基于機器視覺的鴨蛋蛋殼檢測系統(tǒng).pdf

1、禽蛋是人們離不開的重要食品。在禽蛋加工過程中的一個重要步驟是分揀，即把破損蛋（主要是裂紋蛋）從好蛋中挑出來。分揀的意義不僅能保證禽蛋的品質(zhì)，還能提高經(jīng)濟效益。目前，我國禽蛋加工行業(yè)仍然采用人工檢測方法，即照蛋法和敲擊法，分別通過人的眼睛和耳朵來進行識別。人工檢測要求熟練工人進行長時間的生產(chǎn)操作，容易產(chǎn)生視覺或聽覺疲勞而導(dǎo)致破損蛋被遺漏，且隨著企業(yè)用人成本的提高，招工難會成為實實在在的問題;另外，人工檢測方法效率低下，不適應(yīng)規(guī)?；a(chǎn)的需

2、要。因此，自動化的禽蛋分揀技術(shù)成為禽蛋行業(yè)的迫切需求。目前，國內(nèi)外研究者在禽蛋品質(zhì)檢測方面已做了大量研究。采用的方法主要有圖像識別和敲擊聲音識別，或兩種方法融合。由于圖像識別法對于表面不潔凈的鴨蛋的裂紋檢測正確率不高，且難以實現(xiàn)禽蛋表面圖像全面且高效地采集，所以多數(shù)研究者采用的是以敲擊法為主的識別方法。相比敲擊法，圖像識別的優(yōu)勢在于能夠同時檢測禽蛋的內(nèi)外部品質(zhì)，且是無接觸型檢測，不會對禽蛋造成二次破壞。本課題選擇了中小禽蛋加工企業(yè)更愿意

3、接受的無接觸型檢測，即圖像識別法。
　　本文基于機器視覺法，首次采用反銳化掩模局部對比度增強的分段增益改進算法來增強裂紋，并且針對表面不潔凈的鴨蛋，配合新的圖像采集方法，對相同的位置采集前景光照和背景光照下兩張圖片，綜合處理去除雜質(zhì)干擾，最后基于實驗經(jīng)驗選定的特征參數(shù)，通過概率神經(jīng)網(wǎng)絡(luò)進行識別判斷。該系統(tǒng)在實驗環(huán)境下，總數(shù)為327組采樣鴨蛋圖像，裂紋識別率達(dá)到100％，好蛋的誤檢率約12.7％，檢測速度為平均每組0.4秒，基本滿足