專利名稱：一種禽蛋表面品質(zhì)檢測的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種針對禽蛋表面品質(zhì)檢測的方法和裝置，特指基于計算機(jī)視覺和聲學(xué)融合技術(shù)無損檢測禽蛋表面品質(zhì)的方法及裝置。
背景技術(shù)：
禽蛋富含蛋白質(zhì)、脂肪、多種維生素和微量元素，是人們?nèi)粘Ｉ钪兄匾膭游镄允称?。由于蛋殼薄且易破碎，一旦破碎，?xì)菌會很快侵入和繁殖，引起禽蛋的腐敗、變質(zhì)，污染環(huán)境并殃及其它禽蛋，因此禽蛋的破損檢測是禽蛋生產(chǎn)、經(jīng)營和加工中的重要環(huán)節(jié)之一。許多研究表明禽蛋在收購，貯運(yùn)，加工過程中損失的主要原因是由于破損蛋、污斑蛋摻雜在正常蛋之間，引起交叉污染所致。據(jù)報道，我國每年收購的禽蛋由于腐敗變質(zhì)所造成的損失約占收購量的10％以上。隨著我國對外貿(mào)易的發(fā)展，工業(yè)用蛋及鮮蛋出口的標(biāo)準(zhǔn)也越來越嚴(yán)格，不僅對蛋的破損有要求，而且還要求禽蛋表面清潔，完整，大小一致，有時會根據(jù)需要剔除各種反常蛋(雙黃蛋、重殼蛋、畸形蛋等)。因此對禽蛋的表面品質(zhì)檢測并進(jìn)行分級既能減少損耗，又能提高貯藏加工質(zhì)量，有利于生產(chǎn)經(jīng)營者的創(chuàng)收，有利于消費(fèi)者的安全。目前，國內(nèi)外工業(yè)生產(chǎn)中主要依靠人工在燈光下剔除污斑蛋，通過觀察和轉(zhuǎn)動互碰禽蛋，聽蛋殼發(fā)出的聲音來識別、剔除破損禽蛋。這類方法不僅勞動強(qiáng)度大，生產(chǎn)效率低，人為破損量大，而且檢測精度易受人工注意力、體力、經(jīng)驗(yàn)和工作態(tài)度的影響而得不到根本保證。
國外學(xué)者有人用計算機(jī)視覺技術(shù)進(jìn)行禽蛋破損的研究。Elster R.T，Goodrum J.W等(Elster R.T，Goodrum J.W.Detection of cracks in eggs using machine vision.Trans of ASAE，1991，34(1)；Goodrum J.W，Elster R.T，Machine vision for crack detection in rotating eggs.Trans of ASAE，1992，35(4)1323-1328)將雞蛋分為合格品和次品兩個等級，判別準(zhǔn)確度不高且速度較慢，相關(guān)的專利未見報道。在他們的研究中發(fā)現(xiàn)，計算機(jī)視覺技術(shù)檢測破損蛋由于污斑等的影響易造成漏采，而且微小裂紋難以檢出，易造成漏檢，誤差較大。
利用聲學(xué)檢測技術(shù)對農(nóng)產(chǎn)品的品質(zhì)檢測是近30年來發(fā)展較快的一門技術(shù)，文友先等2002年9月23日提出了一份關(guān)于“禽蛋品質(zhì)無損自動檢測分級設(shè)備及方法”的專利申請(中國發(fā)明申請公開說明書，專利申請?zhí)?213983.5)，利用聲學(xué)敲擊法判斷禽蛋的破損，通過計算機(jī)視覺判斷禽蛋大小和蛋心顏色，但只是用單一的方法檢測，而且對禽蛋的破損情況不能進(jìn)行分級，而且不涉及反常蛋(如重殼蛋、畸形蛋等)和污斑蛋的檢測。
目前，國內(nèi)外對禽蛋表面品質(zhì)的檢測多采用人工感官評定方法或者某種單一的檢測方法，不能對禽蛋的品質(zhì)進(jìn)行較全面的客觀評價，檢測存在局限性，精度不夠。例如單一的計算機(jī)視覺技術(shù)無法檢測微裂紋和反常蛋；單一的聲學(xué)技術(shù)無法對禽蛋的破損情況進(jìn)行分級，無法檢測禽蛋表面的污斑和畸形蛋等。

發(fā)明內(nèi)容
技術(shù)問題本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺陷，提出一種在線情況下基于計算機(jī)視覺和聲學(xué)融合技術(shù)針對禽蛋表面品質(zhì)無損檢測分級的方法和裝置，特別是能將視覺信息和聽覺信息融合起來進(jìn)行綜合判別，可以更加精確地檢測禽蛋的破損情況，以及污斑和反常蛋等，并進(jìn)行分級，提高了蛋品加工業(yè)中禽蛋品質(zhì)檢測的質(zhì)量和效率。
技術(shù)方案本發(fā)明的目的通過以下方法實(shí)現(xiàn)的首先建立知識庫，對所檢測的禽蛋(雞蛋、鴨蛋、鵝蛋等)，根據(jù)其檢測標(biāo)準(zhǔn)(如出口鮮蛋國家標(biāo)準(zhǔn)等)，先由專業(yè)人員對一定數(shù)量的禽蛋進(jìn)行感觀評定建立專家知識庫，然后利用CCD攝像頭拍攝禽蛋樣本的圖像，經(jīng)由圖像采集并傳入計算機(jī)，而敲擊蛋殼產(chǎn)生的聲音信號則通過聲級計(麥克風(fēng))進(jìn)行采集，收集完好蛋和破損蛋(裂紋蛋、損殼蛋、流清蛋等)的圖像信號和聲音信號，利用計算機(jī)分析并提取特征信息，然后計算機(jī)模擬人的大腦對視覺數(shù)據(jù)庫和聽覺數(shù)據(jù)庫進(jìn)行融合處理，建立專家知識庫與禽蛋表面品質(zhì)相關(guān)的專家判定數(shù)據(jù)庫，從而由計算機(jī)判定被測樣品的優(yōu)劣、等級等質(zhì)量品質(zhì)。
建立專家判別數(shù)據(jù)庫的標(biāo)準(zhǔn)樣品檢測的步驟如下①測定樣品時，將樣品放在密封室內(nèi)蛋托的孔上，蛋托將密封室分上下層，下層放光源，光通過孔透射樣品；②通過CCD攝像頭采集樣品的圖像信號并輸入計算機(jī)；③密封室內(nèi)的敲擊棒沖擊樣品，產(chǎn)生聲音信號通過聲級計采入計算機(jī)中；④對圖像進(jìn)行處理，提取特征信息；⑤對聲音進(jìn)行處理，提取特征信息；⑥蛋托旋轉(zhuǎn)控制器使蛋托轉(zhuǎn)動90度，帶動樣品旋轉(zhuǎn)90度；⑦密封室內(nèi)的敲擊棒沖擊樣品，產(chǎn)生聲音信號通過聲級計采入計算機(jī)中；⑧對聲音進(jìn)行處理，提取特征信息；⑨蛋托旋轉(zhuǎn)控制器使蛋托轉(zhuǎn)動90度，帶動樣品旋轉(zhuǎn)90度；⑩重復(fù)一次上述步驟②～⑨的操作；結(jié)合專家知識庫中該樣品的品質(zhì)判別結(jié)果和等級，計算機(jī)對提取的特征信息進(jìn)行融合和模式處理，生成專家判別數(shù)據(jù)庫的內(nèi)部數(shù)據(jù)。
所述的基于計算機(jī)視覺和聲學(xué)技術(shù)無損檢測禽蛋表面品質(zhì)的方法，其特征在于對計算機(jī)提取的圖像信息與聲音信號信息進(jìn)行融合和模式處理，其中的數(shù)學(xué)處理采用回歸分析，傅立葉變換，模糊數(shù)學(xué)等常規(guī)統(tǒng)計數(shù)據(jù)分析方法和神經(jīng)網(wǎng)絡(luò)、遺傳算法等高精度實(shí)時模式系統(tǒng)來處理數(shù)據(jù)，并與知識庫聯(lián)系起來進(jìn)行訓(xùn)練、學(xué)習(xí)，得到一個專家判定數(shù)據(jù)庫，使得研制的系統(tǒng)可以提高分級的精度。
所述的融合分為原始數(shù)據(jù)融合、特征數(shù)據(jù)融合、決策數(shù)據(jù)融合多個層次的融合。原始數(shù)據(jù)融合和特征數(shù)據(jù)融合處理主要包括對圖像信號和聲音信號的處理和融合，其中圖像信息處理包括背景分割，圖像增強(qiáng)，閾值分割，特征提取等，而聲音信號處理包括信號采集，平滑去噪，特征提取等。特征數(shù)據(jù)融合指從各幅圖像以及各次聲音信號中提取特征值，然后在所有各自提取的特征值基礎(chǔ)上采用判別式分析、神經(jīng)網(wǎng)絡(luò)、回歸分析、遺傳算法等進(jìn)行融合。數(shù)據(jù)決策級的融合則是根據(jù)計算機(jī)視覺和聲學(xué)判斷得出的特征數(shù)據(jù)融合結(jié)果，通過應(yīng)用神經(jīng)網(wǎng)絡(luò)，模糊數(shù)學(xué)等手段對被檢禽蛋表面如裂紋、外形、尺寸、甚至內(nèi)部情況能進(jìn)行準(zhǔn)確綜合判斷的專家判別數(shù)據(jù)庫。
所述的一種禽蛋表面品質(zhì)檢測方法的裝置，其特征在于由四部分組成傳動裝置、計算機(jī)視覺檢測與分析模塊、聲學(xué)檢測與分析模塊、模式識別與數(shù)據(jù)融合處理系統(tǒng)。其中傳動裝置由傳送帶、調(diào)速裝置組成。計算機(jī)視覺檢測與分析模塊的裝置由密封室，CCD攝像頭，圖像采集卡，光源，蛋托，蛋托旋轉(zhuǎn)控制器組成，其中，CCD攝像頭，光源，蛋托處于密封室內(nèi)部，圖像采集卡固定在計算機(jī)內(nèi)部，聲學(xué)檢測與分析模塊的裝置由聲級計，蛋托，蛋托旋轉(zhuǎn)控制器，敲擊棒，敲擊檢測器及密封室組成。其中聲級計，蛋托，敲擊棒處于密封室內(nèi)部。計算機(jī)視覺系統(tǒng)與聲學(xué)采集與處理系統(tǒng)采集到的數(shù)據(jù)傳輸?shù)接嬎銠C(jī)內(nèi)的識別和融合數(shù)據(jù)處理系統(tǒng)進(jìn)行分析處理。
所述的計算機(jī)視覺檢測裝置中的圖像檢測密封室分為上下兩層下層為光源部分，上層為禽蛋檢測暗室，兩層中間的蛋托含有滾軸，蛋托中間為空，通過滾軸的轉(zhuǎn)動帶動禽蛋的轉(zhuǎn)動，禽蛋的表面有三個CCD攝像頭，CCD攝像頭通過電纜與插在計算機(jī)中的圖像采集卡相連，并與計算機(jī)組成實(shí)時計算機(jī)視覺采集與處理系統(tǒng)。
計算機(jī)視覺的圖像采集與聲音信號采集過程均在密封室內(nèi)完成，密封室下層光源采用白熾燈，光源通過蛋托的中空透射到禽蛋上。對于每枚禽蛋，滾軸旋轉(zhuǎn)四次，每次90度，敲擊棒沖擊禽蛋四次，聲級計采集四次聲音信號，而CCD攝像頭采集二次圖像。
工作時，調(diào)速裝置以一定速率使傳送帶將被檢禽蛋送入檢測密封室內(nèi)部，并暫停運(yùn)行，由CCD攝像頭拍攝雞蛋的圖像，經(jīng)電纜傳入圖像采集卡處理，通過計算機(jī)內(nèi)部的軟件分析處理。第一次圖像采集完成后，聲學(xué)檢測裝置開始工作，敲擊控制器帶動敲擊棒沖擊雞蛋的赤道部位，信號由聲級計采集，通過電纜傳入A/D轉(zhuǎn)換卡，通過計算機(jī)內(nèi)部的軟件分析處理。然后蛋托旋轉(zhuǎn)控制器控制蛋托旋轉(zhuǎn)，帶動雞蛋轉(zhuǎn)動90度，如前進(jìn)行第二次聲音信號采集過程；第二次聲音信號采集結(jié)束后，蛋托旋轉(zhuǎn)控制器控制蛋托旋轉(zhuǎn)，繼續(xù)使雞蛋轉(zhuǎn)動90度，這時攝像系統(tǒng)進(jìn)行第二次圖像采集，聲學(xué)系統(tǒng)進(jìn)行第三次聲音信號采集過程；接著蛋托旋轉(zhuǎn)控制器控制蛋托旋轉(zhuǎn)，繼續(xù)使雞蛋轉(zhuǎn)動90度，進(jìn)行第四次聲音信號的采集，然后信號采集工作結(jié)束。至此，對每枚雞蛋，CCD攝像頭共采集2次雞蛋圖像，聲級計采集4次雞蛋受沖擊后的聲音信號。每次得到的數(shù)據(jù)由計算機(jī)內(nèi)部的軟件進(jìn)行融合處理，最后在屏幕上輸出禽蛋表面品質(zhì)的判斷分級結(jié)果。
本發(fā)明的有益效果1，一種禽蛋表面品質(zhì)檢測的方法，基于計算機(jī)視覺和聲學(xué)融合技術(shù)的禽蛋表面品質(zhì)無損檢測模擬人的視覺和聽覺系統(tǒng)，得到的不是禽蛋樣品的視覺信息和聽覺信息的簡單疊加，而是模仿人的信息融合能力，將視覺和聽覺信息融合起來，用高精度實(shí)時的模式分類方法如神經(jīng)網(wǎng)絡(luò)，遺傳算法等處理數(shù)據(jù)，具有人工智能，可用于農(nóng)產(chǎn)品的品質(zhì)判定和分級，提到的檢測方法和裝置可以輔助或代替評判人員。
2本發(fā)明的與單一的計算機(jī)視覺和聲學(xué)檢測技術(shù)相比，得到的信息更全面，其可靠性、重復(fù)性和適應(yīng)性更高，與常規(guī)方法相比不僅判斷禽蛋破損的準(zhǔn)確性可達(dá)95％以上，而且可對禽蛋的破損情況進(jìn)行分級，同時可以附帶檢測禽蛋大小、外形、污斑、內(nèi)部血斑等，對禽蛋質(zhì)量評價較全面，更適合于現(xiàn)代工業(yè)生產(chǎn)的需要。
3，本發(fā)明融合計算機(jī)視覺技術(shù)和聲學(xué)技術(shù)可對禽蛋等農(nóng)產(chǎn)品進(jìn)行較為快速而全面的無損檢測，既可以解放勞動力，排除人的主觀因素干擾，又能快速而準(zhǔn)確地實(shí)時對禽蛋品質(zhì)進(jìn)行判定和分級。


圖1本發(fā)明的技術(shù)方案示意圖；圖2計算機(jī)視覺與聲學(xué)技術(shù)融合示意圖；圖3本發(fā)明應(yīng)用實(shí)例(針對雞蛋)技術(shù)路線示意圖；圖4本發(fā)明應(yīng)用實(shí)例裝置示意圖；圖5本發(fā)明應(yīng)用實(shí)例各區(qū)域標(biāo)識示意圖；圖6本發(fā)明應(yīng)用實(shí)例計算機(jī)視覺檢測部分裝置示意圖；圖7本發(fā)明應(yīng)用實(shí)例轉(zhuǎn)動示意圖；圖8本發(fā)明應(yīng)用實(shí)例聲學(xué)技術(shù)檢測部分裝置示意圖；附圖中的各部件說明如下圖中1，傳送帶；2，密封室；3，CCD攝像頭；4，聲級計；5，A/D轉(zhuǎn)換卡；6，圖像采集卡；7，計算機(jī)；9，調(diào)速裝置；10，蛋托；11，蛋托旋轉(zhuǎn)控制器；12，敲擊棒；13，敲擊控制器；14，禽蛋具體實(shí)施方式
本發(fā)明對禽蛋的無損檢測方法和裝置具有通用性，以雞蛋為實(shí)例進(jìn)行說明，其他禽蛋類產(chǎn)品可以參照該實(shí)例的方法，具體針對所測的樣本的評價標(biāo)準(zhǔn)，建立一個新的知識庫和專家判別庫，就可以對該類禽蛋進(jìn)行測試了。
實(shí)施例1參閱圖3，為針對雞蛋蛋殼裂紋進(jìn)行檢測的系統(tǒng)方案示意圖，依照鮮蛋出口檢驗(yàn)國家標(biāo)準(zhǔn)的相關(guān)要求，先按常規(guī)檢測手段進(jìn)行質(zhì)量評定和分級，然后以這些雞蛋為樣本，用基于計算機(jī)視覺和聲學(xué)融合技術(shù)的無損檢測裝置進(jìn)行檢測，建立與知識庫相關(guān)的專家判定數(shù)據(jù)庫。
圖中的計算機(jī)視覺檢測與處理包括雞蛋的圖像采集，圖像預(yù)處理，圖像分析與特征提取，可以判斷裂紋存在與否及裂紋大小情況，其中圖像采集通過CCD攝像頭對密封室中的雞蛋樣本進(jìn)行拍攝，經(jīng)圖像采集卡傳入計算機(jī)，其中密封內(nèi)部有光源，圖像采集可固定在計算機(jī)內(nèi)部。通過計算機(jī)對蛋托旋轉(zhuǎn)控制器的控制室蛋托旋轉(zhuǎn)，進(jìn)而帶動雞蛋旋轉(zhuǎn)，使雞蛋的全部表面圖像被采集。
圖中的聲學(xué)技術(shù)檢測系統(tǒng)包括信號的采集，信號的預(yù)處理，特征提取，對比分析，結(jié)果輸出。信號通過敲擊棒沖擊雞蛋表面產(chǎn)生，由聲級計進(jìn)行采集，通過電纜傳入A/D轉(zhuǎn)換卡處理，然后傳入計算機(jī)進(jìn)一步分析。對一枚雞蛋共采集4次聲音信號，傳入計算機(jī)進(jìn)行分析處理。
圖中的計算機(jī)視覺檢測分析處理模塊與聲學(xué)技術(shù)檢測分析與處理模塊間根據(jù)各自采集的信息判斷雞蛋的破損情況，然后根據(jù)計算機(jī)內(nèi)的軟件系統(tǒng)采用神經(jīng)網(wǎng)絡(luò)等融合技術(shù)并與知識庫對比，綜合判定分級雞蛋表面品質(zhì)。
圖中的信息融合首先是計算機(jī)視覺或聲學(xué)檢測中的原始數(shù)據(jù)融合，然后是各自從獲得信息中圖區(qū)的特征信息的融合，最后是綜合二者的結(jié)果數(shù)據(jù)，利用神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)等進(jìn)行決策融合，得到專家判定數(shù)據(jù)庫，準(zhǔn)確描述雞蛋的品質(zhì)狀況。
本發(fā)明實(shí)施例的硬件裝置示意圖如圖4所示，計算機(jī)視覺檢測系統(tǒng)由密封室(2)，CCD攝像頭(3)，圖像采集卡(6)，光源(8)，蛋托(10)等組成，其中CCD攝像頭(3)，光源(8)，蛋托(10)被固定在密封室(2)內(nèi)部，圖像采集卡(6)固定在計算機(jī)(7)內(nèi)部。其中該部分裝置在密封室(2)內(nèi)的情況如圖6所示。聲學(xué)技術(shù)檢測裝置如圖8所示，包括聲級計(4)，A/D轉(zhuǎn)換卡(5)，蛋托旋轉(zhuǎn)控制器(11)，敲擊棒(12)，敲擊控制器(13)。其中聲級計(4)，蛋托(10)，敲擊棒(12)，敲擊控制器(13)固定在密封室(2)內(nèi)部，A/D轉(zhuǎn)換卡(5)固定在計算機(jī)(7)主板的PCI插槽。其中，雞蛋表面上赤道、鈍端和尖端的位置如圖6所示。其中，如圖7所示，蛋托旋轉(zhuǎn)控制器(11)控制蛋托(10)旋轉(zhuǎn)，使得CCD攝像頭(3)能夠采集雞蛋(14)表面的全部信息，而聲級計(4)能夠采集雞蛋不同部位的聲音信號。
工作時，調(diào)速裝置(9)使傳送帶(1)以一定速率將雞蛋傳入密封室(2)內(nèi)部，并暫停運(yùn)行，由CCD攝像頭(3)拍攝雞蛋的圖像，經(jīng)電纜傳入圖像采集卡(6)處理，通過計算機(jī)(7)內(nèi)部的軟件分析處理。第一次圖像采集完成后，聲學(xué)檢測裝置開始工作，敲擊控制器(13)帶動敲擊棒(12)沖擊雞蛋(14)的赤道部位，信號由聲級計(4)采集，通過電纜傳入A/D轉(zhuǎn)換卡(5)，通過計算機(jī)(7)內(nèi)部的軟件分析處理。然后蛋托旋轉(zhuǎn)控制器(11)控制蛋托(10)旋轉(zhuǎn)，帶動雞蛋(14)轉(zhuǎn)動90度，進(jìn)行第二次聲音信號采集過程；第二次聲音信號采集結(jié)束后，蛋托旋轉(zhuǎn)控制器(11)控制蛋托(10)旋轉(zhuǎn)，繼續(xù)使雞蛋(14)轉(zhuǎn)動90度，進(jìn)行第二次圖像采集和第三次聲音信號采集過程；然后蛋托旋轉(zhuǎn)控制器(11)控制蛋托(10)旋轉(zhuǎn)，帶動雞蛋(14)轉(zhuǎn)動90度，進(jìn)行第四次聲音信號采集過程。對每枚雞蛋(14)，每個CCD攝像頭(3)采集2次雞蛋圖像，共得到6幅圖像，而聲級計(4)采集4次雞蛋(14)受沖擊后的聲音信號，最后計算機(jī)內(nèi)部的軟件對所有的數(shù)據(jù)進(jìn)行融合處理，輸出最后的雞蛋表面品質(zhì)判斷分級結(jié)果。
實(shí)施例21試驗(yàn)材料試驗(yàn)材料為江蘇省源創(chuàng)禽業(yè)發(fā)展有限公司提供的無公害雞蛋，雞種為羅曼蛋雞。產(chǎn)后1-2天的新鮮雞蛋，共分為兩批，所有試驗(yàn)用的雞蛋均通過人工專家仔細(xì)檢查，判斷為裂紋雞蛋或完好雞蛋。第一批雞蛋供用來建立知識庫和專家判定數(shù)據(jù)庫。共有290枚，其中完好雞蛋150枚，殼裂雞蛋140枚，其中一部分殼裂雞蛋為完好雞蛋人為制造裂紋而得，裂紋大小和分布比較隨機(jī)。第二批雞蛋供檢驗(yàn)專家判別數(shù)據(jù)庫的精度使用，共有237枚，人工仔細(xì)檢查的結(jié)果為完好雞蛋126枚，殼裂雞蛋111枚。系統(tǒng)分級結(jié)果的準(zhǔn)確率通過與人工判別相比較得出。
2試驗(yàn)裝置2.1計算機(jī)視覺攝像頭日本JVC TK-C1381型CCD攝像頭，分辨率為752×582，輸出為模擬信號；
圖像采集卡加拿大Matrox∏圖像采集卡；暗箱80×80×100cm3的自制大木箱，內(nèi)壁為不反光的黑色材料；光源25W白熾燈；計算機(jī)系統(tǒng)(PC)P41.7G處理器，256MB內(nèi)存，NVIDIA GeForce MX440 64MB顯卡；圖像處理軟件系統(tǒng)圖像處理軟件為南京農(nóng)業(yè)大學(xué)食品科技學(xué)院農(nóng)產(chǎn)品加工教研室自主開發(fā)的圖像處理軟件Image processing1.0。
2.2聲學(xué)檢測敲擊棒敲擊器為鋼質(zhì)彈性細(xì)棒，一端為球形，長約60mm；SD150動態(tài)測試及信號分析系統(tǒng)天津大學(xué)機(jī)電科技中心及天津市中環(huán)電子儀器公司聯(lián)合出產(chǎn)數(shù)字聲級計HS5633A計算機(jī)系統(tǒng)(PC)P41.7G處理器，256MB內(nèi)存，NVIDIA GeForce MX440 64MB顯卡；3試驗(yàn)方法和步驟3.1第一階段先將供測試的樣本雞蛋清潔，除去表面的污斑，然后由人工專家分級雞蛋為裂紋雞蛋和完好雞蛋，分別進(jìn)行編號。其中，先進(jìn)行完好雞蛋的測試，收集完好雞蛋的計算機(jī)視覺信息和聲學(xué)信號信息，然后人為制造裂紋，并分別利用計算機(jī)視覺和聲學(xué)方法檢測裂紋雞蛋的表面品質(zhì)。
3.2計算機(jī)視覺檢測方法和步驟在暗室里，光透射過雞蛋，利用攝像頭采集雞蛋正反面的圖像，共采集2次，6幅圖像。圖像處理步驟為①背景去除；②圖像轉(zhuǎn)換(包括格式和大小)；③灰度轉(zhuǎn)化；④中值濾波；⑤閾值分割；⑥區(qū)域標(biāo)記；⑦特征提取。
3.3聲學(xué)檢測方法和步驟敲擊棒敲擊受測雞蛋的赤道部位，所有雞蛋(完好雞蛋和裂紋雞蛋)均被敲擊4次，沿順時針方向約隔90度敲擊一次。每次敲擊后紀(jì)錄PC輸出的頻譜圖中除噪音外幅值最大的頻率值，即特征響應(yīng)頻率。聲級計的位置在敲擊點(diǎn)的對面，雞蛋橫放在墊上。聲音信號的采集處理步驟為①沖擊雞蛋；②信號采集；③信號分析；④特征頻率提?。虎輸?shù)據(jù)處理；⑥結(jié)果輸出。
4知識庫和專家判別數(shù)據(jù)庫的建立及驗(yàn)證4.1計算機(jī)視覺檢測分別分析完好雞蛋和裂紋雞蛋的圖像，獲取圖像的特征信息。通過處理提取了裂紋雞蛋圖像的裂紋區(qū)域的特征信息，分別以區(qū)域圓形度，面積、區(qū)域長徑、短徑和長短徑之比來判斷裂紋。利用統(tǒng)計學(xué)的方法規(guī)定專家判別數(shù)據(jù)庫中裂紋的判定為如下定義圓形度(RRatio)；面積(AArea)；長徑(LLongPath)；短徑(SShortPath)長短徑之比(LSLon，ath/ShortPath)。
裂紋的特征滿足①A＝-315.693+726.579R+4.2775L+9.0556S+9.0288LS②L＝43.7841-140.39R+0.1443A+1.1673LS③若A≥100像素，則R≤0.2或LS≥3④若A＜100像素，則R≤0.35或LS≥3其中0.0＜R≤0.398，1.5≤LS≤33.719≤A≤1871，8≤L≤270，1≤S≤76(單位像素)4.2聲學(xué)檢測分析完好雞蛋和裂紋雞蛋的聲學(xué)信號信息，發(fā)現(xiàn)一枚完好無裂紋的雞蛋，敲擊赤道的不同部位，得到的頻譜圖十分相似，特征響應(yīng)頻率值接近，CV值?。挥辛鸭y的雞蛋，四個特征頻率數(shù)值相互之間差別比較大，CV值相對較大。其中，CV指變異系數(shù)，即對赤道部位敲擊四次得到的特征響應(yīng)頻率數(shù)值進(jìn)行變異分析的結(jié)果。在檢測分級的過程中，微小裂紋的檢測相對比較困難，而微小裂紋在貯藏運(yùn)輸過程中容易變大，為了盡可能保證裂紋雞蛋的檢出，分級的閾值較低為好，故將閾值(CV)設(shè)為1。由此確定雞蛋破損檢測的分級算法，定義U＝{所有雞蛋}，A＝{完好雞蛋}，B＝{殼裂雞蛋}，函數(shù)表達(dá)如下U(CV)=A(0≤CV≤1)B(CV>1)]]>4.3判別數(shù)據(jù)庫的建立建立判別數(shù)據(jù)庫的原理為提取雞蛋圖像處理后各區(qū)域的圓形度，面積、區(qū)域長徑、短徑和長短徑之比的信息和聲學(xué)信號特征信息(CV)，輸入這些變量，利用模糊數(shù)學(xué)和神經(jīng)網(wǎng)絡(luò)進(jìn)行判斷和訓(xùn)練。
判別數(shù)據(jù)庫的判定和分級原理判定對輸入的被檢測雞蛋，獲取表面的圖像，進(jìn)行圖像處理，提取處理后圖像中各區(qū)域的圓形度，面積、區(qū)域長徑、短徑和長短徑之比的數(shù)值，判斷該雞蛋為裂紋雞蛋或者完好雞蛋；同時分析該雞蛋的聲音信號，根據(jù)判斷的算法，確定該枚雞蛋為裂紋雞蛋或者完好雞蛋。比較兩種方法判斷的結(jié)果，若結(jié)果一樣則進(jìn)行分級，若結(jié)果不一樣，則判斷該枚雞蛋為裂紋蛋。
分級若兩種方法均判斷該雞蛋為裂紋蛋，則判定該枚雞蛋為三級，若都判斷為完好雞蛋，則判定該枚雞蛋為一級；若聲學(xué)方法判斷該枚雞蛋為裂紋蛋，而計算機(jī)視覺方法判斷為完好雞蛋，則認(rèn)為該枚雞蛋有微裂紋，定為二級，若聲學(xué)方法判斷該枚雞蛋為完好蛋，而計算機(jī)視覺方法判斷為裂紋雞蛋，則認(rèn)為是裂紋雞蛋，定為三級。
4.4專家判別數(shù)據(jù)庫的精度驗(yàn)證以第二批雞蛋為檢測對象，分別進(jìn)入檢驗(yàn)裝置，進(jìn)行計算機(jī)視覺和聲學(xué)檢測，并由系統(tǒng)給出判定分級結(jié)果。通過與人工專家判定結(jié)果對照評價專家判別數(shù)據(jù)庫的精度，結(jié)果如下表1所示，可以看出該方法和裝置對裂紋蛋的檢出達(dá)到95％以上，對整批雞蛋的判別準(zhǔn)確率也達(dá)到了93％。
表1 本發(fā)明的裝置和方法檢測雞蛋裂紋的精度

權(quán)利要求
1.一種禽蛋表面品質(zhì)檢測的方法，其特征是首先建立知識庫，先對所檢測的禽蛋，根據(jù)其標(biāo)準(zhǔn)，由專業(yè)人員對禽蛋標(biāo)準(zhǔn)樣品進(jìn)行感觀評定建立專家知識庫，然后利用CCD攝像頭拍攝禽蛋樣本的圖像，經(jīng)由圖像采集并傳入計算機(jī)，而敲擊蛋殼產(chǎn)生的聲音信號則通過聲級計進(jìn)行采集，收集完好蛋和破損蛋、裂紋蛋、損殼蛋的圖像信號和聲音信號，利用計算機(jī)分析并提取特征信息，計算機(jī)模擬人的大腦對視覺數(shù)據(jù)庫和聽覺數(shù)據(jù)庫進(jìn)行融合處理，結(jié)合專家知識庫，建立與禽蛋表面品質(zhì)相關(guān)的專家判定數(shù)據(jù)庫，從而由計算機(jī)判定被測樣品的優(yōu)劣、等級等質(zhì)量品質(zhì)。
2.根據(jù)權(quán)利要求1所述的無損檢測禽蛋表面品質(zhì)的方法，其特征是建立專家判別數(shù)據(jù)庫的標(biāo)準(zhǔn)樣品檢測的步驟如下①測定樣品時，將樣品放在密封室內(nèi)蛋托的孔上，蛋托將密封室分上下層，下層放光源，光通過孔透射樣品；②通過CCD攝像頭采集樣品的圖像信號并輸入計算機(jī)；③密封室內(nèi)的敲擊棒沖擊樣品，產(chǎn)生聲音信號通過聲級計采入計算機(jī)中；④對圖像進(jìn)行處理，提取特征信息；⑤對聲音進(jìn)行處理，提取特征信息；⑥蛋托旋轉(zhuǎn)控制器使蛋托轉(zhuǎn)動90度，帶動樣品旋轉(zhuǎn)90度；⑦密封室內(nèi)的敲擊棒沖擊樣品，產(chǎn)生聲音信號通過聲級計采入計算機(jī)中；⑧對聲音進(jìn)行處理，提取特征信息；⑨蛋托旋轉(zhuǎn)控制器使蛋托轉(zhuǎn)動90度，帶動樣品旋轉(zhuǎn)90度；⑩重復(fù)一次上述步驟②～⑨的操作；結(jié)合專家知識庫中該樣品的品質(zhì)判別結(jié)果和等級，計算機(jī)對提取的特征信息進(jìn)行融合和模式處理，生成專家判別數(shù)據(jù)庫的內(nèi)部數(shù)據(jù)。
3.如權(quán)利要求1或2所述的方法，其特征在于所述的融合分為原始數(shù)據(jù)融合、特征數(shù)據(jù)融合、決策數(shù)據(jù)融合多個層次的融合，原始數(shù)據(jù)融合和特征數(shù)據(jù)融合處理主要包括對圖像信號和聲音信號的處理和融合，其中圖像信息處理包括背景分割，圖像增強(qiáng)，閾值分割，特征提取等，而聲音信號處理包括信號采集，平滑去噪，特征提取等；特征數(shù)據(jù)融合指從各幅圖像以及各種聲音信號中提取特征值，然后在所有各自提取的特征值基礎(chǔ)上采用判別式分析、神經(jīng)網(wǎng)絡(luò)、回歸分析、遺傳算法等進(jìn)行融合；數(shù)據(jù)決策級的融合則是根據(jù)計算機(jī)視覺和聲學(xué)判斷得出的特征數(shù)據(jù)融合結(jié)果，通過應(yīng)用神經(jīng)網(wǎng)絡(luò)，模糊數(shù)學(xué)等手段對被檢禽蛋表面如裂紋、污斑、外形、尺寸等情況能進(jìn)行準(zhǔn)確綜合判斷的專家判別數(shù)據(jù)庫。
4.實(shí)現(xiàn)權(quán)利要求1-3之一所述的一種禽蛋表面品質(zhì)檢測方法的裝置，其特征在于，由四部分組成傳動裝置、計算機(jī)視覺檢測與分析模塊、聲學(xué)檢測與分析模塊、模式識別與數(shù)據(jù)融合處理系統(tǒng)，其中傳動裝置由傳送帶(1)、調(diào)速裝置(9)組成，計算機(jī)視覺檢測與分析模塊的裝置由密封室(2)，CCD攝像頭(3)，圖像采集卡(6)，光源(8)，蛋托(10)，蛋托旋轉(zhuǎn)控制器(11)組成，其中，CCD攝像頭(3)，光源(8)，蛋托(10)處于密封室(2)內(nèi)部，圖像采集卡(6)固定在計算機(jī)內(nèi)部，聲學(xué)檢測與分析模塊的裝置由聲級計(4)，蛋托(10)，蛋托旋轉(zhuǎn)控制器(11)，敲擊棒(12)，敲擊檢測器(13)及密封室(2)組成，其中聲級計(4)，蛋托(10)，敲擊棒(12)處于密封室(2)內(nèi)部，計算機(jī)視覺系統(tǒng)與聲學(xué)采集與處理系統(tǒng)采集到的數(shù)據(jù)傳輸?shù)接嬎銠C(jī)內(nèi)的識別和融合數(shù)據(jù)處理系統(tǒng)進(jìn)行分析處理。
5.如權(quán)利要求4所述的裝置，其特征在于所述的計算機(jī)視覺檢測裝置中的圖像檢測密封室(2)分為上下兩層下層為光源部分，上層為禽蛋檢測暗室，兩層中間的蛋托(10)含有滾軸，蛋托(10)中間為空，通過滾軸的轉(zhuǎn)動帶動禽蛋(14)的轉(zhuǎn)動，禽蛋(14)的表面有三個CCD攝像頭(3)，CCD攝像頭(3)通過電纜與插在計算機(jī)中的圖像采集卡(6)相連，并與計算機(jī)組成實(shí)時計算機(jī)視覺采集與處理系統(tǒng)。
6.如權(quán)利要求4或5所述的裝置，其特征在于密封室(2)下層光源采用白熾燈，光源通過蛋托(10)的中空透射到禽蛋(14)上。
7.如權(quán)利要求4或5所述的裝置，其特征在于對于每枚禽蛋(14)，滾軸旋轉(zhuǎn)四次，每次90度，CCD攝像頭(3)只采集二次圖像，敲擊棒(12)沖擊禽蛋(14)四次，聲級計(4)采集四次聲音信號。
8.如權(quán)利要求6所述的裝置，其特征在于對于每枚禽蛋(14)，滾軸旋轉(zhuǎn)四次，每次90度，CCD攝像頭(3)只采集二次圖像，敲擊棒(12)沖擊禽蛋(14)四次，聲級計(4)采集四次聲音信號。
9.如權(quán)利要求4或5所述的裝置，調(diào)速裝置(9)以一定速率使傳送帶(1)將被檢禽蛋(14)送入檢測密封室(2)，而計算機(jī)視覺的圖像采集與聲音信號采集過程均在密封室(2)內(nèi)完成。
10.如權(quán)利要求6所述的裝置，調(diào)速裝置(9)以一定速率使傳送帶(1)將被檢禽蛋(14)送入檢測密封室(2)，而計算機(jī)視覺的圖像采集與聲音信號采集過程均在密封室(2)內(nèi)完成。
全文摘要
本發(fā)明涉及一種針對禽蛋表面品質(zhì)的無損檢測方法和裝置。其采用3個CCD攝像頭拍攝禽蛋的表面圖像，經(jīng)圖像采集卡并傳入計算機(jī)，然后利用彈性敲擊棒沖擊蛋殼的表面，經(jīng)聲級計，A/D轉(zhuǎn)換卡將聲音信號傳入計算機(jī)，計算機(jī)模擬人的大腦的視覺和聽覺功能，對數(shù)據(jù)進(jìn)行融合和模式識別處理。根據(jù)計算機(jī)視覺系統(tǒng)采集的圖像信息和聲學(xué)檢測系統(tǒng)采集的聲音信號，參照建立的專家判別數(shù)據(jù)庫，由計算機(jī)內(nèi)的軟件判斷禽蛋的表面品質(zhì)(裂紋、污斑、畸形等)。其可以通過對圖像信息和聲音信號的分析實(shí)現(xiàn)對人眼的擴(kuò)展和解放，將禽蛋的破損、污斑、畸形等的視覺信息和聲音信息融合起來，參照結(jié)合知識庫建立的專家判別數(shù)據(jù)庫對禽蛋表面品質(zhì)進(jìn)行綜合判別分級。
文檔編號G01N21/00GK1804620SQ20051013490
公開日2006年7月19日 申請日期2005年12月30日 優(yōu)先權(quán)日2005年12月30日
發(fā)明者屠康, 潘磊慶, 趙立, 王富昶, 任珂 申請人:南京農(nóng)業(yè)大學(xué)