于國龍 崔忠偉 桑海偉 王橋 趙建川

摘 要：為了提升皮蛋生產(chǎn)過程的智能化，利用物聯(lián)網(wǎng)技術(shù)智能實(shí)時(shí)監(jiān)控皮蛋生產(chǎn)車間的溫濕度，利用機(jī)器視覺和深度學(xué)習(xí)技術(shù)代替人工篩選皮蛋生產(chǎn)原材料鮮蛋的質(zhì)量。實(shí)驗(yàn)測試顯示，鮮蛋尺寸檢測準(zhǔn)確率達(dá)98%以上，鮮蛋表面破損檢測準(zhǔn)確率達(dá)84%以上，鮮蛋蛋黃形狀檢測準(zhǔn)確率達(dá)92%以上，生產(chǎn)車間溫度檢測準(zhǔn)確率達(dá)98%以上，生產(chǎn)車間濕度檢測準(zhǔn)確率達(dá)98%以上。

關(guān)鍵詞：物聯(lián)網(wǎng);深度學(xué)習(xí);溫濕度;機(jī)器視覺;破損檢測;尺寸檢測

中圖分類號：TP301.6文獻(xiàn)標(biāo)識碼：A文章編號：2095-1302（2019）12-0-03

0 引 言

傳統(tǒng)的皮蛋生產(chǎn)主要依靠人工對皮蛋生產(chǎn)環(huán)境及皮蛋質(zhì)量進(jìn)行篩選，不僅人工成本高，而且人工操作對皮蛋生產(chǎn)環(huán)境和皮蛋質(zhì)量的把握都有很大誤差，造成不合格產(chǎn)品過多，給經(jīng)濟(jì)效益帶來很大損失，因此本文研究探索研發(fā)一種智能物聯(lián)網(wǎng)自動(dòng)化的皮蛋生產(chǎn)技術(shù)。

本文基于計(jì)算機(jī)視覺技術(shù)選擇鮮蛋的理論，利用物聯(lián)網(wǎng)技術(shù)監(jiān)控皮蛋生產(chǎn)環(huán)境，開發(fā)計(jì)算機(jī)視覺判別鮮蛋品質(zhì)的方法和裝置，為實(shí)現(xiàn)多技術(shù)融合，快速準(zhǔn)確檢測鮮蛋品質(zhì)，以及實(shí)現(xiàn)生產(chǎn)環(huán)境智能監(jiān)控奠定基礎(chǔ)，主要目標(biāo)與任務(wù)需求如下。

（1）鮮蛋大小及表面破損檢測

利用機(jī)器視覺技術(shù)對鮮蛋大小進(jìn)行檢測，使腌制出的皮蛋大小均勻，同時(shí)檢測鮮蛋表面是否有破損，以免破損的鮮蛋影響腌制出的皮蛋質(zhì)量。

（2）利用深度學(xué)習(xí)精確判斷鮮蛋是否變質(zhì)

建立利用深度學(xué)習(xí)檢測新蛋質(zhì)量的方法和裝置模型，開發(fā)新蛋圖像處理和分析軟件，采用深度學(xué)習(xí)技術(shù)提高識別精度，并探討計(jì)算機(jī)視覺檢測蛋存在的問題和優(yōu)缺點(diǎn)。

（3）利用物聯(lián)網(wǎng)技術(shù)監(jiān)控皮蛋生產(chǎn)環(huán)境

本文研究利用物聯(lián)網(wǎng)技術(shù)采集皮蛋生產(chǎn)環(huán)境溫濕度參數(shù)，對正常的生產(chǎn)環(huán)境溫濕度參數(shù)進(jìn)行建模分析，建立標(biāo)準(zhǔn)模型，對皮蛋生產(chǎn)環(huán)境進(jìn)行監(jiān)測與報(bào)警。

通過上述目標(biāo)為企業(yè)皮蛋生產(chǎn)過程提供基于物聯(lián)網(wǎng)的智能化生產(chǎn)技術(shù)，為企業(yè)降低生產(chǎn)成本，提高生產(chǎn)效率，提升產(chǎn)品質(zhì)量提供技術(shù)支持。通過上述技術(shù)研究，不僅可以減輕工人的勞動(dòng)強(qiáng)度，減少經(jīng)濟(jì)損失，提高皮蛋加工行業(yè)的自動(dòng)化、機(jī)械化、現(xiàn)代化水平，而且對于推動(dòng)我國蛋品行業(yè)的發(fā)展和產(chǎn)業(yè)升級都具有十分重要的意義。

1 系統(tǒng)設(shè)計(jì)

1.1 鮮蛋大小及表面破損檢測設(shè)計(jì)

（1）鮮蛋大小檢測

利用OpenCV工具，首先對樣本圖片進(jìn)行二值化處理，然后增加所得圖片的對比度，利用Canny對皮蛋輪廓進(jìn)行邊緣檢測，再利用矩形逼近框出皮蛋輪廓，同時(shí)濾除干擾點(diǎn)，最后測量矩形尺寸。其中，原始樣本如圖1所示，鮮蛋大小和破損檢測如圖2所示，Canny處理的圖片如圖3所示，膨脹處理如圖4所示[1-4]。

同樣利用OpenCV工具，對鮮蛋表面進(jìn)行破損檢測。首先對樣本圖像進(jìn)行灰度處理，并增加圖像對比度，然后利用Canny進(jìn)行鮮蛋表面裂縫邊緣檢測，再利用形態(tài)學(xué)尋找出所有連通域，并除噪，最后對每個(gè)連通域提取骨架，判斷鮮蛋是否破損[5-7]。

1.2 鮮蛋蛋黃形狀檢測設(shè)計(jì)

在皮蛋生產(chǎn)過程中，前期選蛋是很重要的環(huán)節(jié)。前期鮮蛋不能出現(xiàn)變質(zhì)情況，才能保證生產(chǎn)的皮蛋質(zhì)量沒有問題。一旦前期選擇了變質(zhì)的蛋，無論后續(xù)的過程多么嚴(yán)格，生產(chǎn)出來的皮蛋都不合格。

本文通過建立深度學(xué)習(xí)CNN模型，將采集到的未變質(zhì)的鮮蛋蛋黃燈下照片作為深度學(xué)習(xí)的正樣本模型，將采集到的已變質(zhì)的蛋黃燈下照片作為深度學(xué)習(xí)的負(fù)樣本模型。首先，利用Caffe工具將采集到的樣本進(jìn)行訓(xùn)練，然后將訓(xùn)練好的模型用來檢測新測鮮蛋是否變質(zhì)。檢測系統(tǒng)[8-9]如圖5所示。

1.3 溫濕度檢測設(shè)計(jì)

在皮蛋生產(chǎn)過程中，最重要的就是生產(chǎn)車間的溫度和濕度控制。溫度和濕度決定了生產(chǎn)出來的皮蛋質(zhì)量。研究過程中考慮成本、穩(wěn)定性、易操作等因素，本文設(shè)計(jì)以STC89C52單片機(jī)作為控制單元，以DHT11集成溫濕度傳感器采集皮蛋廠房的溫濕度[10-11]。整個(gè)監(jiān)測系統(tǒng)分為硬件系統(tǒng)與上位機(jī)軟件系統(tǒng)兩部分。

（1）硬件溫濕度采集系統(tǒng)

硬件核心包括STC89C52單片機(jī)、DHT11傳感器、1602LCD、蜂鳴器等。STC89C52單片機(jī)將DHT11傳感器采集到的廠房溫濕度數(shù)據(jù)處理后顯示在LCD上，并將數(shù)據(jù)發(fā)至上位機(jī)。

（2）上位機(jī)溫濕度監(jiān)測系統(tǒng)

上位機(jī)接收到硬件監(jiān)測系統(tǒng)發(fā)來的廠房溫濕度數(shù)據(jù)，以曲線的形式實(shí)時(shí)動(dòng)態(tài)顯示出來，并可設(shè)置溫濕度的上下限。如果采集到的實(shí)時(shí)溫度超過了要求的上下限，就報(bào)警提示，使皮蛋生產(chǎn)廠房溫濕度控制在合理范圍內(nèi)。

為了監(jiān)測皮蛋生產(chǎn)廠房的溫濕度，利用溫濕度傳感器設(shè)計(jì)一套溫濕度實(shí)時(shí)采集系統(tǒng)，如圖6所示。同時(shí)，為了對溫濕度進(jìn)行控制與報(bào)警，設(shè)計(jì)一套溫濕度上位機(jī)管理軟件，如圖7所示。通過溫濕度檢測的軟、硬件系統(tǒng)配合，可以實(shí)現(xiàn)對皮蛋生產(chǎn)環(huán)境中溫濕度的實(shí)時(shí)監(jiān)測與報(bào)警。

2 檢測準(zhǔn)確率測試分析

2.1 鮮蛋尺寸及蛋黃形狀檢測

通過隨機(jī)抽取樣本庫中一定數(shù)量的鮮蛋樣本圖片，將機(jī)器視覺檢測技術(shù)測量的鮮蛋尺寸與實(shí)際測量尺寸進(jìn)行對比，將機(jī)器視覺檢測的破損蛋與實(shí)際破損情況對比，將深度學(xué)習(xí)檢測的蛋黃形狀與實(shí)際變質(zhì)蛋進(jìn)行對比，得到的對比結(jié)果見表1～表3所列。測試結(jié)果顯示，經(jīng)過多次測試對比，鮮蛋尺寸的機(jī)器視覺檢測準(zhǔn)確率達(dá)98%以上，鮮蛋表面破損檢測準(zhǔn)確率達(dá)84%以上，鮮蛋蛋黃形狀檢測準(zhǔn)確率達(dá)92%以上。

2.2 生產(chǎn)車間溫度和濕度檢測

隨機(jī)抽取皮蛋生產(chǎn)車間的溫濕度值，將其與實(shí)際溫濕度值進(jìn)行對比，檢測結(jié)果見表4、表5所列。測試結(jié)果顯示，本文方法測得的皮蛋生產(chǎn)車間溫度檢測準(zhǔn)確率達(dá)98%以上，生產(chǎn)車間濕度檢測準(zhǔn)確率達(dá)98%以上。

3 結(jié) 語

本文通過利用機(jī)器視覺與深度學(xué)習(xí)相關(guān)技術(shù)，對皮蛋生產(chǎn)原材料鮮蛋的尺寸和表面是否有裂痕，以及蛋黃形狀是否規(guī)則進(jìn)行了檢測。測試結(jié)果表明，本文方法效果良好，各項(xiàng)指標(biāo)檢測準(zhǔn)確率均達(dá)到80%以上。同時(shí)，利用溫濕度傳感器對皮蛋生產(chǎn)車間溫濕度進(jìn)行測量，測試結(jié)果表明，本文設(shè)計(jì)的系統(tǒng)溫濕度檢測準(zhǔn)確率均達(dá)到90%以上。

參 考 文 獻(xiàn)

[1]郭瑞峰，袁超峰，楊柳，等.基于OpenCV的機(jī)器視覺尺寸測量研究[J].計(jì)算機(jī)工程與應(yīng)用，2017，53（9）：253-257.

[2]韓茜茜，耿世勇，路向陽.基于機(jī)器視覺的尺寸測量應(yīng)用綜述[J].河南科技，2019（5）：8-10.

[3]馮西，吳靜靜，安偉.基于機(jī)器視覺的大尺寸工件自動(dòng)測量系統(tǒng)[J].傳感器與微系統(tǒng)，2019，38（4）：104-107.

[4]仲月嬌，張新敏，徐陽.基于機(jī)器視覺塑料螺母尺寸測量方法研究[J].機(jī)械工程師，2019（3）：37-39.

[5]馬旭，袁志成，王宇唯，等.基于機(jī)器視覺的育秧盤裂縫缺陷檢測方法研究[J].現(xiàn)代農(nóng)業(yè)裝備，2019，40（1）：25-31.

[6]韓曉健，趙志成.基于計(jì)算機(jī)視覺技術(shù)的結(jié)構(gòu)表面裂縫檢測方法研究[J].建筑結(jié)構(gòu)學(xué)報(bào)，2018，39（z1）：418-427.

[7]王睿，漆泰岳.基于機(jī)器視覺檢測的裂縫特征研究[J].土木工程學(xué)報(bào)，2016，49（7）：123-128.

[8]趙欣洋，蔡超鵬，王思，等.基于深度學(xué)習(xí)的不規(guī)則特征識別檢測技術(shù)[J].輕工機(jī)械，2019，37（3）：60-65.

[9]徐仙偉，曹霽.基于深度學(xué)習(xí)的交通標(biāo)志識別算法[J].計(jì)算機(jī)時(shí)代，2019（6）：67-70.

[10]胡國南.基于物聯(lián)網(wǎng)的溫濕度采集系統(tǒng)[J].電子世界，2018（7）：192-193.

[11]楊凡，王宜懷，宋洪儒.基于窄帶物聯(lián)網(wǎng)應(yīng)用架構(gòu)的溫濕度控制系統(tǒng)設(shè)計(jì)[J].電子技術(shù)應(yīng)用，2018，44（7）：59-63.