蛋的黑色像素点的个数n和判别阈值N进行比较,当n大于N时,则判断待测禽蛋为受精蛋,继续孵化;当n小于或等于N时,则判断待测禽蛋为无精蛋,及时剔除。
阈值T和判别阈值N的取值和待测禽蛋的种类、蛋壳颜色、检测环境和检测方法有直接关系,当待测禽蛋或检测环境以及检测方法发生改变,阈值T和判别阈值N都会发生改变,即阈值T和判别阈值N的取值只适用于特定检测禽蛋在特定环境和方法下的检测。
对于检测某种禽蛋(鸡蛋或鸭蛋及其品种确定),检测环境和方法不发生改变,阈值T和判别阈值N的取值只需设置一次,就可以重复检测这种禽蛋,不需要每次检测都重新确定。
结果:待测禽蛋共300枚樱桃谷鸭蛋,经上述方法检测为受精蛋的有285枚,无精蛋为15枚,传统人工照蛋判别为受精蛋的有288枚,无精蛋为12枚,与传统人工照蛋方法相比,检测准确率为98.96%。
实施例2、基于机器视觉的鸡受精蛋检测方法
本实施例所用的待测禽蛋为农大五号鸡蛋(蛋壳颜色为白色)。
按照实施例1的检测方法进行,系统硬件不变,但检测参数做如下改变:
步骤1.1,在室温(15℃—40℃)下对待测禽蛋用0.4g/L高锰酸钾溶液进行表面消毒处理;
步骤1.3,在孵化温度37.8℃和相对湿度55%-65%条件下,开始孵化;
步骤2,获取经步骤1孵化5天的待测禽蛋发育图片;此时受精蛋胚胎经光照后可见血管呈放射状分布,颜色鲜艳发红(即起眼期),透光性减弱;而无精蛋经光照后发亮,无血管网,透光性无变化;
步骤3中,阈值T=220,
步骤4中,判别阈值N=2300。
结果:待测禽蛋共200枚农大五号鸡蛋,经上述方法检测为受精蛋的有180枚,无精蛋为20枚,传统人工照蛋判别为受精蛋的有185枚,无精蛋为15枚,与传统人工照蛋方法相比,检测准确率为97.30%。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (10)
1.一种基于机器视觉的禽类受精蛋检测方法,其特征在于:包括如下步骤:
步骤1,将待测禽蛋开始孵化;
步骤2,使用相机拍摄经步骤1孵化一定时间的待测禽蛋发育图片;
步骤3,将步骤2获得的待测禽蛋发育图片进行图像处理,获得待测禽蛋透光性结果;
步骤4,根据步骤3获得的待测禽蛋透光性结果,判断待测禽蛋是否为受精蛋。
2.如权利要求1所述的基于机器视觉的禽类受精蛋检测方法,其特征在于:步骤2中,使用相机拍摄时,如待测禽蛋为受精蛋,经步骤1孵化一定时间的发育期为起眼期。
3.如权利要求1或2所述的基于机器视觉的禽类受精蛋检测方法,其特征在于:当所述待测禽蛋为鸡蛋时,步骤1所述孵化的条件为:温度37.8℃,相对湿度是55%-65%,禽蛋放置方式为钝端朝上、锐端朝下;步骤2中所述一定时间为5天,
当所述待测禽蛋为鸭蛋时,步骤1所述孵化的条件为:温度38.0℃,相对湿度是55%-65%,禽蛋放置方式为钝端朝上、锐端朝下;步骤2中所述一定时间为7天。
4.如权利要求1或2所述的基于机器视觉的禽类受精蛋检测方法,其特征在于:
步骤1所述孵化之前,包括对待测禽蛋进行表面消毒处理的步骤,以减少细菌的滋生;
所述表面消毒处理使用消毒液进行。
5.如权利要求1或2所述的基于机器视觉的禽类受精蛋检测方法,其特征在于:步骤2中,所述相机为CCD相机,
和/或,所述拍摄的方式为:所述相机在待测禽蛋钝端一侧拍摄待测禽蛋;拍摄时待测禽蛋的放置方式为钝端朝上、锐端朝下,且在待测禽蛋的锐端一侧设发光光源照射待测禽蛋。
6.如权利要求1或2所述的基于机器视觉的禽类受精蛋检测方法,其特征在于:步骤3包括如下步骤:
步骤3.1,将步骤2获得的待测禽蛋发育图片进行预处理,以有效抑制噪声;
步骤3.2,对经预处理后的图片进行灰度化处理,获得灰度图像;
步骤3.3,在灰度图像的待测禽蛋中心区域选取感兴趣区域;
步骤3.4,选取阈值T,对感兴趣区域进行二值化处理,获得待测禽蛋透光性结果。
7.如权利要求6所述的基于机器视觉的禽类受精蛋检测方法,其特征在于:步骤3.1中,预处理为中值滤波预处理;
和/或,步骤3.4中,二值化处理的方法为:将灰度图像中的感兴趣区域中像素点大于阈值T的像素值变为255,即白色像素点;将灰度图像中的感兴趣区域中像素点小于阈值T的像素值变为0,即黑色像素点。
8.如权利要求6所述的基于机器视觉的禽类受精蛋检测方法,其特征在于:步骤3.4中,阈值T的选取方法为:
选取与待测禽蛋品种相同的禽蛋样本,按照与待测禽蛋相同的方法获得该样本中各受精蛋和无精蛋个体灰度图像中的感兴趣区域及其中所有像素点的像素值,得到区分受精蛋和无精蛋的适当的像素值作为阈值T。
9.如权利要求6所述的基于机器视觉的禽类受精蛋检测方法,其特征在于:步骤4包括如下步骤:
步骤4.1,获得感兴趣区域内黑色像素点个数n;
步骤4.2,设定判别阈值N;
步骤4.3,将黑色像素点个数n和判别阈值N进行比较,若黑色像素点个数n大于判别阈值N,则判断待测禽蛋为受精蛋;否则为无精蛋。
10.如权利要求9所述的基于机器视觉的禽类受精蛋检测方法,其特征在于:判别阈值N的设定方法为:统计与待测禽蛋品种相同的禽蛋样本中各受精蛋和无精蛋个体的感兴趣区域内黑色像素点个数n,得到区分受精蛋和无精蛋的适当的n值,作为判别阈值N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610802111.3A CN106645605B (zh) | 2016-09-05 | 2016-09-05 | 基于机器视觉的禽类受精蛋检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610802111.3A CN106645605B (zh) | 2016-09-05 | 2016-09-05 | 基于机器视觉的禽类受精蛋检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106645605A true CN106645605A (zh) | 2017-05-10 |
CN106645605B CN106645605B (zh) | 2019-01-08 |
Family
ID=58851521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610802111.3A Active CN106645605B (zh) | 2016-09-05 | 2016-09-05 | 基于机器视觉的禽类受精蛋检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106645605B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220972A (zh) * | 2017-06-07 | 2017-09-29 | 重庆大学 | 一种基于红外图像的禽蛋品质鉴别方法 |
CN107764770A (zh) * | 2017-09-29 | 2018-03-06 | 中国农业大学 | 基于近红外光谱的入孵前种蛋受精情况检测方法及装置 |
CN108318444A (zh) * | 2018-01-26 | 2018-07-24 | 中国农业大学 | 一种基于可见近红外光谱的孵化前未受精禽蛋判别方法 |
CN108605869A (zh) * | 2018-03-27 | 2018-10-02 | 浙江大学 | 一种融合种蛋参数的无精蛋光电检测方法 |
CN108801926A (zh) * | 2018-05-18 | 2018-11-13 | 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 |
CN110991220A (zh) * | 2019-10-15 | 2020-04-10 | 北京海益同展信息科技有限公司 | 禽蛋检测、图像处理方法,装置、电子设备及存储介质 |
CN111344587A (zh) * | 2017-11-13 | 2020-06-26 | 慕尼黑科技大学 | 自动无创式确定禽蛋的生育力和胚胎性别 |
CN111387087A (zh) * | 2020-04-10 | 2020-07-10 | 林心 | 一种鸡蛋孵化程度自动化检测系统 |
CN111570330A (zh) * | 2020-06-16 | 2020-08-25 | 华中农业大学 | 整盘种鸭蛋中无精蛋的机器视觉挑选装置及其方法 |
CN113340899A (zh) * | 2021-07-07 | 2021-09-03 | 青岛兴仪电子设备有限责任公司 | 种蛋胚胎活性检测的装置及方法 |
CN114096844A (zh) * | 2019-06-28 | 2022-02-25 | 四国计测工业株式会社 | 验蛋装置、验蛋程序及验蛋方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003274791A (ja) * | 2002-03-27 | 2003-09-30 | Horiuchi:Kk | 有精卵の雌雄鑑別技術 |
CN101672839A (zh) * | 2009-09-25 | 2010-03-17 | 南京农业大学 | 一种基于计算机视觉的种蛋孵化品质检测装置和方法 |
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 |
CN103033512A (zh) * | 2012-07-24 | 2013-04-10 | 南京农业大学 | 一种基于高光谱识别种蛋孵化的装置与方法 |
CN103026984A (zh) * | 2012-12-12 | 2013-04-10 | 华中农业大学 | 群体孵化蛋成活性的视觉检测分级装置及其方法 |
CN103823077A (zh) * | 2014-02-28 | 2014-05-28 | 北京汇实津梁电子信息技术有限公司 | 一种疫苗种蛋自动检测设备及其方法 |
CN105265341A (zh) * | 2015-11-10 | 2016-01-27 | 哈尔滨维科生物技术开发公司 | 一种种蛋检测器及种蛋筛选方法 |
US20160239953A1 (en) * | 2015-02-17 | 2016-08-18 | MatrixSpec Solutions Inc. | Systems, devices, and methods for detecting fertility and gender of unhatched eggs |
-
2016
- 2016-09-05 CN CN201610802111.3A patent/CN106645605B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003274791A (ja) * | 2002-03-27 | 2003-09-30 | Horiuchi:Kk | 有精卵の雌雄鑑別技術 |
CN101672839A (zh) * | 2009-09-25 | 2010-03-17 | 南京农业大学 | 一种基于计算机视觉的种蛋孵化品质检测装置和方法 |
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 |
CN103033512A (zh) * | 2012-07-24 | 2013-04-10 | 南京农业大学 | 一种基于高光谱识别种蛋孵化的装置与方法 |
CN103026984A (zh) * | 2012-12-12 | 2013-04-10 | 华中农业大学 | 群体孵化蛋成活性的视觉检测分级装置及其方法 |
CN103823077A (zh) * | 2014-02-28 | 2014-05-28 | 北京汇实津梁电子信息技术有限公司 | 一种疫苗种蛋自动检测设备及其方法 |
US20160239953A1 (en) * | 2015-02-17 | 2016-08-18 | MatrixSpec Solutions Inc. | Systems, devices, and methods for detecting fertility and gender of unhatched eggs |
CN105265341A (zh) * | 2015-11-10 | 2016-01-27 | 哈尔滨维科生物技术开发公司 | 一种种蛋检测器及种蛋筛选方法 |
Non-Patent Citations (2)
Title |
---|
张琰: "基于机器视觉的孵化卵在线监测系统研究", 《企业技术开发》 * |
李天华 等: "基于机器视觉技术的无精蛋鉴别研究", 《安徽农业科学》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107220972A (zh) * | 2017-06-07 | 2017-09-29 | 重庆大学 | 一种基于红外图像的禽蛋品质鉴别方法 |
CN107764770A (zh) * | 2017-09-29 | 2018-03-06 | 中国农业大学 | 基于近红外光谱的入孵前种蛋受精情况检测方法及装置 |
CN107764770B (zh) * | 2017-09-29 | 2019-09-17 | 中国农业大学 | 基于近红外光谱的入孵前种蛋受精情况检测方法及装置 |
CN111344587A (zh) * | 2017-11-13 | 2020-06-26 | 慕尼黑科技大学 | 自动无创式确定禽蛋的生育力和胚胎性别 |
CN111344587B (zh) * | 2017-11-13 | 2023-02-17 | 慕尼黑科技大学 | 自动无创式确定禽蛋的生育力和胚胎性别 |
CN108318444A (zh) * | 2018-01-26 | 2018-07-24 | 中国农业大学 | 一种基于可见近红外光谱的孵化前未受精禽蛋判别方法 |
CN108605869A (zh) * | 2018-03-27 | 2018-10-02 | 浙江大学 | 一种融合种蛋参数的无精蛋光电检测方法 |
CN108605869B (zh) * | 2018-03-27 | 2019-10-29 | 浙江大学 | 一种融合种蛋参数的无精蛋光电检测方法 |
CN108801926A (zh) * | 2018-05-18 | 2018-11-13 | 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 |
CN114096844A (zh) * | 2019-06-28 | 2022-02-25 | 四国计测工业株式会社 | 验蛋装置、验蛋程序及验蛋方法 |
CN110991220A (zh) * | 2019-10-15 | 2020-04-10 | 北京海益同展信息科技有限公司 | 禽蛋检测、图像处理方法,装置、电子设备及存储介质 |
CN110991220B (zh) * | 2019-10-15 | 2023-11-07 | 京东科技信息技术有限公司 | 禽蛋检测、图像处理方法,装置、电子设备及存储介质 |
CN111387087A (zh) * | 2020-04-10 | 2020-07-10 | 林心 | 一种鸡蛋孵化程度自动化检测系统 |
CN111570330B (zh) * | 2020-06-16 | 2021-10-01 | 华中农业大学 | 整盘种鸭蛋中无精蛋的机器视觉挑选装置及其方法 |
CN111570330A (zh) * | 2020-06-16 | 2020-08-25 | 华中农业大学 | 整盘种鸭蛋中无精蛋的机器视觉挑选装置及其方法 |
CN113340899A (zh) * | 2021-07-07 | 2021-09-03 | 青岛兴仪电子设备有限责任公司 | 种蛋胚胎活性检测的装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106645605B (zh) | 2019-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106645605B (zh) | 基于机器视觉的禽类受精蛋检测方法 | |
CN106872465B (zh) | 基于机器视觉的禽类受精蛋检测筛选装置 | |
Cibert et al. | Morphological screening of carp Cyprinus carpio: relationship between morphology and fillet yield | |
CN103026984B (zh) | 群体孵化蛋成活性的视觉检测分级装置及其方法 | |
CN107041325B (zh) | 一种禽胚蛋无损性别判定方法 | |
CN105766789B (zh) | 鸡只的体质健康检测方法和系统 | |
TWI736415B (zh) | 智慧水產投餵管理系統及投餵方法 | |
CN115067243B (zh) | 一种基于物联网技术的渔业监测分析方法、系统及存储介质 | |
JP2009513949A (ja) | 鳥卵の胚盤葉の位置を迅速かつ正確に特定する方法 | |
CN110176014A (zh) | 一种禾花鱼稻田生态养殖信息处理方法及系统 | |
Hai-ling et al. | Research on the discrimination of hatching eggs activity based on thermal imaging: A food nondestructive testing practice | |
Adamski et al. | The analysis of meat traits of Sussex cockerels and capons (S11) at different ages | |
Cheng et al. | Research progress on bird eggshell quality defects: a review | |
Zhou et al. | Detection of abnormal chicken droppings based on improved Faster R-CNN | |
CN116649263A (zh) | 一种瘦身鱼的三级吊水养殖系统以及养殖方法 | |
Akram et al. | Study of body measurements and slaughter characteristics in Japanese quail as influenced by age | |
Bilgili et al. | Green muscle disease | |
CN109496922A (zh) | 一种静水压诱导虹鳟四倍体的制种方法 | |
CN108782458A (zh) | 一种改良泰深鸽的培育方法 | |
Zainuddin et al. | Classification of fertile and infertile eggs using thermal camera image and histogram analysis: technology application in poultry farming industry | |
Andrianov et al. | Using the heart rate of a bird embryo to monitor its condition | |
CN106577441A (zh) | 温度可控的虾养殖挑拣一体装置 | |
CN109984061A (zh) | 一种章鱼受精卵人工孵化方法 | |
Tougan et al. | Influence of feed withdrawal length on carcass traits and technological quality of indigenous chicken meat reared under traditional system in Benin | |
Gamara et al. | Shrimp growth monitoring system using image processing techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |