CN108986055B - 一种鸡蛋蛋壳表面细微裂纹的视觉检测方法 - Google Patents
一种鸡蛋蛋壳表面细微裂纹的视觉检测方法 Download PDFInfo
- Publication number
- CN108986055B CN108986055B CN201810756150.3A CN201810756150A CN108986055B CN 108986055 B CN108986055 B CN 108986055B CN 201810756150 A CN201810756150 A CN 201810756150A CN 108986055 B CN108986055 B CN 108986055B
- Authority
- CN
- China
- Prior art keywords
- egg
- image
- path
- pixel
- images
- 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
- 210000003278 egg shell Anatomy 0.000 title claims abstract description 44
- 102000002322 Egg Proteins Human genes 0.000 title claims abstract description 37
- 108010000912 Egg Proteins Proteins 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 230000000007 visual effect Effects 0.000 title claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000011179 visual inspection Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 235000013601 eggs Nutrition 0.000 description 66
- 238000005516 engineering process Methods 0.000 description 7
- 238000012946 outsourcing Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种鸡蛋蛋壳表面细微裂纹的视觉检测方法，包括：采集多张完全覆盖整个鸡蛋蛋壳表面的灰度图像；对灰度图像进行预处理，以消除图像边缘上的背景干扰并凸显细微裂纹特征；检测鸡蛋蛋壳表面上所有的斑点集合，并消除表面的斑点；分别采用自上至下和自左至右的模式动态规划出一条像素点像素值累加总和最大的最优路径，定位为蛋壳上的细微裂纹所在路径；判断最优路径中是否存在像素点个数一定阈值的连续曲线，如果存在，则判定为蛋壳上的细微裂纹，当多张图像中存在一条及一条以上连续的曲线时，判定该鸡蛋为裂纹蛋。本发明对裂痕较细微的裂纹进行智能化检测，可以消除靠人眼识别的主观性以及降低因长时间检测所带来误判率。
Description
技术领域
本发明属于机器视觉检测技术领域，涉及一种鸡蛋蛋壳表面细微裂纹的视觉检测方法。具体地说，本发明利用机器视觉技术首先采集多张鸡蛋表面灰度图像，然后进行一系列必要的图像预处理过程，凸显细微裂纹特征并准确定位裂纹区域，达到智能识别细微裂纹的目的，实现了鸡蛋表面细微裂纹的无损检测。
背景技术
随着鸡蛋加工产业的不断发展，自动化无损检测在鸡蛋品质检测上的应用愈来愈多。鸡蛋蛋壳上的细微裂纹是一种肉眼观察不易发现，可通过照蛋器观察看到的一类裂纹，虽然细微裂纹对蛋壳的破损程度影响较小，但是这类裂纹对鸡蛋品质的潜在影响较大，原因在于细微裂纹随着鸡蛋的运输、贮藏、流通等过程极易形成较大的裂纹，蛋壳上存在裂纹会使一些病菌、细菌等致病微生物进入蛋体内，导致鸡蛋品质快速腐败，人们食用后容易引发疾病，因此鸡蛋蛋壳上的裂纹检测成为鸡蛋商品化处理中的热点及难点问题，尤其是在细微裂纹的检测上其难度进一步加大。
目前在细微裂纹的检测上，Lawrence等将鸡蛋放置在密闭空间中，利用真空泵产生负压增大裂纹，再结合图像对裂纹鸡蛋进行识别，其识别率达到98.75％；杨冬风等采集空气压力增大微小裂纹的鸡蛋图像，提取分形维数和图像整体盒维数等特征向量建立识别模型，其准确率高达98.36％。
经检索，现有的检测技术存在以下不足：
需要对受检鸡蛋增加其他辅助措施才能检测，存在繁琐费时的弊端，由于细微裂纹的裂痕不明显，大多数检测技术采用压力挤压增大裂纹以使特征更加明显，这样会对蛋壳的质量和安全不利，可能导致完好鸡蛋破损等情况的发生。
发明内容
本发明的目的在于提高鸡蛋裂纹检测技术的适用性，提供一种鸡蛋蛋壳表面细微裂纹的视觉检测方法，包括以下步骤：
步骤1，采集多张完全覆盖整个鸡蛋蛋壳表面的灰度图像；
步骤2，对灰度图像进行预处理，以消除图像边缘上的背景干扰并凸显细微裂纹特征；
步骤3，检测鸡蛋蛋壳表面上所有的斑点集合，并消除表面的斑点；
步骤4，分别采用自上至下和自左至右的模式动态规划出一条像素点像素值累加总和最大的最优路径，定位为蛋壳上的细微裂纹所在路径；
步骤5，判断最优路径中是否存在像素点个数一定阈值的连续曲线，如果存在，则判定为蛋壳上的细微裂纹，当多张图像中存在一条及一条以上连续的曲线时，判定该鸡蛋为裂纹蛋；若不存在，则判定该鸡蛋为完好蛋。
进一步的，步骤1中通过一种便携式视觉检测装置采集鸡蛋灰度图像，所述一种便携式视觉检测装置包括图像采集暗箱、工业相机、照明光源、辊轮、步进电机和工业平板电脑；其中工业相机固定安装于图像采集暗箱顶部正中位置，并通过数据传输线与工业平板电脑连接，照明光源夹持固定在暗箱正下方，辊轮通过传动连接杆与固定在暗箱一侧的步进电机相连，工业平板电脑固定在图像采集暗箱的正前方；采集图像时，鸡蛋放置在辊轮上，照明光源以透射方式对鸡蛋照明，通过步进电机控制辊轮转动，利用工业相机采集获得多张完全覆盖整个鸡蛋蛋壳表面的灰度图像，并显示在工业平板电脑上。
进一步的，所述图像采集暗箱是一种带箱门的矩形暗箱；所述照明光源选用功率为1W的ZYG-L627-1W-12V型暖白色LED光源；所述工业相机选用Point Grey公司型号为FL2G-50S5M-C的工业相机，镜头为Computar公司的M1614-MP采集鸡蛋灰度图像。
进一步的，步骤2中对灰度图像进行预处理具体包括如下子步骤，
步骤2.1，利用OTSU自适应阈值分割将灰度图像分割为二值图像；
步骤2.2，采用最小区域面积法对二值图像进行处理，以消除图像边缘上的干扰区域；
步骤2.3，获取鸡蛋的最小外接矩形，并将矩形区域外围的背景剪切掉，获得仅包围鸡蛋的矩形区域；
步骤2.4，将该矩形区域与原图像进行点乘运算，获得去除背景后的鸡蛋完整目标图像；
步骤2.5，使用傅里叶变换将图像转换到频率域，选取巴特沃斯高通滤波器滤波后，再进行傅里叶反变换将图像还原回空间域，并利用灰度增强凸显细微裂纹。
进一步的，步骤3的具体实现方式为，首先利用SimpleBlobDetector算法检测鸡蛋蛋壳表面上所有的斑点集合，确定斑点的位置和尺寸信息；然后利用斑点的中心坐标与半径作圆，给圆内的每一个像素点重新赋值，通过以某像素点为中心的5*5矩形区域中灰度值求和(不包括此圆内部的像素值)的平均值对该像素点赋值，从而消除表面的斑点。
进一步的，步骤4的具体实现包括如下子步骤，
步骤4.1，对于M*N的图像，以图像顶部的每个像素点为起点，每个起点都向下出发动态规划出一条路径，每一条路径中像素点所累加的灰度总和
其中m＝1,2,…,M，
是路径起点(1,k)、第m列的像素点，k的取值是1,2,…,M，
是路径中到下一层像素点的灰度值，i＝1,2,3共三个决策，三个决策分别是这条路径走进下一层的三个走向，即左下方，正下方，正下方，跟踪灰度值最大的决策走向，S是经过路径中所有像素点灰度值的累加和；
步骤4.2，不同起点对应路径规划完毕后，决策选择出像素点灰度值累加总和最大的最优路径，
best是规划出的最优路径，其路径中所有像素点之和最大，蛋壳上的细微裂纹就定位在这条规划出的最优路径中；
步骤4.3，同理对于M*N的图像，以图像最左端的每个像素点为起点，向右出发同样动态规划出一条像素点灰度值累加总和最大的最优路径。
进一步的，步骤5的具体实现包括如下子步骤，
步骤5.1，对于自左至右模式规划出的最优路径，根据图像列数，从最左端依此取n列；
步骤5.2，从第一列的路径点为起点开始，顺次向右的n列图像中，沿着路径判断所经过的像素点灰度值是否为0，统计其零点个数；
步骤5.3，若零点个数大于等于p个，则舍弃起点，否则保留；
步骤5.4，再根据步骤5.2-5.3判断以第二列路径点为起点开始的n列图像，依此循环直至判断到最后一列；
步骤5.5，从自上至下模式规划出的最优路径中，根据图像行数，从最上端依次取m行，然后重复步骤5.2-5.4，以相同的方法判断是否舍弃起点；
步骤5.6，根据以上步骤判断舍弃点后的路径上是否存在像素点个数大于1/5N(自左至右模式)或者1/5M(自上至下模式)的连续曲线，如果存在，则判定为蛋壳上的细微裂纹；
步骤5.7，结合每个鸡蛋采集到的多张图像，经过上述步骤的处理综合判别，若在多张图像中存在一条及一条以上连续的曲线，则判定该鸡蛋为裂纹蛋；若不存在，则判定该鸡蛋为完好蛋。
进一步的，n取1/5N，m取1/5N。
本发明具有以下优点和积极效果：
1、利用机器视觉技术受外界环境的影响较小，稳定性更好，有利于该技术的应用推广；
2、对裂痕较细微的裂纹进行智能化检测，可以消除靠人眼识别的主观性以及降低因长时间检测所带来误判率。
附图说明
图1是本发明实施例的装置结构透视立体示意图；
图2是本发明实施例的装置结构透视主视图；
图3是本发明实施例中三种决策选取示意图。
图4是本发明实施例的方法流程图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
请见图1和图2，本发明提供了一种鸡蛋蛋壳表面细微裂纹的便携式视觉检测装置，包括图像采集暗箱1、工业相机2、照明光源3、辊轮4、步进电机5和工业平板电脑6；工业相机2固定安装于图像采集暗箱1顶部正中位置，并通过数据传输线与工业平板电脑6连接，照明光源3夹持固定在暗箱1正下方，辊轮4通过传动连接杆与固定在暗箱1一侧的步进电机5相连，工业平板电脑6固定在图像采集暗箱1的正前方。
本实施例的图像采集暗箱1是一种带箱门的矩形暗箱，并在一侧设置电机支撑架；其功能是保持每次检测都能处于一个稳定的工作环境，且不受外界环境光的影响，且起到固定安装工业相机2以及固定电机支撑架的作用。
本实施例的工业相机2是一种通用外购件，选用Point Grey公司型号为FL2G-50S5M-C的工业相机，镜头是Computar公司的M1614-MP；其功能是采集鸡蛋的灰度图像。
本实施例的照明光源3是一种通用外购件，选用功率为1W的ZYG-L627-1W-12V型暖白色LED光源并固定在暗箱正下方；其功能是以透射方式对鸡蛋照明。
本实施例的辊轮4是一种通用外购件，其功能是支撑放置鸡蛋并能够使鸡蛋进行翻转。
本实施例的步进电机5是一种通用外购件，其功能是带动辊轮4进行转动。
本实施例的工业平板电脑6是一种通用外购件，其功能是接收工业相机2采集到的图像，并进行图像处理获得显示检测结果，工业相机2的数据线与工业平板电脑6连接。
请见图4，本发明提供的一种鸡蛋蛋壳表面细微裂纹的视觉检测方法，包括以下步骤：
步骤1：采集鸡蛋灰度图像；
将鸡蛋放置在图像采集暗箱内部的辊轮上，开启步进电机，步进电机带动辊轮旋转，每旋转90°时相机采集此刻的鸡蛋图像，共旋转360度；由于辊轮同样可以带动鸡蛋转动，因此采集的4张图片可以覆盖整个鸡蛋蛋壳表面的图像。
步骤2：预处理图像，消除背景干扰及凸显细微裂纹特征；
具体实现包括以下子步骤：
步骤2.1：利用OTSU自适应阈值分割将灰度图像分割为二值图像；
步骤2.2：使用去除最小区域面积法消除图片边缘上的干扰区域；
步骤2.3：找出鸡蛋的最小外接矩形，并将矩形区域外围的背景剪切掉，获得仅包围鸡蛋的矩形区域；
步骤2.4：将该矩形区域与原图像进行点乘运算，获得去除背景后的鸡蛋完整目标图像。
步骤2.5：使用傅里叶变换将图像转换到频率域，选取巴特沃斯高通滤波器滤波后，再进行傅里叶反变换将图像还原回空间域，并利用灰度增强凸显细微裂纹。
步骤3：斑点检测并消除；
具体实现包括以下子步骤：
步骤3.1：利用SimpleBlobDetector算法检测鸡蛋蛋壳表面上所有的斑点集合，确定斑点的位置和尺寸信息；
步骤3.2：利用斑点的中心坐标与半径作圆，给圆内的每一个像素点重新赋值，其值由以该像素点为中心的5*5矩形区域中灰度值求和(不包括此圆内部的像素值)的平均值所获得，从而消除表面的斑点。
步骤4：动态规划结合边界跟踪法定位细微裂纹；
具体实现包括以下子步骤：
步骤4.1：对于M*N(M是行数，N是列数)的图像，以图像顶部的每个像素点为起点，每个起点都向下出发动态规划出一条路径，每一条路径中像素点所累加的灰度总和
其中m＝1,2,…,M，
是路径起点(1,k)、第m行的像素点，k的取值是1,2,…,N，
是路径中到下一层像素点的灰度值，i＝1,2,3共三个决策，三个决策分别是这条路径走进下一层的三个走向(左下方，正下方，正下方)，跟踪灰度值最大的决策走向，S是经过路径中所有像素点灰度值的累加和。如图3所示，说明本发明实施例中三个决策的选取示意图，当从某一层像素值为2的像素点开始，它向下一层的路径有左下方3,正下方5,正下方1三个走向，也就是三个决策，目标是找到像素点之和最大的走向，所以最优路径规划是通过正下方5这个像素点。
步骤4.2：不同起点对应路径规划完毕后，决策选择出像素点灰度值累加总和最大的最优路径，
best是规划出的最优路径，其路径中所有像素点之和最大，蛋壳上的细微裂纹就定位在这条规划出的最优路径中；
步骤4.3：同理对于M*N的图像，以图像最左端的每个像素点为起点，向右出发同样可以动态规划出一条像素点灰度值累加总和最大的最优路径。
步骤5：判别裂纹蛋与完好蛋；
具体实现包括以下子步骤：
步骤5.1：对于自左至右模式规划出的最优路径，根据图像列数，从最左端依此取n列，对于M(行)*N(列)的图像，n一般取1/5N；
步骤5.2：从第一列的路径点为起点开始，顺次向右的n列图像中，沿着路径判断所经过的像素点灰度值是否为0，统计其零点个数；
步骤5.3：若零点个数大于等于p个，则舍弃起点，否则保留，本实施例中p取25/N；
步骤5.4：再根据上述步骤判断以第二列路径点为起点开始的n列图像，依此循环直至判断到最后一列；
步骤5.5：同理，自上至下模式规划出的最优路径，根据图像行数，从最上端依次取m行，对于M(行)*N(列)的图像，m一般取1/5M，然后重复步骤5.2-5.4，以相同的方法判断是否舍弃起点；
步骤5.6：根据以上步骤判断舍弃起点后的路径上是否存在像素点个数大于1/5N(自左至右模式)或者1/5M(自上至下模式)的连续曲线如果存在，则判定为蛋壳上的细微裂纹；
步骤5.7：结合每个鸡蛋采集到的4张图片经过上述步骤的处理综合判别，若在4张图片中存在一条及一条以上连续的曲线则判定该鸡蛋为裂纹蛋；相反若不存在则判定该鸡蛋为完好蛋。
本发明设计出一种鸡蛋细微裂纹的便携式检测装置，利用机器视觉技术首先采集鸡蛋的灰度图像，然后进行有效的图像预处理消除背景干扰及凸显细微裂纹特征，通过斑点检测法消除对识别细微裂纹干扰最大的斑点区域，并结合动态规划边界跟踪法定位识别细微裂纹，通过判断4张图片中最优路径上是否存在连续曲线来对鸡蛋进行判别，由此实现对鸡蛋蛋壳表面细微裂纹的便携式检测。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (7)
1.一种鸡蛋蛋壳表面细微裂纹的视觉检测方法，其特征在于，包括如下步骤：
步骤1，采集多张完全覆盖整个鸡蛋蛋壳表面的灰度图像；
步骤2，对灰度图像进行预处理，以消除图像边缘上的背景干扰并凸显细微裂纹特征；
步骤3，检测鸡蛋蛋壳表面上所有的斑点集合，并消除表面的斑点；
步骤4，分别采用自上至下和自左至右的模式动态规划出一条像素点像素值累加总和最大的最优路径，定位为蛋壳上的细微裂纹所在路径；
步骤4的具体实现包括如下子步骤，
步骤4.1，对于M*N的图像，以图像顶部的每个像素点为起点，每个起点都向下出发动态规划出一条路径，每一条路径中像素点所累加的灰度总和
其中m＝1,2,…,M，
是路径起点(1,k)、第m列的像素点，k的取值是1,2,…,M，
是路径中到下一层像素点的灰度值，i＝1,2,3共三个决策，三个决策分别是这条路径走进下一层的三个走向，即左下方，正下方，右下方，跟踪灰度值最大的决策走向，S是经过路径中所有像素点灰度值的累加和；
步骤4.2，不同起点对应路径规划完毕后，决策选择出像素点灰度值累加总和最大的最优路径，
best是规划出的最优路径，其路径中所有像素点之和最大，蛋壳上的细微裂纹就定位在这条规划出的最优路径中；
步骤4.3，同理对于M*N的图像，以图像最左端的每个像素点为起点，向右出发同样动态规划出一条像素点灰度值累加总和最大的最优路径；
步骤5，判断最优路径中是否存在像素点个数满足一定阈值的连续曲线，如果存在，则判定为蛋壳上的细微裂纹，当多张图像中存在一条及一条以上连续的曲线时，判定该鸡蛋为裂纹蛋；若不存在，则判定该鸡蛋为完好蛋。
2.如权利要求1所述的一种鸡蛋蛋壳表面细微裂纹的视觉检测方法，其特征在于：步骤1中通过一种便携式视觉检测装置采集鸡蛋灰度图像，所述一种便携式视觉检测装置包括图像采集暗箱、工业相机、照明光源、辊轮、步进电机和工业平板电脑；其中工业相机固定安装于图像采集暗箱顶部正中位置，并通过数据传输线与工业平板电脑连接，照明光源夹持固定在暗箱正下方，辊轮通过传动连接杆与固定在暗箱一侧的步进电机相连，工业平板电脑固定在图像采集暗箱的正前方；采集图像时，鸡蛋放置在辊轮上，照明光源以透射方式对鸡蛋照明，通过步进电机控制辊轮转动，利用工业相机采集获得多张完全覆盖整个鸡蛋蛋壳表面的灰度图像，并显示在工业平板电脑上。
3.如权利要求2所述的一种鸡蛋蛋壳表面细微裂纹的视觉检测方法，其特征在于：所述图像采集暗箱是一种带箱门的矩形暗箱；所述照明光源选用功率为1W的ZYG-L627-1W-12V型暖白色LED光源；所述工业相机选用Point Grey公司型号为FL2G-50S5M-C的工业相机，镜头为Computar公司的M1614-MP采集鸡蛋灰度图像。
4.如权利要求1所述的一种鸡蛋蛋壳表面细微裂纹的视觉检测方法，其特征在于：步骤2中对灰度图像进行预处理具体包括如下子步骤，
步骤2.1，利用OTSU自适应阈值分割将灰度图像分割为二值图像；
步骤2.2，采用最小区域面积法对二值图像进行处理，以消除图像边缘上的干扰区域；
步骤2.3，获取鸡蛋的最小外接矩形，并将矩形区域外围的背景剪切掉，获得仅包围鸡蛋的矩形区域；
步骤2.4，将该矩形区域与原图像进行点乘运算，获得去除背景后的鸡蛋完整目标图像；
步骤2.5，使用傅里叶变换将图像转换到频率域，选取巴特沃斯高通滤波器滤波后，再进行傅里叶反变换将图像还原回空间域，并利用灰度增强凸显细微裂纹。
5.如权利要求1所述的一种鸡蛋蛋壳表面细微裂纹的视觉检测方法，其特征在于：步骤3的具体实现方式为，首先利用SimpleBlobDetector算法检测鸡蛋蛋壳表面上所有的斑点集合，确定斑点的位置和尺寸信息；然后利用斑点的中心坐标与半径作圆，给圆内的每一个像素点重新赋值，通过以某像素点为中心的5*5矩形区域中灰度值求和的平均值对该像素点赋值，从而消除表面的斑点。
6.如权利要求1所述的一种鸡蛋蛋壳表面细微裂纹的视觉检测方法，其特征在于：步骤5的具体实现包括如下子步骤，
步骤5.1，对于自左至右模式规划出的最优路径，根据图像列数，从最左端依此取n列；
步骤5.2，从第一列的路径点为起点开始，顺次向右的n列图像中，沿着路径判断所经过的像素点灰度值是否为0，统计其零点个数；
步骤5.3，若零点个数大于等于p个，则舍弃起点，否则保留；
步骤5.4，再根据步骤5.2-5.3判断以第二列路径点为起点开始的n列图像，依此循环直至判断到最后一列；
步骤5.5，从自上至下模式规划出的最优路径中，根据图像行数，从最上端依次取m行，然后重复步骤5.2-5.4，以相同的方法判断是否舍弃起点；
步骤5.6，根据以上步骤判断舍弃起点后的路径上是否存在像素点个数大于1/5N或者1/5M的连续曲线，如果存在，则判定为蛋壳上的细微裂纹；
步骤5.7，结合每个鸡蛋采集到的多张图像，经过上述步骤的处理综合判别，若在多张图像中存在一条及一条以上连续的曲线，则判定该鸡蛋为裂纹蛋；若不存在，则判定该鸡蛋为完好蛋。
7.如权利要求6所述的一种鸡蛋蛋壳表面细微裂纹的视觉检测方法，其特征在于：n取1/5N，m取1/5N。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810756150.3A CN108986055B (zh) | 2018-07-11 | 2018-07-11 | 一种鸡蛋蛋壳表面细微裂纹的视觉检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810756150.3A CN108986055B (zh) | 2018-07-11 | 2018-07-11 | 一种鸡蛋蛋壳表面细微裂纹的视觉检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108986055A CN108986055A (zh) | 2018-12-11 |
| CN108986055B true CN108986055B (zh) | 2020-06-23 |
Family
ID=64536768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810756150.3A Active CN108986055B (zh) | 2018-07-11 | 2018-07-11 | 一种鸡蛋蛋壳表面细微裂纹的视觉检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108986055B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111440708A (zh) * | 2020-05-08 | 2020-07-24 | 中国计量大学 | 鸡胚病毒注射头优选装置 |
| CN111739042B (zh) * | 2020-06-04 | 2023-06-09 | 中南大学 | 一种基于数字图像特征的复杂背景电力线提取方法 |
| JP2023141751A (ja) * | 2022-03-24 | 2023-10-05 | 株式会社日立ソリューションズ・クリエイト | 雌雄判定装置及び雌雄判定方法 |
| JP2023141756A (ja) * | 2022-03-24 | 2023-10-05 | 株式会社日立ソリューションズ・クリエイト | 雌雄判定サービス提供システム及び雌雄判定サービス提供方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101915764A (zh) * | 2010-08-10 | 2010-12-15 | 武汉武大卓越科技有限责任公司 | 基于动态规划的路面裂缝检测方法 |
| CN104749190A (zh) * | 2015-04-02 | 2015-07-01 | 华中农业大学 | 一种禽蛋表面裂纹的在线视觉检测装置及其方法 |
| CN105346930A (zh) * | 2015-12-01 | 2016-02-24 | 华中农业大学 | 禽蛋品质无损检测输送旋转装置 |
| 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 |
-
2018
- 2018-07-11 CN CN201810756150.3A patent/CN108986055B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101915764A (zh) * | 2010-08-10 | 2010-12-15 | 武汉武大卓越科技有限责任公司 | 基于动态规划的路面裂缝检测方法 |
| CN104749190A (zh) * | 2015-04-02 | 2015-07-01 | 华中农业大学 | 一种禽蛋表面裂纹的在线视觉检测装置及其方法 |
| CN105346930A (zh) * | 2015-12-01 | 2016-02-24 | 华中农业大学 | 禽蛋品质无损检测输送旋转装置 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| Eggshell crack detection based on computer vision and acoustic response by means of back-propagation artificial neural network;Lei-qing Pan 等;《Eur Food Res Technol》;20111231;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108986055A (zh) | 2018-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108986055B (zh) | 一种鸡蛋蛋壳表面细微裂纹的视觉检测方法 | |
| CN111179225B (zh) | 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法 | |
| CN109816644B (zh) | 一种基于多角度光源影像的轴承缺陷自动检测系统 | |
| JP6062059B2 (ja) | バイオイメージング法 | |
| CN111862064B (zh) | 一种基于深度学习的银质丝材表面瑕疵识别方法 | |
| CN110445921A (zh) | 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置 | |
| CN107437243B (zh) | 基于x光图像的轮胎杂质检测方法及装置 | |
| CN108169236A (zh) | 一种基于视觉的金属表面缺陷检测方法 | |
| JP2018525746A5 (zh) | ||
| CN107255641A (zh) | 一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法 | |
| CN111474177A (zh) | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 | |
| CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
| CN112053376B (zh) | 一种基于深度信息的工件焊缝识别方法 | |
| CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
| CN112581434A (zh) | 一种用于产品缺陷检测的图像识别方法 | |
| CN113298769B (zh) | Fpc软排线外观缺陷检测方法、系统和介质 | |
| CN111474179A (zh) | 镜片表面清洁度检测装置及方法 | |
| CN116993682B (zh) | 基于图像数据分析的角膜塑形镜瑕疵区域提取方法 | |
| CN111161237A (zh) | 一种果蔬表面质检方法及其储存介质、分拣装置 | |
| CN111242888A (zh) | 一种基于机器视觉的图像处理方法及系统 | |
| CN113240647A (zh) | 一种基于深度学习的手机外壳后盖缺陷检测方法和系统 | |
| CN111562260B (zh) | 一种基于机器视觉的莲藕泥孔检测方法及装置 | |
| CN116051541B (zh) | 基于频闪光源的轴承端面平缓磨伤检测方法及装置 | |
| CN117309892A (zh) | 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器 | |
| CN113947598B (zh) | 基于图像处理的塑料餐盒缺陷检测方法、装置及系统 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20181211 Assignee: Hubei Lijian Intelligent Equipment Co.,Ltd. Assignor: HUBEI University OF TECHNOLOGY Contract record no.: X2024980000523 Denomination of invention: A Visual Detection Method for Fine Cracks on the Surface of Eggshell Granted publication date: 20200623 License type: Common License Record date: 20240110 |
|
| OL01 | Intention to license declared | ||
| OL01 | Intention to license declared |