亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于機器視覺的雞蛋內(nèi)外品質(zhì)一體化檢測與分級系統(tǒng)

        2020-12-01 06:10:52梁冬泰吳曉成
        中國食品學(xué)報 2020年11期
        關(guān)鍵詞:裂紋檢測

        梁 丹 李 平 梁冬泰 陳 興 吳曉成

        (寧波大學(xué)機械與力學(xué)學(xué)院 浙江寧波315211)

        近年來,我國禽蛋年總產(chǎn)量已達(dá)2.8 千萬t,蛋品加工年產(chǎn)值高達(dá)到400 億元,成為我國畜產(chǎn)食品產(chǎn)業(yè)中的第二大產(chǎn)業(yè),在國民經(jīng)濟中占有重要地位[1]。在雞蛋加工、包裝中,雞蛋品質(zhì)的檢測和分級處理尤為重要。雞蛋品質(zhì)檢測分內(nèi)部檢測和外部檢測,主要包括最大橫徑、最大縱徑、蛋形指數(shù)和新鮮度等[2]。

        國外在雞蛋無損檢測方面的研究起步較早。Elster R T 等[3]最早對雞蛋的品質(zhì)特征進行研究,將直方圖均衡化和sobel 算子相結(jié)合,提取出雞蛋表面裂紋,實現(xiàn)雞蛋品質(zhì)的簡單分級,驗證了機器視覺進行雞蛋品質(zhì)檢測的可行性。Yoon S C 等[4]建立了一種壓力成像系統(tǒng),可在不影響雞蛋質(zhì)量的前提下檢測出含有微裂紋和普通裂紋的雞蛋。Priyadumkol J 等[5]設(shè)計了一種基于改進壓力室和機器視覺的雞蛋裂紋檢測系統(tǒng),提出一種魯棒裂紋檢測算法,采用750 個雞蛋表面圖像進行驗證,正確率94%,假陰性率1.67%。國內(nèi)的段宇飛等[6]采集雞蛋透射率光譜曲線,利用支持向量回歸與雞蛋哈夫單位值進行定量分析、非線性建模,以提高雞蛋新鮮度的檢測效果。魏萱等[7]利用灰度共生矩陣提取雞蛋圖像紋理特征,進行土雞蛋裂紋判別,準(zhǔn)確度達(dá)到96.0%。房盟盟等[8]利用高光譜成像技術(shù),結(jié)合化學(xué)統(tǒng)計學(xué)方法,實現(xiàn)雞蛋哈氏單位的無損有效檢測。

        雖然國內(nèi)外學(xué)者在禽蛋質(zhì)量、色澤、裂紋等方面進行大量研究[9-10],但是大多針對單品質(zhì)因素,在內(nèi)、外多品質(zhì)因素綜合檢測方面,還難以達(dá)到整體化、集成化、高效率。鑒于此,本文設(shè)計出一體化的雞蛋品質(zhì)無損檢測及分級系統(tǒng),提出一種基于機器視覺的雞蛋內(nèi)外品質(zhì)實時在線檢測方法。綜合多品質(zhì)因素檢測結(jié)果,按照雞蛋大小/新鮮度等級標(biāo)準(zhǔn),實現(xiàn)雞蛋裂紋、尺寸、新鮮度與品質(zhì)等級的自動化檢測與分級。本文所設(shè)計的系統(tǒng)檢測精確度較高、結(jié)構(gòu)簡單、執(zhí)行速度快,可應(yīng)用于禽蛋養(yǎng)殖場的規(guī)模化在線檢測,以及其它農(nóng)產(chǎn)品的自動化檢測與分級。

        1 雞蛋品質(zhì)檢測與分級系統(tǒng)方案

        本文設(shè)計的雞蛋檢測與分級系統(tǒng)的整體結(jié)構(gòu)如圖1所示,包括用于圖像采集、樣品傳輸、樣品分級、計算機處理的硬件部分,圖像采集、圖像處理、信號傳遞通訊、數(shù)據(jù)處理等軟件部分。

        圖1 雞蛋品質(zhì)檢測與分級設(shè)備整體結(jié)構(gòu)簡圖Fig.1 The structure of the egg quality inspecting and grading system

        圖像采集單元Ⅰ如圖2所示,主要由彩色CCD 相機、環(huán)形LED 光源和遮光箱等組成,用于雞蛋裂紋、最大橫徑、最大縱徑和蛋形指數(shù)等外部品質(zhì)的檢測。使用BASLER acA130-30gc 數(shù)字?jǐn)z像機,Computar H0514-MP 定焦鏡頭。光源采用MV-LRDS-120-30-R LED 環(huán)形紅色光源,通過正向照明方式采集雞蛋正面圖像。圖像采集單元Ⅱ用于雞蛋內(nèi)部品質(zhì)檢測,選擇透射性能較好的Philips WHITE P45 的磨砂玻殼LED,采用背向照明的方式,通過CCD 相機獲取雞蛋的彩色透視圖。

        一級分級單元主要由電磁繼電器、銜鐵、托盤和一級分級盤等組成,可剔除雞蛋外部檢測有裂紋的雞蛋,無裂紋的雞蛋則順著托盤進入后續(xù)圖像處理裝置,結(jié)構(gòu)如圖3所示。二級分級單元先根據(jù)尺寸將雞蛋分成大、小兩類,再根據(jù)新鮮度分為特級(AA)、甲級(A)、乙(B)級3 類。該分級裝置如圖4所示,由舵機控制二級分級盤轉(zhuǎn)動,每個轉(zhuǎn)動角度分別指向不同的分級導(dǎo)向通道,將雞蛋運輸?shù)礁鱾€分級槽。

        圖2 雞蛋外部品質(zhì)圖像采集單元示意圖Fig.2 Image acquisition unit diagram of egg external quality

        圖3 一級分級單元結(jié)構(gòu)簡圖Fig.3 Unit diagram of the classification unit I

        圖4 二級分級單元結(jié)構(gòu)簡圖Fig.4 Unit diagram of the classification unit II

        系統(tǒng)的工作原理如圖5所示。傳輸單元將待測雞蛋傳送至圖像采集單元Ⅰ,進行外部圖像數(shù)據(jù)采集,并傳輸至圖像處理單元中進行處理,獲得裂紋、最大橫徑、最大縱徑和蛋形指數(shù)。當(dāng)雞蛋傳輸至一級分級單元時,計算機根據(jù)圖像處理結(jié)果進行裂紋判斷,若為裂紋雞蛋則剔除;若無裂紋,則將雞蛋繼續(xù)傳輸至圖像采集單元Ⅱ,完成對雞蛋內(nèi)部品質(zhì)參數(shù)的采集、處理、存儲、傳輸?shù)炔僮?,獲得新鮮度信息,最后在二級分級單元處,綜合內(nèi)、外多品質(zhì)因素進行二次分級。

        2 雞蛋品質(zhì)檢測方法

        雞蛋品質(zhì)無損檢測及分級系統(tǒng)采用鏈傳動流水線結(jié)構(gòu),主要包括外部品質(zhì)檢測、內(nèi)部品質(zhì)新鮮度檢測和品質(zhì)自動分級?;谔荻确戎狈綀D和類間方差最大法進行自動閾值選取,剔除裂紋蛋。采用外接最小矩形法檢測雞蛋輪廓的最大橫徑與最大縱徑,計算蛋形指數(shù),以此將雞蛋尺寸分為大、小兩個等級?;谛迈r度BP 神經(jīng)網(wǎng)絡(luò)對新鮮度進行無損檢測,訓(xùn)練出雞蛋新鮮度綜合檢測模型。根據(jù)新鮮度等級分為AA(特級)、A(甲級)、B(乙級)3 個等級。雞蛋品質(zhì)檢測方法如圖6所示。

        圖5 雞蛋內(nèi)、外品質(zhì)實時在線檢測系統(tǒng)原理框圖Fig.5 Schematic diagram of the real-time on-line inspecting system of egg internal and external qualities

        圖6 雞蛋品質(zhì)檢測與分級示意圖Fig.6 Diagram of inspecting and grading system of egg qualities

        2.1 雞蛋圖像精準(zhǔn)定位

        首先將雞蛋彩色RGB 圖像轉(zhuǎn)換為灰度圖,進行直方圖灰度變換、中值濾波平滑、圖像增強、二值化操作等圖像預(yù)處理,然后搜索像素值為“1”的上、下、左、右4 個邊界像素點,找到雞蛋ROI 區(qū)域?qū)D像進行精準(zhǔn)定位。分別向圖像4 個方向擴大40 個像素點進行剪切,以防止邊緣信息喪失。試驗結(jié)果如圖7所示。

        圖7 雞蛋圖像精準(zhǔn)定位Fig.7 Egg image location

        2.2 裂紋圖像處理

        試驗獲得的圖像為BMP(800×600)彩色圖,對每枚雞蛋圖像進行灰度轉(zhuǎn)化、平滑處理、銳化處理、圖像增強等預(yù)處理后,基于梯度幅度直方圖和類間方差最大法進行自動閾值選取,閾值分割并提取出裂紋區(qū)域,實現(xiàn)對裂紋雞蛋的判別。

        類間方差最大法(Otsu)的基本思想是將圖像按照灰度特性分成背景和目標(biāo)兩類,搜索類間方差最大時所對應(yīng)的閾值為最優(yōu)閾值,保證閾值分割錯分概率最小。設(shè)圖像中的總像素為N,灰度值區(qū)間為[0,L-1]。其中,背景類像素灰度值區(qū)間為[0,T],目標(biāo)類為[T+1,L-1],灰度值i 對應(yīng)的像素數(shù)為Ni,其概率為Pi=Ni/N(i=0,1,2,...,L-1),則類間方差公式為:

        令T 在區(qū)間[0,L-1]內(nèi)循環(huán)取值,搜索使σ2(T)最大的T 值,即最佳閾值。將Canny 算子非極大值抑制后的圖像像素分為3 個類別C1,C2,C3,分別包含梯度幅值為{t1,t2,...,tk}、{tk+1,tk+2,...,tm}、{tm+1,tm+2,...,tl}的像素,分別表示原圖像中的非邊緣點、待判斷邊緣點、邊緣點。設(shè)灰度梯度為tj對應(yīng)的像素數(shù)為nj,其概率為pj=nj/N,(j=1,2,...,l)。整個圖像的梯度幅值期望為:

        發(fā)生在C1、C2、C3類內(nèi)的梯度幅值期望分別為:

        上式中,tj,pj,l 為已知,通過搜索σ2(k,m)最大值所對應(yīng)的tm,pm,可得到區(qū)間C1、C2、C3的分界點,即Canny 算子的高低閾值。自適應(yīng)閾值Canny算法的流程如圖8所示。

        圖8 自適應(yīng)閾值算法流程圖Fig.8 Flow chart of the adaptive threshold algorithm

        圖像處理流程如圖9所示,即a→b→c→d→e→f→g。有裂紋的雞蛋直接被一級分級單元剔除。

        圖9 雞蛋圖像處理過程示意圖Fig.9 The image process of egg

        2.3 雞蛋尺寸測量

        采用外接最小矩形法:以雞蛋形心為原點建立直角坐標(biāo)系,通過旋轉(zhuǎn)圖像不斷搜索并比較上、下、左、右4 個邊界像素點構(gòu)成的矩形高度,當(dāng)矩形高度達(dá)到最大時即所求最小外切矩形。計算最大橫、縱徑像素長度,算法流程如圖10所示。圖9h 為使用外接最小矩形法測量得到的雞蛋尺寸輪廓圖像。

        圖10 外接最小矩形法流程圖Fig.10 Flow chart of the external minimumrectangular method

        2.4 雞蛋新鮮度檢測

        不同貯藏時間的雞蛋的透視圖不同[11]。本文通過圖像采集單元Ⅱ采集雞蛋內(nèi)部品質(zhì)信息透射圖像,獲取透視圖顏色信息作為雞蛋新鮮度判斷的特征量。目前,國際上對雞蛋品質(zhì)的評價指標(biāo)主要是雞蛋新鮮度哈夫值[12]。根據(jù)哈夫值Haugh 將雞蛋分為3 級:Haugh ≥72,特級(AA);60 ≤Haugh<72,甲級(A);30≤Haugh<60,乙級(B)。根據(jù)公式Haugh=100lg(H+7.57-1.7W037),計算雞蛋樣本哈夫值。

        由于RGB 圖像受光照條件影響較大,且分量間相關(guān)性較高,所以本文將雞蛋透視圖像RGB 顏色特征轉(zhuǎn)換為HSI 特征量,分析哈夫值與透視圖H、S、I 分量間關(guān)系,建立新鮮度BP 神經(jīng)網(wǎng)絡(luò),并通過試驗訓(xùn)練得出兩者之間的最優(yōu)相關(guān)。新鮮度BP 神經(jīng)網(wǎng)絡(luò)采用3 層前反饋結(jié)構(gòu),即輸入層、隱層和輸出層。其中輸入層節(jié)點數(shù)目為3,分別為H、S、I 3 個顏色特征分量;輸出層節(jié)點數(shù)為3,分別對應(yīng)編碼后的哈夫值等級。根據(jù)隱含層的經(jīng)驗公式,確定隱層數(shù)目m 范圍為[10,25],經(jīng)仿真確定最佳隱層數(shù)目為19。本文取200 枚用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練,后取120 枚用于試驗驗證。本試驗的結(jié)果輸出集為{123},其中“1”對應(yīng)特級,“2”對應(yīng)甲級,“3”對應(yīng)乙級。

        本試驗的新鮮度BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖11所示,其中,x={x1,x2,x3}為輸入,ωjm為輸入層第j 個神經(jīng)元與隱含層第m 個神經(jīng)元間連接權(quán)重 (1≤j≤3,1≤m≤19),ω’mi為隱含層第m 個神經(jīng)元與輸出層第i 個神經(jīng)元間的連接權(quán)重 (1≤i≤3),netm、ym分別為隱含層第m 個神經(jīng)元的輸入和輸出,net’i為輸出層第i 個神經(jīng)元的輸入,g={g1,g2,g3}為輸出。其中:

        netm=,ym=f(netm),net′i=∑ω′miym,gi=f(net′i)。

        新鮮度BP 神經(jīng)網(wǎng)絡(luò)輸出層的輸出可表示為:

        圖11 雞蛋新鮮度BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.11 The BP neural network structure of the egg freshness

        3 試驗測試

        3.1 裂紋檢測結(jié)果

        以MATLAB 2012b 為試驗平臺分別采用sobel 算法、Canny 算法、傳統(tǒng)Otsu 算法以及本文基于梯度幅度直方圖和類間方差最大法的自適應(yīng)閾值算法進行雞蛋裂紋、邊緣輪廓的檢測分析,結(jié)果如圖12所示。

        圖12 本文算法與傳統(tǒng)算法效果比較Fig.12 The effect comparison of the algorithm in this paper and the traditional algorithms

        可以看出,使用sobel 算子、canny 算子方法進行雞蛋邊緣提取時,輪廓易間斷。使用傳統(tǒng)Otsu算法時外部輪廓可較好地識別,然而效果不佳,輪廓較為模糊。本文方法提取的邊緣信息清晰可見,具有較好的連續(xù)性和完整性,優(yōu)于其余幾種傳統(tǒng)方法。

        3.2 模型驗證

        利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò),隨機選取褐殼雞蛋140 個,其中裂紋蛋20 個,完整蛋120 個(AA 級30 個,A 級60 個,B 級30 個)進行檢驗分級,驗證系統(tǒng)分級和新鮮度BP 神經(jīng)網(wǎng)絡(luò)模型的正確率,結(jié)果見表1。檢測過程中,采用外接最小矩形法計算蛋形指數(shù),以此將雞蛋尺寸分為大、小2 個等級。測試樣本中,檢測算法對裂紋蛋的識別率達(dá)98.18%。新鮮度BP 神經(jīng)網(wǎng)絡(luò)檢測中,AA 級雞蛋的新鮮度識別正確率為96.67%;A 級雞蛋新鮮度識別正確率為98.31%;B 級雞蛋新鮮度識別正確率為96.67%。綜合各檢測結(jié)果,對不同新鮮度等級的雞蛋品質(zhì)整體識別正確率為97.48%。分級系統(tǒng)能夠準(zhǔn)確、快速分級,圖像處理單元Ⅰ每張圖像的平均處理時間為0.26s,圖像處理單元Ⅱ每張圖像的平均處理時間為0.13s。

        表1 雞蛋品質(zhì)無損檢測與分級結(jié)果Table 1 The results of the non-destructive inspecting and grading system of egg quality

        3.3 誤差分析

        本文設(shè)計的雞蛋新鮮度檢測與分級系統(tǒng),在一級分級系統(tǒng)中剔除裂紋蛋時,雞蛋表面污漬會對圖像處理過程產(chǎn)生干擾,導(dǎo)致個別雞蛋裂紋識別錯誤,建議檢測前先清洗有污漬的雞蛋。在檢測雞蛋新鮮度時,設(shè)計新鮮度BP 神經(jīng)網(wǎng)絡(luò)進行試驗,通過200 枚模型樣本的訓(xùn)練,得出雞蛋透視圖中H、S、I 顏色特征分量和新鮮度哈夫值的對應(yīng)關(guān)系。從識別正確率看,模型還存在一定的誤差,主要原因有:①不同蛋殼厚度、顏色會影響雞蛋的透光度;②本神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)較小,應(yīng)增大訓(xùn)練樣本數(shù)據(jù)量以改善訓(xùn)練正確率。

        4 結(jié)論

        本文基于機器視覺設(shè)計出一體化的雞蛋品質(zhì)無損檢測與分級系統(tǒng),利用機器視覺算法實現(xiàn)了雞蛋裂紋、尺寸、新鮮度與品質(zhì)等級多品質(zhì)因素的自動化檢測與分級。(1)設(shè)計的雞蛋品質(zhì)檢測與分級機構(gòu)采用流水線結(jié)構(gòu),主要包括圖像采集單元、分級單元、傳輸單元、圖像處理單元和單片機控制單元等;(2)針對微小裂紋難以識別檢測的問題,基于梯度幅度直方圖和類間方差最大法進行自動閾值選取,對一級分級時的裂紋蛋進行剔除;(3)采用外接最小矩形法對雞蛋最大橫徑、最大縱徑、蛋行指數(shù)進行測量,該方法可檢測并判斷出雞蛋的大小,在二級分級系統(tǒng)中進行分級;(4)利用雞蛋透射圖顏色信息的變化與新鮮度指標(biāo)哈夫單位值間的關(guān)系,建立新鮮度BP 神經(jīng)網(wǎng)絡(luò)對新鮮度進行分級。試驗結(jié)果表明,裂紋識別正確率為98.18%,對不同新鮮度等級的雞蛋品質(zhì)識別正確率為97.48%。本文所設(shè)計的系統(tǒng)檢測精確度較高,結(jié)構(gòu)簡單,執(zhí)行速度快,可應(yīng)用于禽蛋養(yǎng)殖場的規(guī)模化在線檢測,以及其它農(nóng)產(chǎn)品的自動化檢測與分級。

        猜你喜歡
        裂紋檢測
        裂紋長度對焊接接頭裂紋擴展驅(qū)動力的影響
        “不等式”檢測題
        “一元一次不等式”檢測題
        “一元一次不等式組”檢測題
        一種基于微帶天線的金屬表面裂紋的檢測
        “幾何圖形”檢測題
        “角”檢測題
        Epidermal growth factor receptor rs17337023 polymorphism in hypertensive gestational diabetic women: A pilot study
        微裂紋區(qū)對主裂紋擴展的影響
        小波變換在PCB缺陷檢測中的應(yīng)用
        日日碰狠狠躁久久躁96avv | 久久久国产精品麻豆| 国产亚洲女人久久久久久| 精品不卡视频在线网址| www夜片内射视频在观看视频| 久久亚洲国产成人精品性色| 久久精品国产亚洲AⅤ无码| 久久精品国产亚洲av高清蜜臀| 色婷婷久久精品一区二区| 在线成人爽a毛片免费软件 | 99亚洲乱人伦精品| 人妻系列中文字幕av| 国产精品无码人妻在线| 欧美国产日本高清不卡| 国产精品无码久久久久下载| 久久久人妻精品一区bav| 亚洲av日韩综合一区久热| 在线观看国产精品日韩av| 久久久久综合一本久道| 在线观看国产一区二区av | 7m精品福利视频导航| 毛片免费在线播放| 日本人妻伦理片在线观看| 蜜桃av噜噜一区二区三区策驰| 熟女体下毛毛黑森林| 2021av在线| 亚洲桃色蜜桃av影院| 天堂国产一区二区三区| 少妇激情av一区二区| 国产大陆av一区二区三区| 午夜国产视频一区二区三区| 柠檬福利第一导航在线| 1精品啪国产在线观看免费牛牛| 一区二区激情偷拍老牛视频av| 奶头又大又白喷奶水av| 国产乱沈阳女人高潮乱叫老| 亚洲中文字幕无线乱码va | 在线观看日本一区二区三区四区| 女人高潮被爽到呻吟在线观看| 亚洲an日韩专区在线| 丝袜美腿诱惑区在线播放|