CN107993203A - 一种家禽胴体影像分级方法及其分级系统 - Google Patents

一种家禽胴体影像分级方法及其分级系统 Download PDF

Info

Publication number
CN107993203A
CN107993203A CN201711205935.3A CN201711205935A CN107993203A CN 107993203 A CN107993203 A CN 107993203A CN 201711205935 A CN201711205935 A CN 201711205935A CN 107993203 A CN107993203 A CN 107993203A
Authority
CN
China
Prior art keywords
image
trunk
fowl trunk
fowl
collection station
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
Application number
CN201711205935.3A
Other languages
English (en)
Other versions
CN107993203B (zh
Inventor
张奎彪
刘立峰
刘辉
钟绍辉
孙博
刘晓红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin aiske electromechanical Co.,Ltd.
Original Assignee
JILIN SSK MACHINERY & ELECTRON Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by JILIN SSK MACHINERY & ELECTRON Co Ltd filed Critical JILIN SSK MACHINERY & ELECTRON Co Ltd
Priority to CN201711205935.3A priority Critical patent/CN107993203B/zh
Publication of CN107993203A publication Critical patent/CN107993203A/zh
Application granted granted Critical
Publication of CN107993203B publication Critical patent/CN107993203B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/80Geometric correction
    • AHUMAN NECESSITIES
    • A22BUTCHERING; MEAT TREATMENT; PROCESSING POULTRY OR FISH
    • A22CPROCESSING MEAT, POULTRY, OR FISH
    • A22C21/00Processing poultry
    • A22C21/0053Transferring or conveying devices for poultry
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20024Filtering details
    • G06T2207/20032Median filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Food Science & Technology (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Processing Of Meat And Fish (AREA)

Abstract

本发明涉及一种家禽胴体影像分级的方法及其分级系统,该系统包括:影像采集站、图像处理系统、卸载站、控制系统、禽胴体悬挂输送线和展翅机;所述多个卸载站均布设置在一侧悬挂输送线上,所述展翅机和影像采集站设置在另一侧悬挂输送线上,所述展翅机设置在影像采集站之前,所述控制系统与每个卸载站采用气连接,控制系统与图像处理系统电连接,所述图像处理系统与影像采集站电连接。本发明方法采用光影像技术,与禽胴体不接触,可以在家禽分割悬挂输送线上对禽胴体进行分级,分级后在制定位置卸载或将禽胴体转挂到其他分割生产线上,解决了传统机械称重和目前影像计算称重方法的不足。

Description

一种家禽胴体影像分级方法及其分级系统
技术领域
本发明涉及一种技工领域,具体的是一种用影像技术对家禽胴体分级的方法及其分级系统。
背景技术
市场上销售的禽肉分割品是以重量规格区分的,适宜重量的加工品能够得到理想的售价,因此,家禽胴体的分割加工也是以重量为中心开展的,每一种产品都要经过重量分级。为了得到效益最大化,加工企业在分割加工前对禽胴体进行重量分级,对不同重量级别的禽胴体实施不同部位的分割加工,得到符合规定要求的分割产品,如价值较高的鸡翅的翅中、琵琶腿、胸肉等。
目前,都是在分割前对整个禽胴体进行分级,这种粗略的分级往往不能得到理想的分割产品重量范围的最优化。由于家禽品种的不同,养殖条件的不一致,饲料配方的差异化等原因,使得每一批次的家禽胴体外形,各部位重量不一致。比如同一品种的鸡在肉料比一定的条件下,饲喂颗粒饲料和粉料的鸡,鸡胸肉的重量是有差异的,也就是说鸡胗重量与鸡胸肉重量之间存在转移关系。因此,用整体禽胴体重量进行级别分选不能得到最优化的分割品。
现有的家禽胴体重量分级有如下几种形式:
1)机械称重分级
在悬挂输送线上设置机械称重机构,称重机构对鸡胴体逐只进行在线称量,控制和分析系统,根据重量进行分级筛选,这种方式需要专门的悬挂输送线。
在地面输送机上设置机械称重机构,用排序设备,将成堆的鸡胴体有序排列后通过机械称重机构逐只进行重量称量。这种方式加工能力低,无法与其它输送线关联。
这两种方法属于传统对禽胴体整体进行机械称重的方法,机械部件多,结构复杂,成本高,占地面积大,不及时清理机械阻尼产生信号失真问题。更重要的是鸡胴体冷却后携带水使称重数据与禽胴体实际重量不符合。
2)利用超声波技术分级
美国专利US5303708,是用超声波检测家禽胸肌尺寸与屠体重量的比率进行分级。人工需要接触禽胴体操作,超声波检测器15秒时间才能获得家禽胸肌尺寸的准确信息。每分钟最多能够检测分级4只家禽,每小时最多能够处理240只家禽,不适宜当前12000只鸡/小时加工能力的生产线。
3)光影像技术分级
实用新型专利“一种影像分选机”,公开号为CN 205413653 U;发明专利“核桃分选机及核桃分选方法” CN 104438133 A,申请号为201410790956.6,这种两种影像分选机能是通过外观尺寸及色泽检测产品缺陷并分离出不合格产品的设备和方法,是最基本的影像分选技术,在包装外观、印刷边缘、汽车零部件缺项检测方面大量应用,不是基于重量的影像分选。
美国专利US5194036,用多角度摄像头移动进行光学测量牛屠体长度与数据库与长度对应的重量对比判别重量级别的方法和设备。该方法首先称重每个要被分级的,测得的重量给出关于屠体的长度的信息,以胴体长度为基础进行判别屠体级别,这种影像分级只是粗略估算屠体重量而不是胴体重量,主要用于评估畜类用于加工的价值,或者是作为与养殖户结算的依据。
美国专利US5944598,描述了一种用于在屠宰设备中处理屠体的在线分级的快速和精确的方法和设备。 主要用于猪、牛、羊等畜类动物的分级。主要方法是将悬挂在修整轨道上的剥皮的屠体半部(剖面)的可见光谱视频图像,数字化并存储在计算机存储器中用于图像处理和分析。图像主要是对剖面纹理、肉质的与数据库对比对屠体进行分级的方法,用于评估畜类的经济价值,不是基于重量的影像分选。
美国专利No.5,324,228、No.5,511,621、 No.5,511,621、No.3,154,625 、US5352153、No.4,226,540、日本专利 JP2014071018等,描述的是不同亮度值或灰度级阈值判读脂肪花纹区、肌肉脂肪面积比进行分级的方法。虽然对局部进行判别,但不是基于重量的影像分选。
中国发明专利 “一种基于机器视觉的鸡胴体重量自动分级系统及分级方法”,CN106140648 A,申请号为2016101692214.9。使用工业相机对输入暗箱中并位于拍摄位置的鸡胴体进行采集原始图像,再通过工控机对原始图像进行图像处理,提取出鸡胴体的图像特征量,将具体的图像特征量与鸡胴体实际重量根据数学模型建立关系,从而估算出图像中鸡胴体的重量,然后通过设定的重量等级标准分级。具体方法是从二值化图像中提取出4个鸡胴体的特征量,分别为鸡胴体投影面积、鸡胴体投影轮廓的长度、鸡胸部分高度和鸡胸部分面积。然后根据4个鸡胴体的特征量计算得到4个特征量的实际值,分别为鸡胴体投影面积实际值、鸡胴体投影轮廓的长度实际值、鸡胸部分高度实际值和鸡胸部分面积实际值。根据4个特征量的实际值以及鸡胴体重量数学模型,得到鸡胴体重量预测值。
鸡胴体不同于畜类胴体,鸡胴体相对于畜类胴体体型小,分支部位多,面积分散,而且分割品往往也是以各分支部位为基础的。有些鸡胴体翅膀预冷后收缩,影像无法有效采集。具有野性的鸡胴体翅膀较大,鸡胸部分特征量无法展现翅膀重量,因此,用畜类胴体影像方法不能得到家禽胴体的实际重量,CN 106140648 A专利就是借鉴畜类胴体影像方法对鸡胴体预测重量的,以鸡胸为主计算得到4个特征量,通过将鸡胴体重量预测值与分级重量预设值相比较,得到分级结果并将分级结果显示于显示界面。这种方法不能用于实际生产。前面已经阐明了:同一品种的鸡在肉料比一定的条件下,饲喂颗粒饲料和粉料的鸡,鸡胸肉的重量是有差异的,也就是说鸡胗重量与鸡胸肉重量之间存在转移关系。饲喂粉料的鸡胸部外型比饲喂颗粒饲料鸡胸部外型大,但二者胸部实际重量却恰恰相反,因此,以鸡胸为主判明整体禽胴体重量往往不能得到真实效果,更不用说得到最优化的分割品了。这种方式还有如下明显缺陷:
实际生产时,有一部分鸡胴体一只鸡翅可能缺失(见图8阴影部分),而另一只完好,而且符合最优化的分割条件,用CN 106140648 A专利的方法,判读的禽胴体重量要比预设值小很多,可能被划分为等外品,影响分割品的出成率,直接影响加工企业的效益。
虽然也是通过影像对禽类进行分选,但是光学原理需要暗箱避免环境光的干扰。这在禽类屠宰线上无法实际应用,因为:(1)禽类滴水滴血严重,很快会污染暗箱,而暗箱内部难以清理,无法达到卫生标准;(2)水雾、滴血对暗箱的腐蚀性强,暗箱的腐蚀物质会污染禽类,造成食品安全问题;(3)当悬挂输送线发生故障或需要调节时,由于一部分悬挂输送线位于暗箱内部,阻挡了维护工作;(4)禽类容易卡在暗箱内部,发生事故;(5)暗箱在高潮湿环境下寿命受到影响。
上述的各种方法,除与重量无关的肉质纹理判别、质量判别外,其它方法都是在分割前对禽胴体整体进行重量判别,已经不适合目前家禽加工企业对分割加工品利益最大化的要求。因此,本发明采用了与分割品相对应的, 使用影像采集多个分割部位特征量的方式,分别建立模型确定图像处理算法,根据图像处理算法,计算出产品的重量,然后根据重量进行分级。当鸡胴体有一只鸡翅缺失(见图8阴影部分),而另一只完好时,可以依据工艺要求将该鸡胴体卸载到对应的位置。本发明还采用了特殊的光学技术,影像采集站采用开放式,无暗箱构件,适于实际生产应用。
在禽胴体分割加工过程中,需要对禽类胴体各分割部位按重量进行分级,对家禽胴体的重量不需要进行高精度测量。所以使用二维影像扫描技术计算胴体重量完全能够满足要求。
发明内容
本发明的目的是提供一种家禽胴体影像分级方法及其分级系统,本发明方法采用光影像技术,与禽胴体不接触,可以在家禽分割悬挂输送线上对禽胴体进行分级,分级后在制定位置卸载或将禽胴体转挂到其他分割生产线上,解决了传统机械称重和目前影像计算称重方法的不足。同时,采用大幅面短波长峰值背光板照明光源,配合450纳米低通滤光片,过滤了绝大部分环境光,影像对环境光不敏感,影像采集装置采用开放式,完全不需要暗箱,避免了暗箱造成的问题,提高家禽加工企业管理水平,显著提高家禽加工企业产品的附加值,节约了投资和维护费用。
本发明的目的是这样实现的:
一种家禽胴体影像分级方法,该方法包括以下步骤:
①、将家禽胴体悬挂在家禽输送悬挂输送线的等间距挂钩10上连续运动,运行最高速度可达每小时12000只的能力;
②、在禽胴体悬挂输送线上设置展翅机200,同时在禽胴体悬挂输送线上的两侧还设置影像采集站1,在禽胴体到达影像采集站1之前,先用展翅机200对禽胴体进行梳理,让禽胴体体位展开,避免禽胴体各部位重叠,有利于影像采集站1的有效工作;
③、当禽胴体10通过影像采集站1时,影像采集站1采集禽胴体100各部位影像数据,提取禽胴体100的轮廓,形态等体征,将禽胴体100形成影像,图像处理系统2将影像按照分割品部位分解,依照建立的模型和图像处理算法,计算出各部位重量及禽胴体100的重量,对每一分割品部位与数据库信息进行对比分析,所述数据库储存的对应家禽信息包括:家禽品种信息、养殖期信息、饲料信息、密度信息;
④、通过一定分割品数量的录入重量修正平均值作为原始数据值,按照工艺要求进行分级;
⑤、当悬挂输送线5运送禽胴体100到指定卸载站3位置时,由控制系统4发出指令卸载站3工作,该级别的禽胴体100被卸载下来;或者转挂到其它分割悬挂输送线上,完成对家禽胴体重量的分选过程;
⑥、当禽胴体100有缺失部位时,图像处理系统2会自动识别并计算,按预设程序执行,当完好部分用于分割时,禽胴体100按整体重量计算,并执行上述过程;当有缺失部位的禽胴体100不用于分割时,在指定卸载站3卸载剔除。
一种家禽胴体影像分级系统,该系统包括:
用于在禽体通过时采集家禽胴体影像的影像采集站1、
用于将影像采集站1采集的家禽胴体影像处理分析的图像处理系统2、
用于在禽胴体悬挂输送线5上将禽胴体卸载的卸载站3、
用于将图像处理系统2形成的数据经过处理计算,发出卸载信号给对应的卸载站3,控制卸载站3将禽胴体100卸载的控制系统4、
用于输送禽胴体通过影像采集站1和卸载站3的禽胴体悬挂输送线5、
用于使禽胴体体位展开,避免各部位重叠,有利于影像采集站1的有效工作的展翅机200;
所述悬挂输送线5为封闭的环形结构,多个卸载站3均布设置在一侧悬挂输送线5上,所述展翅机200和影像采集站1设置在另一侧悬挂输送线5上,所述展翅机200设置在影像采集站1之前,所述控制系统4与每个卸载站3采用气连接,控制系统4与图像处理系统2电连接,所述图像处理系统2与影像采集站1电连接。
所述影像采集站1由面阵图像采集器6a、6b和背光板7a、7b构成,所述面阵图像采集器6a、6b和背光板7a、7b分别设置在禽胴体悬挂输送线5的两侧,用来采集禽胴体的胸侧11影像或背侧12影像,所述面阵图像采集器6a和背光板7a对应设置,所述面阵图像采集器6b和背光板7b对应设置,所述面阵图像采集器6a和面阵图像采集器6b、背光板7a和背光板7b设置的方向相反。
本发明的有益效果
1、本发明在禽胴体分割加工过程中,采用了对禽类胴体各分割部位按重量进行分级的方法,得到最优化的分割品,显著提高家禽加工企业产品的附加值,提高家禽加工企业管理水平,节约了投资和维护费用。
2、本发明解决了传统的机械称重的方法,机械部件多,结构复杂,稳定性差、维护不便、成本高、占地面积大、不及时清理机械阻尼产生信号失真、鸡胴体冷却后携带水使称重数据与禽胴体实际重量不符合等问题。
3、本发明解决了必须使用暗箱的难题,避免了暗箱带来的一系列食品安全和设备维护问题。
附图说明
图1禽胴体影像分级系统工作示意图;
图2影像采集站布置示意图;
图3影像采集站布置在禽胴体胸部示意图;
图4影像采集站布置在禽胴体背部示意图;
图5禽胴体胸侧各分割部位示意图;
图6禽胴体背侧各分割部位示意图;
图7卸载机构示意图;
图8禽胴体缺失分割部位示意图。
具体实施方式
图1所示:一种家禽胴体影像分级系统,该系统包括:
用于在禽体通过时采集家禽胴体影像的影像采集站1、
用于将影像采集站1采集的家禽胴体影像处理分析的图像处理系统2、
用于在禽胴体悬挂输送线5上将禽胴体卸载的卸载站3、
用于将图像处理系统2形成的数据经过处理计算,发出卸载信号给对应的卸载站3,控制卸载站3将禽胴体100卸载的控制系统4、
用于输送禽胴体通过影像采集站1和卸载站3的禽胴体悬挂输送线5、
用于使禽胴体体位展开,避免各部位重叠,有利于影像采集站1的有效工作的展翅机200;
所述悬挂输送线5为封闭的环形结构,多个卸载站3均布设置在一侧悬挂输送线5上,所述展翅机200和影像采集站1设置在另一侧悬挂输送线5上,所述展翅机200设置在影像采集站1之前,所述控制系统4与每个卸载站3采用气连接,控制系统4与图像处理系统2电连接,所述图像处理系统2与影像采集站1电连接。
所述展翅机200用于对禽胴体进行梳理,让禽胴体体位展开,避免禽胴体各部位重叠,有利于影像采集站1的有效工作。
所述影像采集站1由面阵图像采集器6a、6b和背光板7a、7b构成(见图2、3、4)。
所述面阵图像采集器6a、6b和背光板7a、7b分别设置在禽胴体悬挂输送线5的两侧,用来采集禽胴体的胸侧11影像或背侧12影像。
所述面阵图像采集器6a和背光板7a对应设置,所述面阵图像采集器6b和背光板7b对应设置,所述面阵图像采集器6a和面阵图像采集器6b、背光板7a和背光板7b设置的方向相反。
面阵图像采集器6a设置在禽胴体100的胸侧11(胸部一侧),背光板7a设置在背侧12(背部一侧)。
面阵图像采集器6b设置在禽胴体100的背侧12(背部一侧),背光板7b设置在胸侧11(胸部一侧)。
影像采集站1与图像处理系统2之间采用电连接,卸载站3安装在禽胴体悬挂输送线5上,卸载站3与控制系统4之间采用气连接。在禽胴体100进入影像采集站1前设置一台禽胴体展翅机200,其作用是能够将禽胴体100舒展开,避免禽胴体各部位重叠,有利于影像采集站1采集到禽胴体100效果较好的影像。
禽胴体悬挂输送线5上设有禽胴体挂钩10,禽胴体挂钩10用于悬挂禽胴体100,禽胴体悬挂输送线5将禽胴体100输送到影像采集站1和卸载站3 位置。
面阵图像采集器6采用高分辨率CCD、数字相机,其采集时间最高可达0.1毫秒,其光谱响应范围满足450纳米范围的应用,并具有千兆网高速图像数字信号传输的无缝链接技术,能够在禽胴体通过时快速检测并提取出通过禽胴体100的影像并传输给图像处理系统2。
所述面阵图像采集器6的前端设有滤光片61,主要通过波长短于450纳米的短波长光线,而对于波长大于450纳米的光线几乎无法通过。
具有短波长峰值功能的背光板7的尺寸幅面大于禽类的外形尺寸,并实现均匀的面光源照明,既提供背光照明又充当了影像背景作用,进一步降低了对环境光线的影响。
所述背光板7的主波长是430纳米,与通过波长短于450纳米的短波长光线的滤光片61配合使用,只有背光板7的光可以通过滤光片被面阵图像采集器6接受,而环境光却被滤光片61阻挡,消除了绝大部分的环光,对环境光线不敏感,具有抵抗环境光能力。影像采集站1能够在禽胴体100高速运动的状态下提取禽胴体100影像,当禽胴体100在禽胴体悬挂输送线5上的运行速度达到每小时12000只时,影像采集站1将达到每秒钟将采集近4个产品影像的速度。
所述图像处理系统2与影像采集站1通过高速千兆网连接,能够将影像采集站1采集禽胴体100各部位影像数据,包括提取禽胴体100的轮廓,形态等体征。
通过禽胴体100各部位的面积、形态分别建立模型确定图像处理算法。根据图像处理算法,计算出各部位重量及禽胴体100胴体的重量,然后根据重量进行分级。具体方法是先将禽胴体100的胸部一侧影像拆分为101a~114a共14个分割部位,分别计算面积与形态。再将禽胴体100的背部一侧影像拆分为101b~114b共14个分割部位,分别计算面积与形态。再通过对比、综合各部位两侧影像并分析各部位的厚度、密度等参数,建立各分割部位重量的数学模型,根据各分割部位的数学模型与数据库储存的对应家禽信息进行对比计算,得到出各分割部位的计算重量,最后将各分割部位重量累加计算出禽胴体的整体重量,然后按照预设程序对各分割部位重量进行分级,或对禽胴体的重量进行级别。
图像处理方法:
(1)、畸变校正,矫正镜头造成的图像畸变,提高识别精度。
(2)、直方图均衡,可以使输入图像转换为在每一个灰度级上都有相同像素点数的输出图像。
(3)、中值滤波,去除孤点噪声。
(4)、归一化,使不同成像条件(光照强度,方向,距离,姿势等)下拍摄的物体具有一致性。
(5)、边缘提取,使用两种不同的阈值分别检测强边缘和弱边缘,得到清晰的禽胴体边缘轮廓。
(6)、图像分割,将禽胴体与背景完全分离,只留下禽胴体的图像信息。
(7)、禽胴体特征提取,根据各分割部位101~114分布特点和形态特征,将禽体的胸、腿、翅、脖等多个部位进行图像分割并分别标记,同时计算每个部位面积。
(8)、通过分析各部位的厚度、密度等参数,建立各分割部位重量的数学模型,得到每个部位的计算权重值。
(9)、根据各部位的数学模型,输入各分割部位101~114面积和权重值,计算出各部位的理论重量。
(10)、将各部位重量累加计算出禽胴体的整体重量。
(11)、按照禽体的重量级别设定,进行分级。
应用此方法可以获得精度较高的禽胴体重量预测值。其中,数据库储存的对应家禽信息包括:家禽品种信息、养殖期信息、饲料信息、密度信息等,并通过一定分割品数量的录入重量修正平均值作为原始数据值。
见图8,当禽胴体有缺失部位X时,图像处理系统2会自动识别并计算,按预设程序执行,当完好部分Xa用于分割时,图像处理系统2会依照完好部分Xa,并执行上述过程,或计算出禽胴体100整体重量后,执行上述过程。当有缺失部位X的禽胴体不用于分割时,在指定卸载站位置卸载剔除。
卸载站3由卸载装置8、气缸9组成。卸载装置8安装在禽胴体悬挂输送线5上,用于卸载禽胴体悬挂输送线5上的禽胴体100。卸载装置8由气缸9驱动,卸载站3与控制系统4气连接,工作时当对应的禽胴体100由禽胴体悬挂输送线5输送至卸载装置8时,对应的卸载装置8接到控制系统4的信号后沿着箭头方向快速移动,将对应的禽胴体100由禽胴体悬挂输送线5的禽胴体挂钩10上卸下。在悬挂输送线5中可根据实际需要设置多个卸载站3, 3a、3b、3c和3d分别承担一定重量区间的禽胴体100卸载任务,重量区间可以设定并可随时调整。
控制系统4采用PLC自动控制,和图像处理系统2电连接,将图像处理系统2形成的数据经过处理计算出的禽胴体重量值,根据设定好的重量区间确定由卸载站3中的一个或几个卸载,并将卸载信号传递给对应的卸载站3,对应的卸载站3动作将禽胴体100从禽胴体挂钩10上卸下。

Claims (3)

1.一种家禽胴体影像分级方法,其特征在于:该方法包括以下步骤:
①、将家禽胴体悬挂在家禽输送悬挂输送线的等间距挂钩(10)上连续运动,运行最高速度可达每小时12000只的能力;
②、在禽胴体悬挂输送线上设置展翅机(200),同时在禽胴体悬挂输送线上的两侧还设置影像采集站(1),在禽胴体到达影像采集站(1)之前,先用展翅机(200)对禽胴体进行梳理,让禽胴体体位展开,避免禽胴体各部位重叠,有利于影像采集站(1)的有效工作;
③、当禽胴体(10)通过影像采集站(1)时,影像采集站(1)采集禽胴体(100)各部位影像数据,提取禽胴体(100)的轮廓,形态等体征,将禽胴体(100)形成影像,图像处理系统(2)将影像按照分割品部位分解,依照建立的模型和图像处理算法,计算出各部位重量及禽胴体(100)的重量,对每一分割品部位与数据库信息进行对比分析,所述数据库储存的对应家禽信息包括:家禽品种信息、养殖期信息、饲料信息、密度信息;
④、通过一定分割品数量的录入重量修正平均值作为原始数据值,按照工艺要求进行分级;
⑤、当悬挂输送线(5)运送禽胴体(100)到指定卸载站(3)位置时,由控制系统(4)发出指令卸载站(3)工作,该级别的禽胴体(100)被卸载下来;或者转挂到其它分割悬挂输送线上,完成对家禽胴体重量的分选过程;
⑥、当禽胴体(100)有缺失部位时,图像处理系统(2)会自动识别并计算,按预设程序执行,当完好部分用于分割时,禽胴体(100)按整体重量计算,并执行上述过程;当有缺失部位的禽胴体(100)不用于分割时,在指定卸载站(3)卸载剔除。
2.一种家禽胴体影像分级系统,其特征在于:该系统包括:
用于在禽体通过时采集家禽胴体影像的影像采集站(1)、
用于将影像采集站(1)采集的家禽胴体影像处理分析的图像处理系统(2)、
用于在禽胴体悬挂输送线(5)上将禽胴体卸载的卸载站(3)、
用于将图像处理系统(2)形成的数据经过处理计算,发出卸载信号给对应的卸载站(3),控制卸载站(3)将禽胴体(100)卸载的控制系统(4)、
用于输送禽胴体通过影像采集站(1)和卸载站(3)的禽胴体悬挂输送线(5)、
用于使禽胴体体位展开,避免各部位重叠,有利于影像采集站(1)的有效工作的展翅机(200);
所述悬挂输送线(5)为封闭的环形结构,多个卸载站(3)均布设置在一侧悬挂输送线(5)上,所述展翅机(200)和影像采集站(1)设置在另一侧悬挂输送线(5)上,所述展翅机(200)设置在影像采集站(1)之前,所述控制系统(4)与每个卸载站(3)采用气连接,控制系统(4)与图像处理系统(2)电连接,所述图像处理系统(2)与影像采集站(1)电连接。
3.根据权利要求2所述的一种家禽胴体影像分级系统,其特征在于:所述影像采集站(1)由面阵图像采集器(6a)、(6b)和背光板(7a)、(7b)构成,所述面阵图像采集器(6a)、(6b)和背光板(7a)、(7b)分别设置在禽胴体悬挂输送线(5)的两侧,用来采集禽胴体的胸侧(11)影像或背侧(12)影像,所述面阵图像采集器(6a)和背光板(7a)对应设置,所述面阵图像采集器(6b)和背光板(7b)对应设置,所述面阵图像采集器(6a)和面阵图像采集器(6b)、背光板(7a)和背光板(7b)设置的方向相反。
CN201711205935.3A 2017-11-27 2017-11-27 一种家禽胴体影像分级方法及其分级系统 Active CN107993203B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711205935.3A CN107993203B (zh) 2017-11-27 2017-11-27 一种家禽胴体影像分级方法及其分级系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711205935.3A CN107993203B (zh) 2017-11-27 2017-11-27 一种家禽胴体影像分级方法及其分级系统

Publications (2)

Publication Number Publication Date
CN107993203A true CN107993203A (zh) 2018-05-04
CN107993203B CN107993203B (zh) 2021-05-25

Family

ID=62033500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711205935.3A Active CN107993203B (zh) 2017-11-27 2017-11-27 一种家禽胴体影像分级方法及其分级系统

Country Status (1)

Country Link
CN (1) CN107993203B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539937A (zh) * 2020-04-24 2020-08-14 北京海益同展信息科技有限公司 一种物体指标的检测方法、家畜重量的检测方法及装置
JP2021527430A (ja) * 2018-06-19 2021-10-14 イシダ ヨーロッパ リミテッドIshida Europe Limited 家禽部位を処理するための方法及びシステム
CN114330490A (zh) * 2021-11-19 2022-04-12 山东大学 一种基于畜类胴体点云图像的分块方法及系统
CN114342986A (zh) * 2022-01-14 2022-04-15 南京农业大学 一种猪半胴体智能分割方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070111648A1 (en) * 2005-07-18 2007-05-17 Groupe Grb Inc. Artificial vision inspection method and system
CN101052306A (zh) * 2004-11-17 2007-10-10 Csb-系统公司 用于对被屠宰的牲畜躯体进行分类及其定性和定量测定的数据采集
US20090087033A1 (en) * 2007-09-27 2009-04-02 Kuanglin Chao Method and system for wholesomeness inspection of freshly slaughtered chickens on a processing line
KR20090049487A (ko) * 2007-11-13 2009-05-18 성균관대학교산학협력단 닭도체의 품질등급 자동 판정 및 중량 산출시스템
CN101561402A (zh) * 2009-05-07 2009-10-21 浙江大学 基于机器视觉的猪肉外观品质实时检测分级方法与装置
CN102375973A (zh) * 2010-08-24 2012-03-14 汉王科技股份有限公司 人脸识别方法和系统及红外背光补偿方法和系统
CN102507882A (zh) * 2011-12-19 2012-06-20 中国农业大学 牛肉品质的多参数综合评价方法
CN103983334A (zh) * 2014-05-20 2014-08-13 联想(北京)有限公司 一种信息处理的方法及电子设备
CN105651776A (zh) * 2015-12-30 2016-06-08 中国农业大学 基于计算机视觉的牛胴体产肉量自动分级装置与方法
CN106140648A (zh) * 2016-08-19 2016-11-23 南京农业大学 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法
CN107209160A (zh) * 2015-02-05 2017-09-26 莱特拉姆有限责任公司 带有自动重量校准的基于视觉的分级

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101052306A (zh) * 2004-11-17 2007-10-10 Csb-系统公司 用于对被屠宰的牲畜躯体进行分类及其定性和定量测定的数据采集
US20070111648A1 (en) * 2005-07-18 2007-05-17 Groupe Grb Inc. Artificial vision inspection method and system
US20090087033A1 (en) * 2007-09-27 2009-04-02 Kuanglin Chao Method and system for wholesomeness inspection of freshly slaughtered chickens on a processing line
KR20090049487A (ko) * 2007-11-13 2009-05-18 성균관대학교산학협력단 닭도체의 품질등급 자동 판정 및 중량 산출시스템
CN101561402A (zh) * 2009-05-07 2009-10-21 浙江大学 基于机器视觉的猪肉外观品质实时检测分级方法与装置
CN102375973A (zh) * 2010-08-24 2012-03-14 汉王科技股份有限公司 人脸识别方法和系统及红外背光补偿方法和系统
CN102507882A (zh) * 2011-12-19 2012-06-20 中国农业大学 牛肉品质的多参数综合评价方法
CN103983334A (zh) * 2014-05-20 2014-08-13 联想(北京)有限公司 一种信息处理的方法及电子设备
CN107209160A (zh) * 2015-02-05 2017-09-26 莱特拉姆有限责任公司 带有自动重量校准的基于视觉的分级
CN105651776A (zh) * 2015-12-30 2016-06-08 中国农业大学 基于计算机视觉的牛胴体产肉量自动分级装置与方法
CN106140648A (zh) * 2016-08-19 2016-11-23 南京农业大学 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021527430A (ja) * 2018-06-19 2021-10-14 イシダ ヨーロッパ リミテッドIshida Europe Limited 家禽部位を処理するための方法及びシステム
US11785957B2 (en) 2018-06-19 2023-10-17 Ishida Europe Limited Method and system for processing fish portions
JP7399119B2 (ja) 2018-06-19 2023-12-15 イシダ ヨーロッパ リミテッド 家禽部位を処理するための方法及びシステム
CN111539937A (zh) * 2020-04-24 2020-08-14 北京海益同展信息科技有限公司 一种物体指标的检测方法、家畜重量的检测方法及装置
CN114330490A (zh) * 2021-11-19 2022-04-12 山东大学 一种基于畜类胴体点云图像的分块方法及系统
CN114342986A (zh) * 2022-01-14 2022-04-15 南京农业大学 一种猪半胴体智能分割方法

Also Published As

Publication number Publication date
CN107993203B (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN107993203A (zh) 一种家禽胴体影像分级方法及其分级系统
Kılıç et al. A classification system for beans using computer vision system and artificial neural networks
Liming et al. Automated strawberry grading system based on image processing
CN106140648B (zh) 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法
CN106093066B (zh) 一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法
CN108287010B (zh) 一种螃蟹多指标分级装置与方法
CN104198324B (zh) 基于计算机视觉的烟丝中叶丝比例测定方法
CN107486415A (zh) 基于机器视觉的篾片缺陷在线检测系统及检测方法
CN108719424A (zh) 一种基于机器视觉的水产品分类方法及系统
CN110403232A (zh) 一种基于二级算法的烟支质量检测方法
CN106370667A (zh) 一种玉米籽粒品质视觉检测装置及方法
CN108318494B (zh) 红提果粉的在线视觉检测分级装置及其方法
CN105806751A (zh) 一种联合收割机粮箱中谷物破碎在线监测系统及方法
RU2728231C1 (ru) Автоматический способ определения количества мяса, оставшегося на туше животного
CN106248680A (zh) 一种基于机器视觉的电机换向器质量检测系统及检测方法
Andaya et al. Meat marbling scoring using image processing with fuzzy logic based classifier
CN111940339B (zh) 一种基于人工智能的红枣分拣系统
CN110174401A (zh) 一种基于视觉成像技术的鸡胸肉木质化程度分级装置及其方法
CN113820325A (zh) 一种玉米籽粒直收含杂率和破碎率在线检测系统及其方法
CN100376888C (zh) 牛肉胴体质量的计算机视觉检测分级方法及装置
Thong et al. Mango classification system uses image processing technology and artificial intelligence
CN109507204A (zh) 一种基于弯曲度检测的鸡胸肉木质化分级方法及其装置
Uttaro et al. An image analysis approach to identification and measurement of marbling in the intact pork loin
Pla et al. An integral automation of industrial fruit and vegetable sorting by machine vision
Ahmad et al. Development of automatic grading machine prototype for citrus using image processing

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
CP01 Change in the name or title of a patent holder

Address after: 136000 no.1739 Wenkai Road, Hongzui economic and Technological Development Zone, Siping City, Jilin Province

Patentee after: Jilin aiske electromechanical Co.,Ltd.

Address before: 136000 no.1739 Wenkai Road, Hongzui economic and Technological Development Zone, Siping City, Jilin Province

Patentee before: JILIN SSK MACHINERY & ELECTRON STOCK CO.,LTD.

CP01 Change in the name or title of a patent holder