基于机器视觉的鸡蛋新鲜度检测.docxVIP

基于机器视觉的鸡蛋新鲜度检测 0 鸡蛋透射率与贮藏期 由于其高营养，鸡蛋受到人们的喜爱。同时，鸡蛋是一个生物，很容易被生吃，不能吃。检测鸡的新鲜度在贮藏、加工和流通蛋品中非常重要。中国是鸡业和消费的主要国家。然而，长期以来，对鸡新鲜度的损害检测一直是一个难题。 许多学者曾经尝试利用各种方法无损地检测鸡蛋新鲜度:陈斌研究了鸡蛋主要成分的光谱透射特性, 认为鸡蛋属于非均匀物体, 光吸收现象属于选择性吸收;刘燕德等分析鸡蛋内部品质与透射特性的相关关系, 提出利用鸡蛋的透射特性对其新鲜程度进行无损检测和分级具有可行性;Liu Yande等以不同新鲜度的鸡蛋为研究对象, 建立了鸡蛋透射率与波长, 透射率与贮藏时间的相关数学模型;赵红霞、张守勤等使用超弱发光图像探测系统研究了鸡蛋在贮藏期中的发光情况, 认为超弱发光作为鸡蛋生理生化反应的综合指标, 用于测定鸡蛋鲜度, 方法简单、无损伤、灵敏度高。以上是基于鸡蛋光学特性来检测鸡蛋新鲜度, 还有利用机器视觉图像技术研究禽蛋品质:V.C.Patel等人运用机器视觉和神经网络检测血块蛋和污斑蛋, 正确率分别为92.8%和85.0%;陈佳娟、陈小光等将计算机视觉技术与遗传神经网络相结合, 建立一套适合于孵化鸡蛋成活性自动检测的计算机视觉系统。上述利用机器视觉图像技术检测鸡蛋品质, 是基于颜色特征来进行的, 本人曾研究过鸡蛋透射图像颜色特征与其新鲜度的关系, 并建立了鸡蛋图像颜色特征与其新鲜度的神经网络模型。 基于图像颜色特征的研究方法对实验条件要求苛刻, 对图像质量要求较高。本文从鸡蛋透射光图像的形态特征着手, 采用有效图像处理算法, 使鸡蛋敏感区域特征显现, 研究蛋黄面积特征、气室高度特征与其新鲜度的相关关系, 为基于图像技术进行鸡蛋新鲜度的无损检测提供新的技术途径。 1 人工拍摄实验方法图2将其复转成了20座鸡蛋,计算机拍摄法检测其 供试材料为湖北省九峰养鸡场的外壳干净无污的、新鲜的褐壳鸡蛋400枚, 对所有鸡蛋编号, 鸡蛋水平横放于蛋托中, 贮藏于恒温恒湿箱 (温度28℃, 相对湿度为70%) 内。 实验步骤为:1) 每天同一时间拍摄10枚鸡蛋图像, 转存于计算机;2) 拍完图像后, 打破这10枚鸡蛋测量哈夫单位值, 作为对应鸡蛋的新鲜度指标, 记录每枚蛋的哈夫单位实验数据及贮藏天数;3) 每天重复1) 和2) , 直到鸡蛋散黄。 拍摄鸡蛋图像的机器视觉装置简图如图1所示, 实验设备由光源、光筒、可散热光室、暗室、NIKON COOLPIXS4数码相机和计算机组成, 光源为60W白炽灯 (外套自制聚光筒) , 相机设置成相应的拍摄模式。新鲜度哈夫单位的测量方法详见文献。 2 蛋黄涂膜城市贮藏期间水分含量的变化 据文献介绍, 鸡蛋在贮藏过程中, 内容物会发生一系列变化, 鸡蛋内容物的总含水量为73%, 其中蛋白含水量为86%左右, 蛋黄含水量为50%左右, 两者的水分相差30%左右, 二者之间只有一层蛋黄膜相隔, 随着贮藏时间的延长, 蛋白水分逐渐由蛋壳表面气孔蒸发出去, 同时蛋黄膜弹性逐渐减弱, 蛋白中的水分也向蛋黄渗透一部分, 直到最后蛋黄膜完全破裂导致散黄。蛋黄随着这贮藏过程形态也在发生变化, 下文将研究蛋黄面积变化与新鲜度的关系。 2.1 鸡蛋内容物的显示 从图像方面研究鸡蛋新鲜度一直是个难题, 因为以前人们尝试过多种光源, 图像均很难清晰显现鸡蛋内容物。本次实验从开始到结束, 鸡蛋图像整体几乎一片通红, 看不清蛋黄 (图2a) , 必须通过有效的图像处理使反应蛋黄的敏感区域特征显现。 2.1.1 强度图像信息与颜色信息 本文把彩色图像看成是由R、G、B颜色分量对应的单色图像组成, 灰度图像只有强度图像信息, 而没有颜色信息。为了寻找蛋黄区域特征, 显示鸡蛋图像的RGB三分量的灰度图 (图2b、c、d) , 发现R和B分量图上各区域之间没有明显的差异, 而G分量图则显现出了蛋黄的阴影轮廓, 但仍不清晰。 2.1.2 效果分析形式 强度调整技术是将图像的强度值映射为一个新的数值范围中的一种方法, 目的是采用一系列技术去改善图像视觉效果或将图像转换成一种更适合人眼观察和机器自动分析的形式。通过不同值的γ选择调整变换后图像的整体亮度, 经比较分析, 当γ=1即采用线性映射方式时, 鸡蛋图像的整体亮度效果较好 (图2e、f、g分别为R、G、B三分量强度调整后的图像) , 尤其是G分量图 (图2-f) , 已经能够较清晰地显示出蛋黄区域。 2.1.3 波器不添加任何图像复杂度的情况下,分布图像异常值的处理 中值滤波是抑制噪声的非线性处理方法, 中值对异常值的敏感性比均值的小, 因此中值滤波器可以在不减小图像对比度的情况下剔除这些异常值。经比较分析, 中值滤波对图像去噪效果最好, 图2h为中值滤波