论文部分内容阅读
鸭蛋表面脏污程度比鸡蛋要严重的多,且表面脏污越严重,蛋壳表面所携带的微生物也越多,这样鸭蛋之间的交叉感染就变得更容易。现阶段我国禽蛋表面脏污检测还停留在禽蛋表面的脏污检测,根据禽蛋表面脏污进行分级、定级的研究较少。对于鸭蛋的新鲜度检测,现阶段主要采用人工照蛋检测和打破检测。但前者主要由人工靠经验检测,由于人的精力和反应能力都受人体自身的限制,无法长时间、高效率的工作,以致提高生产成本,且对检测结果也有很大的影响;后者又具有很大的破坏性,在实际生产中毫无优势。因此,研究产地鸭蛋表面脏污和新鲜度的快速无损检测方法,不仅具有重要的科学意义,还具有实际应用前景。本研究以鸭蛋为研究对象,利用机器视觉系统对鸭蛋的图像进行采集,通过对图像进行预处理和特征参数的提取,得到鸭蛋表面脏污面积与整蛋面积比(简称脏污面积比)和脏污块数,以及白壳鸭蛋透射图像的R、G、I分量灰度均值,蛋心面积与整蛋面积比(简称蛋心面积比)和气室面积与整蛋面积比(简称气室面积比)等内外部品质指标,并建立相关检测分级模型,实现对鸭蛋表面脏污和新鲜度的检测分级。主要研究内容和研究结果如下:(1)搭建了鸭蛋表面脏污和新鲜度的图像采集系统。利用多个单筒照蛋灯对表面脏污鸭蛋进行透射照明,每枚鸭蛋从进入暗箱到移出暗箱被拍照三次,以保证图像采集的完整性;利用单个照蛋灯对经初洗后的白壳鸭蛋进行透射照明,采用高清相机拍照获取图像,便于后续的图像特征参数提取。(2)确定了鸭蛋图像的预处理方法。通过将彩色图像B分量二值化得到图像中的漏光部分,并重组成三维图像后与彩色图像相减,实现去除鸭蛋表面脏污图像中因装置和鸭蛋之间的间隙而产生的漏光;利用图像R分量设定阈值二值化,并重组后与彩色图像相乘,实现去除鸭蛋新鲜度图像中的漏光。(3)提取了鸭蛋表面脏污及新鲜度图像的特征参数。选取鸭蛋表面脏污面积比和脏污块数,作为判别鸭蛋表面脏污程度的特征参数,并通过多次实验确定判别鸭蛋表面脏污程度的特征参数范围;采用hough变换的直线检测方法来提取气室面积,利用对彩色图像的G分量进行相关处理来获得蛋心区域面积,选取鸭蛋蛋心面积比、气室面积比和图像R、G、I分量灰度均值,作为判别鸭蛋新鲜与否的特征参数。(4)建立了鸭蛋表面脏污程度及新鲜度分级模型。确定表征鸭蛋表面脏污程度的参数范围,以及综合鸭蛋三次拍照图像的判别方法,最后利用MATLAB软件建立鸭蛋表面脏污程度分级模型,综合判别正确率达95.00%以上;选择最小二乘支持向量机建立鸭蛋新鲜度分级模型,按2:1的比例将所有的实验组样本分为训练集和预测集,以鸭蛋图像的R、G、I分量灰度均值、蛋心面积比和气室面积比这5个指标作为特征参数,训练集和预测集的分级正确率分别达96.92%、93.85%。