CN107576660B - 一种基于距离等高线的双黄鸭蛋自动视觉检测方法 - Google Patents
一种基于距离等高线的双黄鸭蛋自动视觉检测方法 Download PDFInfo
- Publication number
- CN107576660B CN107576660B CN201710783438.5A CN201710783438A CN107576660B CN 107576660 B CN107576660 B CN 107576660B CN 201710783438 A CN201710783438 A CN 201710783438A CN 107576660 B CN107576660 B CN 107576660B
- Authority
- CN
- China
- Prior art keywords
- egg
- image
- duck
- double
- contour
- 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)
Abstract
本发明公开了一种基于距离等高线的双黄鸭蛋自动视觉检测方法,涉及农产品无损检测技术领域。其装置是:在暗箱底部正中间设置光源,光源正上方放置待测鸭蛋,待测鸭蛋正上方放置工业相机,工业相机通过数据传输线与计算机相连;其方法包括下列步骤:①鸭蛋图像的采集;②鸭蛋图像的预处理;③蛋黄特征的提取;④判断鸭蛋是否有是双黄蛋。本发明针对每一个鸭蛋单独分析是否为双黄蛋,不依赖大样本统计分析;对蛋黄区域特征的提取,采用对灰度图的腐蚀膨胀,并自动取阈值,获得的蛋黄轮廓更加准确;利用等高线来区分双黄蛋和单黄蛋,更加直观和准确;该方法鲁棒性强,适用范围广。
Description
技术领域
本发明涉及农产品无损检测技术领域,尤其涉及一种基于距离等高线的双黄鸭蛋自动视觉检测方法。
背景技术
一方面,由于双黄蛋具有丰富的营养价值,以及人们对双黄蛋的美好寓意的消费心理,使得其成为消费市场中的热销品,其商业价值远大于单黄鸭蛋;另一方面,双黄蛋不能作为种蛋进行孵化,因此在种蛋挑选时要将双黄蛋剔除出来。因此双黄蛋的无损鉴别尤其重要。
目前,我国中、小禽蛋生产企业多采用人工照蛋的方式来辨别双黄蛋和单黄蛋,劳动强度大,易受主观因素影响,工作效率低。研究双黄鸭蛋的自动识别方法具有重要的理论价值和实际生产意义。
近几年,已有学者针对双黄禽蛋的自动识别进行了研究。
屠康(一种基于计算机视觉的双黄鸭蛋自动识别检测方法,CN 201410588912.5)利用Fisher线性判别模型对蛋黄轮廓形状特征参数进行判别,确定样品蛋是否为双黄蛋。但该方法可能存在部分问题:1、该专利认为一般双黄蛋蛋黄的形状为双圆形,实际处理中,得到的蛋黄图像有可能不规则;2、直接使用Otsu分割蛋黄,如果有干扰,一般分割出来的区域比较大;3、使用神经网络训练,需要大量样本,且正确率不能保证100%,不同品种鸭蛋还需多次训练。
汪俊德(基于计算机视觉技术的双黄鸭蛋检测系统研究)通过提取鸡蛋的蛋形尺寸、蛋黄特征和蛋黄指数等特征,实现利用建立的关系模型完成双黄鸡蛋的识别检测。但是该方法需要分析大量的样本来保证结果的正确性。
发明内容
本发明的目的就在于克服现有技术存在的需要大量样本和对蛋黄区域采用常规Otus分割等局限,提供一种基于距离等高线的双黄鸭蛋自动视觉检测方法,利用有效图像处理算法,对单个鸭蛋直接检测出结果。
本发明的目的是这样实现的:
首先,将待测鸭蛋放置在暗箱的托盘上,打开光源、计算机,有计算机发出指令让工业相机拍照,图像采集卡获得数字化图像;然后,使用Matlab软件对图像进行一系列的图像处理,提取蛋黄区域特征检测是否为双黄蛋。
具体地说:
一、基于距离等高线的双黄鸭蛋自动视觉检测装置(简称装置)
本装置由暗箱、光源、工业相机和计算机等组成;
在暗箱的底部正中间,设置有光源,在顶部正中,设置有工业相机;光源正上方放置待测鸭蛋;工业相机通过数据传输线与计算机连接;光源、待测鸭蛋和工业相机处于空间同一条直线上。
二、基于距离等高线的双黄鸭蛋自动视觉检测方法(简称方法)
本方法包括下列步骤:
①鸭蛋图像的采集
将一枚待测鸭蛋放置在暗箱内,启动工业相机拍照,获得鸭蛋的透射光图像;
②鸭蛋图像的预处理
A、读取拍摄的RGB图像I1,把从图像I1中提取的R分量与G分量相加,使用最大类间方差法获得图像二值图,对二值图腐蚀膨胀,去掉鸭蛋轮廓附近的干扰,获得完整的鸭蛋轮廓二值图I2;
B、叠加三次单通道图像I2,得到三通道图像,再与图像I1相乘,获得背景全黑、前景鸭蛋不变的RGB图像I3;
C、提取图像I3的G分量,获得图像I3G,通过高帽滤波、低帽滤波和锐化,获得增强蛋黄区域对比度的灰度图像I4;
③蛋黄特征的提取
Ⅰ、对灰度图像I4进行基于开的重建操作,获得灰度图像I5,其中腐蚀操作的结构元素使用圆形,结构元素大小采取基于I5整体亮度低于某一阈值而自动获取;
Ⅱ、图像I5中蛋清区域亮度最高,使用局部极大值,获得二值图像I6,图像I6由外向内分三层,分别是黑色的背景、白色的蛋清和黑色的蛋黄;
Ⅲ、对二值图像I6取反后,得到白色蛋黄、黑色蛋清、白色背景,利用单通道的叠加方法,把背景变黑。最后中值滤波,得到二值图像I7;
④判断鸭蛋是否有是双黄蛋
ⅰ、首先判断二值图像I7的联通区域的个数n,如果个数n为2,则说明是双黄蛋,如果个数n就是1,进行下一步操作;
ⅱ、计算二值图像I7的欧几里得矩阵D,再对D作距离归一化,画出以较小等级分级的等高线图D2。观察D2可知,若为双黄蛋,左右必有两个数值相同,但不相连的等高线,若为单黄蛋,只有一系列严格单调递减的等高线;
ⅲ、提取D2中的等高线数值C,对C进行降序排列,如果是严格单调递减序列,则说明此鸭蛋为单黄蛋,如果有连续的两个数值v相等,则说明此鸭蛋为双黄蛋,进入下一步操作;
ⅳ、对等高线图D2取反得图像D3,并在D3中指定对应在D2图中等高线大于v值处取得极小值;对D3使用分水岭操作,再与I7进行逻辑操作“与”,得到分割出两个蛋黄的二值图像L,并以方框标出蛋黄。
本发明具有以下优点和积极效果:
①针对每一个鸭蛋单独分析是否为双黄蛋,不依赖大样本统计分析;
②对蛋黄区域特征的提取,采用对灰度图的腐蚀膨胀,并自动取阈值,获得的蛋黄轮廓更加准确;
③利用等高线来区分双黄蛋和单黄蛋,更加直观和准确;
④该方法鲁棒性强,对于那些形状大致满足两头大、中间小的相连接的双黄蛋都可以鉴别出来,还适用于其他禽蛋的双黄蛋和类似形状物体的鉴别。
附图说明
图1是本装置的结构示意图;
图2是图像处理过程的图像;
图3是图像处理软件的工作流程图。
图1中:
1—暗箱;
2—光源;
3—待测蛋;
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,本装置由暗箱1、光源2、工业相机4、计算机5组成;
其位置和连接关系是:
在暗箱1底部正中间设置光源2,光源2正上方放置待测鸭蛋3,待测鸭蛋3正上方放置工业相机4,工业相机4通过数据传输线与计算机5相连。
2、功能部件
1)暗箱1
暗箱1是一种立方形空心不锈钢箱。
2)光源2
光源2是一种通用外购件,如照蛋器;其功能是透射禽蛋3。
3)工业相机4
工业相机4是一种通用外购件,如选用JAI工业相机;其功能是采集鸭蛋的图像。
4)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4G,Windows 8.1系统。
二、方法
1、图像处理过程
如图2,图像处理过程的图像包括:
1)图2-1:RGB图像I1;
2)图2-2:二值图像I2;
3)图2-3:RGB图像I3;
4)图2-4:灰度图像I4;
5)图2-5:灰度图I5;
6)图2-6:二值图像I6;
7)图2-7:二值图像I7;
8)图2-8:等高线图D2;
9)图2-9:二值图像L;
10)图2-10:单黄蛋等高线图(此为与等高线D2的对比示意图)。
2、图像处理软件的工作流程
如图3,图像处理软件的工作流程:
a、读取图像I1-301;
b、提取R、G分量,相加,最大类间方差法,腐蚀膨胀,得二值图像I2-302;
c、叠加单通道,相乘,得RGB图像I3-303;
d、提取G分量,高帽滤波、低帽滤波和锐化,得灰度图像I4-304;
e、基于开的重建操作,得灰度图像I5-305;
f、使用局部极大值,获得二值图像I6-306;
g、取反,单通道叠加,中值滤波,得二值图像I7-307;
h、判断联通区域数量n-308,
如n=2,则为双黄蛋-309;如n=1,则进入下一步骤;
i、计算欧几里得矩阵,归一化,等高线分级,得等高线图D2-310;
j、提取等高线数值C,降序排列-311,
如严格单调递减,说明是单黄蛋-312,跳转到步骤l,流程结束;
如有连续的两个数值相等,说明是双黄蛋,并进入下一步骤;
k、取反-313,指定极小值,分水岭,逻辑与,得二值图像L,在质心处标记数字,并以方框标记出蛋黄;
l、结束-314。
Claims (2)
1.一种基于距离等高线的双黄鸭蛋自动视觉检测方法,其装置由暗箱(1)、光源(2)、工业相机(4)、计算机(5)组成;在暗箱(1)底部正中间设置光源(2),光源(2)正上方放置待测鸭蛋(3),待测鸭蛋(3)正上方放置工业相机(4),工业相机(4)通过数据传输线与计算机(5)相连;
其特征在于包括下列步骤:
①鸭蛋图像的采集
将一枚待测鸭蛋放置在暗箱内,启动工业相机拍照,获得鸭蛋的透射光图像;
②鸭蛋图像的预处理
A、读取拍摄的RGB图像I1,把从图像I1中提取的R分量与G分量相加,使用最大类间方差法获得图像二值图,对二值图腐蚀膨胀,去掉鸭蛋轮廓附近的干扰,获得完整的鸭蛋轮廓二值图I2;
B、叠加三次单通道图像I2,得到三通道图像,再与图像I1相乘,获得背景全黑、前景鸭蛋不变的RGB图像I3;
C、提取图像I3的G分量,获得图像I3G,通过高帽滤波、低帽滤波和锐化,获得增强蛋黄区域对比度的灰度图像I4;
③蛋黄特征的提取
Ⅰ、对灰度图像I4进行基于开的重建操作,获得灰度图像I5,其中腐蚀操作的结构元素使用圆形,结构元素大小采取基于I5整体亮度低于某一阈值而自动获取;
Ⅱ、图像I5中蛋清区域亮度最高,使用局部极大值,获得二值图像I6,图像I6由外向内分三层,分别是黑色的背景、白色的蛋清和黑色的蛋黄;
Ⅲ、对二值图像I6取反后,得到白色蛋黄、黑色蛋清、白色背景,利用单通道的叠加方法,把背景变黑;最后中值滤波,得到二值图像I7;
④判断鸭蛋是否有是双黄蛋
ⅰ、首先判断二值图像I7的联通区域的个数n,如果个数n为2,则说明是双黄蛋,如果个数n就是1,进行下一步操作;
ⅱ、计算二值图像I7的欧几里得矩阵D,再对D作距离归一化,画出以较小等级分级的等高线图D2;观察D2可知,若为双黄蛋,左右必有两个数值相同,但不相连的等高线,若为单黄蛋,只有一系列严格单调递减的等高线;
ⅲ、提取D2中的等高线数值C,对C进行降序排列,如果是严格单调递减序列,则说明此鸭蛋为单黄蛋,如果有连续的两个数值v相等,则说明此鸭蛋为双黄蛋,进入下一步操作;
ⅳ、对等高线图D2取反得图像D3,并在D3中指定对应在D2图中等高线大于v值处取得极小值;对D3使用分水岭操作,再与I7进行逻辑操作“与”,得到分割出两个蛋黄的二值图像L,并以方框标出蛋黄。
2.按权利要求1所述的一种基于距离等高线的双黄鸭蛋自动视觉检测方法,其特征在于:
所述的计算机(5)内置有图像处理软件,其工作流程是:
a、读取图像I1(301);
b、提取R、G分量,相加,最大类间方差法,腐蚀膨胀,得二值图像I2(302);
c、叠加单通道,相乘,得RGB图像I3(303);
d、提取G分量,高帽滤波、低帽滤波和锐化,得灰度图像I4(304);
e、基于开的重建操作,得灰度图像I5(305);
f、使用局部极大值,获得二值图像I6(306);
g、取反, 单通道叠加,中值滤波,得二值图像I7(307);
h、判断联通区域数量n(308),
如n=2,则为双黄蛋(309);如n=1,则进入下一步骤;
i、计算欧几里得矩阵,归一化,等高线分级,得等高线图D2(310);
j、提取等高线数值C,降序排列(311),
如严格单调递减,说明是单黄蛋(312),跳转到步骤l,流程结束;
如有连续的两个数值相等,说明是双黄蛋,并进入下一步骤;
k、取反(313),指定极小值,分水岭,逻辑与,得二值图像L,在质心处标记数字,并以方框标记出蛋黄;
l、结束(314)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710783438.5A CN107576660B (zh) | 2017-09-04 | 2017-09-04 | 一种基于距离等高线的双黄鸭蛋自动视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710783438.5A CN107576660B (zh) | 2017-09-04 | 2017-09-04 | 一种基于距离等高线的双黄鸭蛋自动视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107576660A CN107576660A (zh) | 2018-01-12 |
CN107576660B true CN107576660B (zh) | 2019-07-05 |
Family
ID=61031127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710783438.5A Active CN107576660B (zh) | 2017-09-04 | 2017-09-04 | 一种基于距离等高线的双黄鸭蛋自动视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107576660B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109164107A (zh) * | 2018-10-09 | 2019-01-08 | 辽宁大学 | 一种无损检测野外杂色山雀卵孵化时间的装置及方法 |
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 |
CN110490861A (zh) * | 2019-08-22 | 2019-11-22 | 石河子大学 | 一种用于黄板上蚜虫的识别方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103983190A (zh) * | 2014-05-22 | 2014-08-13 | 华中农业大学 | 群体产地鸭蛋外形尺寸的视觉检测分级装置及其方法 |
CN104297439A (zh) * | 2014-10-21 | 2015-01-21 | 南京农业大学 | 一种基于计算机视觉的双黄鸭蛋自动识别检测方法 |
-
2017
- 2017-09-04 CN CN201710783438.5A patent/CN107576660B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103983190A (zh) * | 2014-05-22 | 2014-08-13 | 华中农业大学 | 群体产地鸭蛋外形尺寸的视觉检测分级装置及其方法 |
CN104297439A (zh) * | 2014-10-21 | 2015-01-21 | 南京农业大学 | 一种基于计算机视觉的双黄鸭蛋自动识别检测方法 |
Non-Patent Citations (3)
Title |
---|
Research on the Method of Quality Detection of Duck Egg Based on Computer Vision;Yeqin Wang et al.;《Applied Mechanics and Materials》;20110622;第65卷;第524-529页 |
基于计算机视觉技术的双黄鸡蛋检测系统研究;汪俊德等;《农机化研究》;20120930(第9期);第195-198、202页 |
高速打蛋机蛋清蛋黄分离中基于计算机视觉的散黄蛋识别研究;谢雄峰、王树才;《广东农业科学》;20141231(第17期);第176-179、200页 |
Also Published As
Publication number | Publication date |
---|---|
CN107576660A (zh) | 2018-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107576660B (zh) | 一种基于距离等高线的双黄鸭蛋自动视觉检测方法 | |
CN107977671B (zh) | 一种基于多任务卷积神经网络的舌象分类方法 | |
CN110097034B (zh) | 一种智能人脸健康程度的识别与评估方法 | |
CN107230202B (zh) | 路面病害图像的自动识别方法和系统 | |
JP6999812B2 (ja) | 骨年齢評価と身長予測モデルの確立方法、そのシステム及びその予測方法 | |
Lu et al. | Histogram-based automatic thresholding for bruise detection of apples by structured-illumination reflectance imaging | |
CN104764744B (zh) | 一种禽蛋新鲜度的视觉检测装置及其方法 | |
CN107437243B (zh) | 基于x光图像的轮胎杂质检测方法及装置 | |
CN111160451A (zh) | 一种柔性材料检测方法及其储存介质 | |
CN106815819B (zh) | 多策略粮虫视觉检测方法 | |
CN103593670A (zh) | 一种基于在线序列极限学习机的铜板带表面缺陷检测方法 | |
CN116188475B (zh) | 一种外观缺陷自动光学检测的智慧控制方法、系统及介质 | |
CN104143087A (zh) | 基于sd-oct的挫伤性视网膜内外节缺失检测方法 | |
CN103914708A (zh) | 基于机器视觉的食品品种检测方法及系统 | |
CN104297439A (zh) | 一种基于计算机视觉的双黄鸭蛋自动识别检测方法 | |
CN105911268A (zh) | 一种胶体金试纸条检测结果自动读取仪器及其应用 | |
CN114445707A (zh) | 瓶装水标签缺陷智能化视觉精细检测方法 | |
CN111275705A (zh) | 智能验布方法、装置、电子设备及存储介质 | |
CN103528967A (zh) | 基于高光谱图像的过熟蓝靛果果实识别方法 | |
CN113435460A (zh) | 一种亮晶颗粒灰岩图像的识别方法 | |
CN116559111A (zh) | 一种基于高光谱成像技术的高粱品种识别方法 | |
CN114359539A (zh) | 一种生鱼片中寄生虫高光谱图像智能识别方法 | |
CN102298780B (zh) | 一种彩色图像阴影检测方法 | |
Janardhana et al. | Computer aided inspection system for food products using machine vision—a review | |
PP et al. | Automated quality assessment of cocoons using a smart camera based system |
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 |