馮燕柱，蔡 肯，宋安亮，林欽永，鐵風(fēng)蓮

（仲愷農(nóng)業(yè)工程學(xué)院自動化學(xué)院，廣州 510550）

0 引言

鴿子是一種肉質(zhì)好、營養(yǎng)豐富、蛋白高、脂肪低的健康美食［1］。隨著社會的發(fā)展和居民消費(fèi)水平的提高，居民對肉鴿的需求量逐漸增加，肉鴿產(chǎn)業(yè)迅速發(fā)展［2］。目前肉鴿生產(chǎn)主要依靠人工孵化技術(shù)，但在進(jìn)行人工孵化前需要對鴿子種蛋進(jìn)行挑選［3］。鴿子種蛋挑選仍以傳統(tǒng)人工方式為主，效率低、人工成本高，肉鴿產(chǎn)業(yè)的發(fā)展和經(jīng)濟(jì)效益收到嚴(yán)重制約。因此，急迫需要研究鴿子種蛋識別技術(shù)與裝置，以提高效率、降低成本、釋放勞動力，實(shí)現(xiàn)鴿子種蛋挑選自動化和智能化。

鴿子種蛋挑選主要為了選出受精的種蛋。目前，種蛋受精無損識別的方法主要有機(jī)器視覺法［4］、光譜技術(shù)［5］和光電檢測技術(shù)［6］等。機(jī)器視覺法主要根據(jù)種蛋圖像里的血絲特征進(jìn)行受精判別［7］。光譜技術(shù)依據(jù)受精蛋與無精蛋內(nèi)部物質(zhì)的不同進(jìn)而導(dǎo)致獲取的光譜信息不同，從而能夠判斷是否受精［7］。光電檢測技術(shù)依據(jù)種蛋的透光度進(jìn)行受精識別［7］。研究表明，蛋重和蛋形指數(shù)對受精率無顯著影響，但對鴿子活胚蛋孵化率影響較大［8］。光譜技術(shù)和光電檢測技術(shù)都無法獲得種蛋的蛋重和蛋形指數(shù)數(shù)據(jù)，而通過機(jī)器視覺法可以獲得這些數(shù)據(jù)。國內(nèi)外學(xué)者基于機(jī)器視覺對雞蛋和鴨蛋的研究較多［9-10］，對鴿子蛋的研究較少。因此，提出采用機(jī)器視覺法對鴿子種蛋進(jìn)行識別篩選。

目前，機(jī)器視覺技術(shù)在工業(yè)領(lǐng)域得到廣泛應(yīng)用，其中在產(chǎn)品的識別分類［11-12］、尺寸測量［13-14］、抓取安裝［15］和檢測［16-17］方面應(yīng)用廣泛。本文基于機(jī)器視覺檢測技術(shù)，結(jié)合鴿子種蛋的特征，設(shè)計(jì)了一臺鴿子種蛋識別裝置。通過機(jī)器視覺成像、中值濾波、二值化、形態(tài)學(xué)膨脹處理、最大類間方差法和自適應(yīng)直方圖均衡算法等方法準(zhǔn)確識別鴿子種蛋受精特征和獲取鴿子種蛋的蛋重和蛋形指數(shù)數(shù)據(jù)。

1 機(jī)器視覺鴿子種蛋識別原理及裝置

機(jī)器視覺鴿子種蛋識別技術(shù)是利用工業(yè)相機(jī)對鴿子種蛋進(jìn)行圖像采集，并使用合適的圖像處理算法對所獲得的圖像進(jìn)行處理、計(jì)算，最終在鴿子種蛋圖像中找出受精特征和計(jì)算出蛋重、蛋形指數(shù)。如圖1 所示，機(jī)器視覺鴿子種蛋識別裝置主要由工業(yè)計(jì)算機(jī)、工業(yè)相機(jī)、照蛋光源、避光箱、數(shù)據(jù)傳輸線和支撐架組成。照蛋光源提供合適的亮度，突顯鴿子種蛋內(nèi)部的特征信息，照蛋光源可以選用LED光源；避光箱相當(dāng)于是黑箱，使得成像不受外部環(huán)境的影響，提高成像質(zhì)量，避光箱由亞克力板加工組裝而成；工業(yè)相機(jī)獲取鴿子種蛋圖像，通過數(shù)據(jù)傳輸線傳給工業(yè)計(jì)算機(jī)處理；工業(yè)計(jì)算機(jī)應(yīng)用圖像處理算法對圖像進(jìn)行處理，獲得鴿子種蛋的受精、蛋重和蛋形指數(shù)信息，最后結(jié)合這3種信息判斷是否適合作種蛋。

圖1 機(jī)器視覺鴿子種蛋識別裝置示意圖

2 鴿子種蛋圖像處理

工業(yè)相機(jī)獲取的圖像由前景區(qū)域（鴿子蛋）和背景區(qū)域組成，如圖2（a）所示。為了提高處理速度和簡化圖像處理算法，需要對所采集圖像進(jìn)行預(yù)處理提取前景區(qū)域。從圖2（b）鴿子種蛋圖像的三維圖可以發(fā)現(xiàn)背景區(qū)域存在很多噪聲點(diǎn)。中值濾波法是一種非線性數(shù)字濾波技術(shù)，去除椒鹽類噪聲較好，而且模糊輕微，邊緣保留較好，本研究采用中值濾波去除背景區(qū)域的噪聲點(diǎn)，處理結(jié)果如圖3 所示。

圖2 機(jī)器視覺系統(tǒng)采集的鴿子種蛋圖像

圖3 鴿子種蛋圖像中值濾波處理前后結(jié)果

圖像二值化處理是基于給定的閾值T 將前景區(qū)域和背景區(qū)域進(jìn)行劃分，從而獲得相應(yīng)的二值化圖像。若前景區(qū)域中的點(diǎn)（x，y）滿足f（x，y）≥T，則剩余點(diǎn)組成背景區(qū)域，二值化圖像g（x，y）表示如下：

式中：T為給定的閾值。

自適應(yīng)閾值分割算法（Otsu）是最大類間方差法，利用整幅圖像的直方圖特性確定全局的閾值T?；谥兄禐V波處理的結(jié)果，使用Otsu算法進(jìn)行二值化處理，再進(jìn)行形態(tài)學(xué)處理獲取前景區(qū)域，處理結(jié)果如圖4 所示。

圖4 鴿子種蛋圖像預(yù)處理前后結(jié)果

2.1 鴿子種蛋的蛋重和蛋形指數(shù)信息提取

研究表明鴿子蛋重為21.8 ～24.9 g，鴿子活胚蛋孵化率最高［8］。鴿子蛋的外形類似橢球形，所以可把鴿子蛋假設(shè)成橢球形狀，那鴿子蛋的蛋重表示如下：

式中：me為蛋重；a 為鴿子蛋的長半徑；b 為鴿子蛋的短半徑；c為鴿子蛋的極半徑；ρ為鴿子蛋的密度。

由于鴿子蛋的短半徑b 和極半徑c 相等，蛋重me只與長半徑a、短半徑b 和密度ρ 相關(guān)。鴿子蛋的橫截面為橢圓形，其面積為πab，而每個鴿子蛋的密度可以看作常數(shù)，鴿子蛋的橫截面面積和蛋重都是關(guān)于長半徑a和短半徑b 的函數(shù)，所以可以用鴿子蛋的橫截面面積代表鴿子蛋的蛋重。基于預(yù)處理好的二值化種蛋圖像，從二值圖像中刪除像素小于1 000 pixel 的連通域，然后計(jì)算連通域的面積，最后求最大的連通域面積即得到鴿子蛋的橫截面面積，實(shí)例如圖5 所示。

圖5 鴿子種蛋的蛋重信息

研究發(fā)現(xiàn)鴿子活種蛋的孵化率隨蛋形指數(shù)的增加而降低［8］。蛋形指數(shù)用蛋的橫直徑與縱直徑的比值表示，鴿子蛋的橫直徑和縱直徑如圖6 所示。

圖6 鴿子蛋的橫直徑與縱直徑示意圖

基于預(yù)處理好的二值化種蛋圖像，求與該區(qū)域具有歸一化二階中心矩的橢圓長軸和短軸的長度，即可得到鴿子蛋的橫直徑與縱直徑，蛋形指數(shù)也可得到，處理結(jié)果如圖7 所示。

圖7 鴿子種蛋的蛋形指數(shù)

2.2 鴿子種蛋的受精特征識別

工業(yè)相機(jī)采集到的受精蛋和無精蛋的圖像如圖8 所示，對比發(fā)現(xiàn)受精蛋圖像比無精蛋圖像顏色偏黃、透光率低，受精蛋圖像中存在紅色的血絲網(wǎng)特征，而無精蛋圖像中沒有血絲網(wǎng)。所以可以通過識別血絲網(wǎng)特征進(jìn)行受精判斷。

圖8 受精蛋與無精蛋圖像

彩色圖像以一個三維矩陣的方式進(jìn)行存儲，包含紅、綠、藍(lán)3 個通道的信息，圖像矩陣的第一維表示紅色通道信息，第二維表示綠色通道信息，第三維表示藍(lán)色通道信息。若用A表示一張彩色圖像，則紅、綠、藍(lán)三通道圖像可以表示為：

式中：R為紅色通道圖像；G 為綠色通道圖像；B 為藍(lán)色通道圖像。

首先從原圖像中獲取前景區(qū)域即鴿子蛋區(qū)域作為處理對象，針對受精蛋圖像中紅色血絲網(wǎng)的特征，獲取圖像的紅、綠和藍(lán)三通道圖像。然后將鴿子種蛋區(qū)域圖像進(jìn)行灰度轉(zhuǎn)換，使用每個像素周圍的局部一階圖像統(tǒng)計(jì)量來確定局部自適應(yīng)圖像閾值，使用該閾值進(jìn)行二值化處理。膨脹運(yùn)算是將與模板接觸的背景點(diǎn)合并到目標(biāo)對象中，能使對象的邊界向外部擴(kuò)大。將二值化結(jié)果圖像取反，再用2 ×2 單位矩陣模板與取反的二值化圖像進(jìn)行形態(tài)學(xué)膨脹運(yùn)算以獲得受精特征的大概區(qū)域。通過對比發(fā)現(xiàn)，綠色通道圖像中受精特征比較明顯，將綠色通道圖像與處理后的鴿子種蛋區(qū)域圖像作點(diǎn)乘運(yùn)算以獲得綠色通道圖像里的受精特征區(qū)域。再將處理后的綠色通道圖像進(jìn)行自適應(yīng)直方圖均衡化和局部自適應(yīng)閾值二值化處理以增強(qiáng)受精特征區(qū)域。其次將處理的圖像結(jié)果分別與紅、綠、藍(lán)三通道圖像作點(diǎn)乘運(yùn)算以獲得各個通道圖像中的受精特征區(qū)域；由于受精特征顏色為紅色，對受精特征區(qū)域的紅、綠、藍(lán)三通道的像素進(jìn)行篩選。當(dāng)紅色通道圖像點(diǎn)R（x，y）比綠色通道圖像點(diǎn)G（x，y）的值大于70 以上，同時比藍(lán)色通道圖像點(diǎn)B（x，y）的值大于70 以上，則判斷該點(diǎn)（x，y）為紅色特征即受精特征，保留該點(diǎn)（x，y）像素值，反之將該點(diǎn)像素值設(shè)為255。將處理得到的圖像轉(zhuǎn)化成灰度圖像，使用Otsu算法進(jìn)行二值化處理，將處理后的圖像取反運(yùn)算。最后通過求連通域的面積來計(jì)算受精特征的面積，與設(shè)定的閾值100 比較，若受精特征的面積大于閾值時即判斷為受精成功，否則判斷為受精未成功，處理結(jié)果如圖9 所示。

圖9 鴿子種蛋受精特征識別結(jié)果

3 試驗(yàn)結(jié)果分析

為了驗(yàn)證所應(yīng)用方法的有效性，對采集到的樣本鴿子種蛋圖像進(jìn)行測試。測試的樣本圖像數(shù)量為12 幅，其中6 幅為受精蛋圖像，6幅為無精蛋圖像，原圖像的大小都為770 pixel×1 028 pixel，受精蛋和無精蛋圖像都被成功識別。本文定義蛋的橫截面面積的選擇范圍為110 000 ～160 000，蛋形指數(shù)的選擇范圍為0.65 ～0.76。若鴿子蛋為受精蛋，蛋的橫截面面積在110 000 ～160 000 之間，且蛋形指數(shù)在0.65 ～0.76 范圍內(nèi)，則該鴿子蛋適合作種蛋，否則不適合作種蛋。鴿子種蛋的識別結(jié)果如表1 ～2 所示。從表中數(shù)據(jù)，可以發(fā)現(xiàn)無精蛋的蛋重結(jié)果偏小，這主要是無精蛋的透光率高，導(dǎo)致邊緣區(qū)域不納入計(jì)算范圍。

表1 鴿子種蛋的識別結(jié)果1

表2 鴿子種蛋的識別結(jié)果2

4 結(jié)束語

為解決人工挑選鴿子受精蛋存在的效率低、勞動強(qiáng)度大、主觀性強(qiáng)等問題，本文設(shè)計(jì)了基于機(jī)器視覺的鴿子種蛋識別裝置，運(yùn)用灰度化、二值化等算法提取鴿子蛋的蛋重和蛋形指數(shù)數(shù)據(jù)。對鴿子蛋受精識別問題，通過分析鴿子蛋受精特征的特點(diǎn)，提出了利用綠色通道圖像增強(qiáng)受精特征的方法，將紅色通道圖像與其余兩通道圖像對比獲得受精特征，再結(jié)合受精特征的區(qū)域大小判斷是否為受精蛋。實(shí)驗(yàn)結(jié)果表明該方法能夠識別鴿子蛋的受精特征，有一定的適應(yīng)性。結(jié)合蛋重、蛋形指數(shù)和受精情況3 項(xiàng)數(shù)據(jù)判斷鴿子蛋是否適用作種蛋。在實(shí)際生產(chǎn)過程中，可以使用所提出的方法與裝置對鴿子種蛋進(jìn)行識別篩選。