基于机器视觉的鸡蛋品质检测方法研究

论文摘要

机器视觉技术在鸡蛋品质检测中的应用已在国内外被广泛地开展,并且日益成为重要的检测手段之一。随着机器视觉技术与图像处理技术往专业化方向发展,机器视觉技术在鸡蛋品质检测领域的应用前景正变得越来越广阔。 鸡蛋品质检测分外部品质检测和内部品质检测两大部分,鸡蛋的尺寸、蛋形指数、重量和内容物、新鲜度分别是鸡蛋外部品质检测和内部品质检测的重要内容和指标。本文基于机器视觉技术,利用基于边缘的鸡蛋尺寸检测算法、线性回归模型等技术方法检测了鸡蛋的以尺寸大小、蛋形指数、重量为主的外部品质指标和以内容物、新鲜度为主的内部品质指标,并利用SOM神经网络分类器对鸡蛋按重量指标进行了分级。 本研究的主要研究内容和研究结果如下: 1、综述了国内外利用机器视觉技术对鸡蛋外部品质和内部品质进行检测的研究进展和现状,并指出了国内外同类研究中存在的问题以及开展基于机器视觉的鸡蛋品质检测方法研究与检测装备研制的迫切需求。 2、建立并完善了适合本研究的鸡蛋外部和内部品质检测机器视觉系统。鸡蛋外部品质检测系统由光照箱、6支荧光灯(F40BX/840)、彩色CCD摄像机、图像采集卡、ADVANTECH INDUSTRIAL COMPUTER 610工控机组成;鸡蛋内部品质检测系统由光照箱、1支磨砂玻壳白炽灯(PHILIPS)、彩色CCD摄像机、图像采集卡、ADVANTECH INDUSTRIAL COMPUTER 610工控机组成。 3、采集了鸡蛋的外部品质图像,对图像做预处理,采用由R、G、B颜色分量组合而成的指示值为阈值对图像进行分割,采用拉普拉斯算子提取出鸡蛋边缘,运用基于边缘的鸡蛋尺寸检测算法和一元线性回归模型检测鸡蛋的纵径、最大横径和蛋形指数,纵径、最大横径和蛋形指数检测模型的相关系数分别为0.9923、0.9816和0.9579。 4、利用鸡蛋尺寸检测算法提取出鸡蛋的纵径、最大横径、上横径和下横径四个尺寸量,用此四个尺寸量为自变量,鸡蛋重量为因变量,建立鸡蛋重量检测多元线性回归模型,模型的相关系数为0.9781,鸡蛋重量检测的绝对误差在±3克以内。用SOM神经网络分类器对鸡蛋按其重量指标分为55克以下、55克～65克(不包括65克)、65克及65克以上三个等级,分级的准确率分别为90.6%、76.8%和82.5%。 5、采集了鸡蛋内容物的透射图像,通过对透射图像做预处理,提取出鸡蛋内容物透射目标的R、G、B、H、S、I六个颜色特征分量的均值。用电子天平测得鸡蛋重量,用高度游标卡尺测得鸡蛋蛋白高度,计算得到表征鸡蛋新鲜度的哈夫单位值。以经过筛选的鸡蛋内容物透射目标的六个颜色特征分量均值为自变量,鸡蛋哈夫单位值为因变量,分别建立红壳蛋和白壳蛋的新鲜度检测多元线性回归模型,模型的相关系数分别为0.8674和0.8929。

论文目录

• 第一章 绪论
• 1.1 本研究的目的与意义
• 1.1.1 我国鸡蛋生产和出口现状
• 1.1.2 我国鸡蛋品质检测与分级方法发展的需求
• 1.2 国内外研究概况
• 1.2.1 应用机器视觉技术无损检测农产品的研究概况
• 1.2.2 鸡蛋品质无损检测与分级的研究概况
• 1.3 本研究的主要内容
• 1.4 本章小结
• 第二章 机器视觉系统与数字图像处理技术
• 2.1 本研究的机器视觉系统构建
• 2.1.1 光照箱及光源
• 2.1.1.1 鸡蛋外部品质检测系统光源配置
• 2.1.1.2 鸡蛋内部品质检测系统光源配置
• 2.1.2 CCD摄像机
• 2.1.3 图像采集卡
• 2.1.4 工控机
• 2.2 数字图像处理技术
• 2.2.1 数字图像表示形式
• 2.2.2 数字图像处理方法
• 2.2.3 颜色基本原理与颜色模型
• 2.2.3.1 颜色基本原理
• 2.2.3.2 颜色模型
• 2.3 本章小结
• 第三章 鸡蛋外部品质图像采集及其预处理
• 3.1 鸡蛋试验样本
• 3.2 鸡蛋外部品质图像采集
• 3.3 鸡蛋外部品质图像预处理
• 3.3.1 鸡蛋图像分割
• 3.3.2 鸡蛋图像中值滤波
• 3.3.3 鸡蛋图像边缘检测
• 3.4 本章小结
• 第四章 鸡蛋尺寸与蛋形指数检测
• 4.1 鸡蛋尺寸检测算法
• 4.2 鸡蛋尺寸检测回归模型
• 4.2.1 鸡蛋尺寸检测回归模型的建立
• 4.2.2 鸡蛋尺寸检测回归模型的验证
• 4.3 鸡蛋蛋形指数检测
• 4.4 本章小结
• 第五章 鸡蛋重量检测与分级
• 5.1 基于多元线性回归模型的鸡蛋重量检测
• 5.1.1 鸡蛋重量检测模型的推演
• 5.1.2 鸡蛋重量检测多元线性回归模型的建立
• 5.1.3 鸡蛋重量检测多元线性回归模型的验证
• 5.2 SOM神经网络模型及其学习算法
• 5.2.1 SOM神经网络生物原型研究
• 5.2.2 SOM神经网络的构建
• 5.2.2.1 神经元的侧向交互原理
• 5.2.2.2 二维阵列SOM网络模型
• 5.2.2.3 SOM神经网络模型的输入输出
• 5.2.2.4 SOM神经网络模型的学习算法推导
• 5.2.2.5 SOM神经网络模型学习的具体步骤
• 5.3 基于SOM神经网络的鸡蛋重量分级
• 5.4 本章小结
• 第六章 鸡蛋内容物与新鲜度检测
• 6.1 鸡蛋试验样本
• 6.2 鸡蛋新鲜度检测原理及其指标实测
• 6.2.1 鸡蛋新鲜度光学无损检测原理
• 6.2.2 鸡蛋新鲜度指标
• 6.2.3 鸡蛋新鲜度指标哈夫单位实测
• 6.3 鸡蛋内容物透射图像采集及其预处理
• 6.3.1 鸡蛋内容物透射图像采集
• 6.3.2 鸡蛋内容物透射图像预处理
• 6.4 鸡蛋新鲜度多元线性回归模型
• 6.4.1 鸡蛋新鲜度回归模型变量筛选
• 6.4.2 鸡蛋新鲜度回归模型的建立
• 6.4.3 鸡蛋新鲜度回归模型的验证
• 6.5 本章小结
• 第七章 结论与展望
• 7.1 主要结论
• 7.2 今后的研究设想
• 参考文献
• 附录
• 致谢