基于機(jī)器視覺的禽蛋外部缺陷檢測.pdf

1、臟蛋和破損蛋在加工過程中需要及時剔除，以免引起交叉感染，造成大范圍的禽蛋變質(zhì)。目前我國大部分禽蛋加工企業(yè)仍以人工檢測為主，工作效率低，勞動強(qiáng)度大。因此研究禽蛋外部缺陷的自動化檢測對于提高蛋品質(zhì)量以及蛋品加工企業(yè)的市場競爭力具有重要的意義。
　　本課題以禽蛋為研究對象，在前期研究的基礎(chǔ)上，提出了基于機(jī)器視覺的禽蛋外部缺陷檢測方法。在實驗室相關(guān)平臺上進(jìn)行了禽蛋圖像采集、預(yù)處理、污斑識別以及裂紋識別，并通過大量的實驗驗證了算法。本文主要

2、研究內(nèi)容和成果如下:
　　(1)在實驗室環(huán)境下設(shè)計了禽蛋圖像采集平臺，實現(xiàn)了禽蛋表面信息的完整獲取。除此之外，提出了結(jié)合最大輪廓提取以及種子填充算法的禽蛋圖像目標(biāo)區(qū)域獲取方法，有效地解決了禽蛋表面的黑色污斑可能造成禽蛋區(qū)域誤分割的問題。
　　(2)提出了兩種禽蛋表面污斑增強(qiáng)算法，分別基于局部紋理以及快速中值濾波，能夠解決類橢球形禽蛋表面光照不均以及復(fù)雜的禽蛋外部污斑導(dǎo)致傳統(tǒng)閾值分割算法難以檢測污斑的問題?；诳焖僦兄禐V波的算

3、法對200個禽蛋樣本進(jìn)行檢測的結(jié)果表明對臟蛋的識別率為98.4％，對干凈蛋的識別率為91.8％。
　　(3)針對背光透射照明條件下禽蛋表面凸顯的薄斑易干擾裂紋檢測以及細(xì)小裂紋不明顯的問題，提出了采用負(fù)LOG算子進(jìn)行禽蛋裂紋圖像的增強(qiáng)。并利用雙閾值技術(shù)進(jìn)行圖像分割以獲取“最優(yōu)”的裂紋二值化圖像，通過分析二值化圖像中裂紋區(qū)域與薄斑干擾區(qū)域的形狀特點，采用狹長指數(shù)進(jìn)行裂紋區(qū)域的識別。實驗結(jié)果表明，此算法對破損蛋的識別率為92.5％，對完

4、整蛋的識別率為90.0％。
　　(4)根據(jù)禽蛋外部缺陷檢測系統(tǒng)的功能需求，在Visual Studio2013集成開發(fā)環(huán)境下，利用OpenCV計算機(jī)視覺庫以及MySQL數(shù)據(jù)庫，完成了檢測系統(tǒng)軟件的編程。檢測系統(tǒng)軟件提供了用戶管理、圖像采集、缺陷檢測、檢測結(jié)果顯示與查詢等功能。
　　上述的研究結(jié)果表明，本文所提出的基于機(jī)器視覺的禽蛋外部缺陷檢測能夠克服目前禽蛋外部缺陷視覺檢測過程中的的部分難點，相關(guān)檢測算法對下一步實現(xiàn)在線禽蛋