基于机器视觉鸡蛋胚胎成活性检测与分拣系统探讨.docVIP

基于机器视觉鸡蛋胚胎成活性检测与分拣系统探讨 　　摘 要：当前，流感疫苗的制备技术水平正逐步提升，一般采用在鸡蛋胚胎中培养病毒的方式。在病毒的采用过程中，坏死胚胎的剔除工作对疫苗的制作具有至关重要的影响。机器视觉的鸡蛋胚胎成活性检测与分拣系统所具有的强度低、高效率以及高精度对流感疫苗的安全保障具有重要作用。文章通过对系统环境进行分析，对建立鸡蛋胚胎成活性检测与分拣系统的各要素进行了探讨，最后提出几点思考与建议。 　　关键词：机器视觉；鸡蛋胚胎成活性检测；分拣；系统；思考 　　中图分类号：TP391.41 文献标识码：A 文章编号：1006-8937（2015）29-0001-02 　　1 鸡蛋胚胎成活性检测与分拣系统所面临的问题 　　1.1 品质指标 　　检测与分拣是系统的关键步骤，其目标之一是实现检测品质上的有效保证。当下的系统只是针对其中单独批次进行检验，评价的结果具有片面性的特点。如何建立系统的综合性指标，并作出系统客观的评价至关重要。另外，如何提供一条自动化的生产线，并为其提供理论上的依据，也是一个颇为棘手的问题。 　　1.2 图像采集 　　系统在进行图像上的采集过程中，无法根据个体之间的差异进行精确分析，从而在一定程度上造成了检测结构的精准度下降。在实际生产中，检测对象多为动态群体，使图像的采集、处理和分析更加复杂化，采集图像需要通过选择合适的光源、角度，并实现动态化的信息采集与处理，从而做出系统性的分析。 　　1.3 算法实现 　　由于胚蛋自身的特殊性，表面缺陷的复杂性以及多变性等诸多特点，整齐划一地进行检测与分拣难度还较大，给检测带来了一定的困难。同时，既有的算法的适应性不足，无法满足检测与分级生产线上检测速度极高的要求。并且，在算法的收敛性、自适应性、抗噪性等综合性能方面也存在诸多问题，需要进一步加以研究与解决。 　　2 鸡蛋胚胎预处理分析 　　2.1 图像的增强与滤波分析 　　CCD摄像机在进行工作时，所采集到的图像中受各种因素的影响，图像质量出现下降。提升图像噪音对后续鸡蛋胚胎成活性判断的准确性，需要对图像进行质量上的增强处理。常用的空域数字滤波，例如平滑滤波、高斯滤波以及中值滤波等，都可以对图像进行有效的增强增强的处理。另外，基于变换域的图像处理方法，能够将图像转换到某一域内进行表示，并通过对相关系数的修正，从而实现了对图像中某特定信息的增强处理。在使用平滑滤波的过程中，可以减弱图像中的高频分量，而并不会对低频率分量产生影响。但是需要注意的是，利用平滑滤波处理鸡蛋胚胎图像中灰度值变化较为迅速的边缘区域等部分时，能够在一定程度上减弱图像噪音，但是对血丝特征的对比度也产生了一定的影响，不利于后期图像分割。在中值滤波的使用过程中，对图像的中心像素点邻域中所有像素灰度值进行有效排序，从而找出其中的中间值，并利用此中间值替换中心像素。中值滤波在图像应用中最为广泛，其中的重要原因在于能够降低图像边缘模糊度，使边界较为光滑，有效保护了边缘轮廓，从而能够使图像的细节更加清楚，有利于后期的图像分割处理。在本系统的建设过程中，采用中值滤波用于图像信息的增强是极为有利的。 　　2.2 图像分割处理分析 　　利用机器视觉技术对鸡蛋胚胎成果性进行相关的检测时，需要将血丝从有效的胚胎图像中进行分离作业，从而有利于相关人员的成活性判断，这种过程叫做图像的分割处理。图像分割技术是多种多样的，并没有较为通用的方法，每种都有优缺点。因此，系统设计人员可以根据应用的基本要求，选择合适的图像分割处理技术。在图像的处理过程中，图像分割占据着重要位置。较为常用的方法是采用阙值对图像进行分割处理，利用图像中感兴趣区域与背景区域灰度值之间的差异，将图像分割为背景区域与目标区域。工作人员可以根据图像所含信息量确定固定阙值法与单阙值法对图像进行分割处理。 　　2.3 数字形态学图像处理技术分析 　　相对于传统的图像处理方法，形态学处理方法对人类视觉特性具有良好的额适应性。数学形态学利用结构元素或者是模板，将其作为探针，对于整幅图像进行有效遍历，并对图像信息进行有效收集，分析图像各信息之间的有效联系，继而获取到处理图像的基本结构特征。数学形态学的处理技术，能够在很多程度上去除掉大量的噪音点，但是会损失图像的细节信息。另外，相对于空域以及频域图像处理技术，数学形态学本身具有着相当大的优势，例如，借助几何特征信息，能够对图像进行有效的滤除与降噪，最大限度的保持住了图像的原有信息。同时，形态学的处理办法，对于图像的细化、填充、分割以及形态识别等多任务都具有较好的处理效果。 　　3 鸡蛋胚胎成活性检测与分拣系统设计分析 　　鸡蛋胚胎成活性检测与分拣系统可从硬件与软件方面进行分析，两方面的设计缺一不可，并在系统中占据着基础地位。