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
技術領域：
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，特指基于計算機視覺和聲學融合技術無損檢測禽蛋表面品質(zhì)的方法及裝置。
背景技術：
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，細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，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準也越來越嚴格，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)驗和工作態(tài)度的影響而得不到根本保證。
國外學者有人用計算機視覺技術進行禽蛋破損的研究。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，判別準確度不高且速度較慢，相關的專利未見報道。在他們的研究中發(fā)現(xiàn)，計算機視覺技術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。
利用聲學檢測技術對農(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，文友先等2002年9月23日提出了一份關于“禽蛋品質(zhì)無損自動檢測分級設備及方法”的專利申請(中國發(fā)明申請公開說明書，專利申請?zhí)?213983.5)，利用聲學敲擊法判斷禽蛋的破損，通過計算機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。例如單一的計算機視覺技術無法檢測微裂紋和反常蛋；單一的聲學技術無法對禽蛋的破損情況進行分級，無法檢測禽蛋表面的污斑和畸形蛋等。

發(fā)明內(nèi)容
技術問題本發(fā)明的目的在于克服現(xiàn)有技術的缺陷，提出一種在線情況下基于計算機視覺和聲學融合技術針對禽蛋表面品質(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。
技術方案本發(fā)明的目的通過以下方法實現(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)其檢測標準(如出口鮮蛋國家標準等)，先由專業(yè)人員對一定數(shù)量的禽蛋進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，而敲擊蛋殼產(chǎn)生的聲音信號則通過聲級計(麥克風)進行采集，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，利用計算機分析并提取特征信息，然后計算機模擬人的大腦對視覺數(shù)據(jù)庫和聽覺數(shù)據(jù)庫進行融合處理，建立專家知識庫與禽蛋表面品質(zhì)相關的專家判定數(shù)據(jù)庫，從而由計算機判定被測樣品的優(yōu)劣、等級等質(zhì)量品質(zhì)。
建立專家判別數(shù)據(jù)庫的標準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；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中；④對圖像進行處理，提取特征信息；⑤對聲音進行處理，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中；⑧對聲音進行處理，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重復一次上述步驟②～⑨的操作；結合專家知識庫中該樣品的品質(zhì)判別結果和等級，計算機對提取的特征信息進行融合和模式處理，生成專家判別數(shù)據(jù)庫的內(nèi)部數(shù)據(jù)。
所述的基于計算機視覺和聲學技術無損檢測禽蛋表面品質(zhì)的方法，其特征在于對計算機提取的圖像信息與聲音信號信息進行融合和模式處理，其中的數(shù)學處理采用回歸分析，傅立葉變換，模糊數(shù)學等常規(guī)統(tǒng)計數(shù)據(jù)分析方法和神經(jīng)網(wǎng)絡、遺傳算法等高精度實時模式系統(tǒng)來處理數(shù)據(jù)，并與知識庫聯(lián)系起來進行訓練、學習，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，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上采用判別式分析、神經(jīng)網(wǎng)絡、回歸分析、遺傳算法等進行融合。數(shù)據(jù)決策級的融合則是根據(jù)計算機視覺和聲學判斷得出的特征數(shù)據(jù)融合結果，通過應用神經(jīng)網(wǎng)絡，模糊數(shù)學等手段對被檢禽蛋表面如裂紋、外形、尺寸、甚至內(nèi)部情況能進行準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、計算機視覺檢測與分析模塊、聲學檢測與分析模塊、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內(nèi)部，聲學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。計算機視覺系統(tǒng)與聲學采集與處理系統(tǒng)采集到的數(shù)據(jù)傳輸?shù)接嬎銠C內(nèi)的識別和融合數(shù)據(jù)處理系統(tǒng)進行分析處理。
所述的計算機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中的圖像采集卡相連，并與計算機組成實時計算機視覺采集與處理系統(tǒng)。
計算機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，通過計算機內(nèi)部的軟件分析處理。第一次圖像采集完成后，聲學檢測裝置開始工作，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，如前進行第二次聲音信號采集過程；第二次聲音信號采集結束后，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)進行第二次圖像采集，聲學系統(tǒng)進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，進行第四次聲音信號的采集，然后信號采集工作結束。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)由計算機內(nèi)部的軟件進行融合處理，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，基于計算機視覺和聲學融合技術的禽蛋表面品質(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，用高精度實時的模式分類方法如神經(jīng)網(wǎng)絡，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視覺和聲學檢測技術相比，得到的信息更全面，其可靠性、重復性和適應性更高，與常規(guī)方法相比不僅判斷禽蛋破損的準確性可達95％以上，而且可對禽蛋的破損情況進行分級，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)明融合計算機視覺技術和聲學技術可對禽蛋等農(nóng)產(chǎn)品進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，又能快速而準確地實時對禽蛋品質(zhì)進行判定和分級。


圖1本發(fā)明的技術方案示意圖；圖2計算機視覺與聲學技術融合示意圖；圖3本發(fā)明應用實例(針對雞蛋)技術路線示意圖；圖4本發(fā)明應用實例裝置示意圖；圖5本發(fā)明應用實例各區(qū)域標識示意圖；圖6本發(fā)明應用實例計算機視覺檢測部分裝置示意圖；圖7本發(fā)明應用實例轉(zhuǎn)動示意圖；圖8本發(fā)明應用實例聲學技術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；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，以雞蛋為實例進行說明，其他禽蛋類產(chǎn)品可以參照該實例的方法，具體針對所測的樣本的評價標準，建立一個新的知識庫和專家判別庫，就可以對該類禽蛋進行測試了。
實施例1參閱圖3，為針對雞蛋蛋殼裂紋進行檢測的系統(tǒng)方案示意圖，依照鮮蛋出口檢驗國家標準的相關要求，先按常規(guī)檢測手段進行質(zhì)量評定和分級，然后以這些雞蛋為樣本，用基于計算機視覺和聲學融合技術的無損檢測裝置進行檢測，建立與知識庫相關的專家判定數(shù)據(jù)庫。
圖中的計算機視覺檢測與處理包括雞蛋的圖像采集，圖像預處理，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行拍攝，經(jīng)圖像采集卡傳入計算機，其中密封內(nèi)部有光源，圖像采集可固定在計算機內(nèi)部。通過計算機對蛋托旋轉(zhuǎn)控制器的控制室蛋托旋轉(zhuǎn)，進而帶動雞蛋旋轉(zhuǎn)，使雞蛋的全部表面圖像被采集。
圖中的聲學技術檢測系統(tǒng)包括信號的采集，信號的預處理，特征提取，對比分析，結果輸出。信號通過敲擊棒沖擊雞蛋表面產(chǎn)生，由聲級計進行采集，通過電纜傳入A/D轉(zhuǎn)換卡處理，然后傳入計算機進一步分析。對一枚雞蛋共采集4次聲音信號，傳入計算機進行分析處理。
圖中的計算機視覺檢測分析處理模塊與聲學技術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)計算機內(nèi)的軟件系統(tǒng)采用神經(jīng)網(wǎng)絡等融合技術并與知識庫對比，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視覺或聲學檢測中的原始數(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果數(shù)據(jù)，利用神經(jīng)網(wǎng)絡、模糊數(shù)學等進行決策融合，得到專家判定數(shù)據(jù)庫，準確描述雞蛋的品質(zhì)狀況。
本發(fā)明實施例的硬件裝置示意圖如圖4所示，計算機視覺檢測系統(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(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。聲學技術檢測裝置如圖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(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(7)內(nèi)部的軟件分析處理。第一次圖像采集完成后，聲學檢測裝置開始工作，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(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，進行第二次聲音信號采集過程；第二次聲音信號采集結束后，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，最后計算機內(nèi)部的軟件對所有的數(shù)據(jù)進行融合處理，輸出最后的雞蛋表面品質(zhì)判斷分級結果。
實施例21試驗材料試驗材料為江蘇省源創(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，所有試驗用的雞蛋均通過人工專家仔細檢查，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。第二批雞蛋供檢驗專家判別數(shù)據(jù)庫的精度使用，共有237枚，人工仔細檢查的結果為完好雞蛋126枚，殼裂雞蛋111枚。系統(tǒng)分級結果的準確率通過與人工判別相比較得出。
2試驗裝置2.1計算機視覺攝像頭日本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)大學食品科技學院農(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聲學檢測敲擊棒敲擊器為鋼質(zhì)彈性細棒，一端為球形，長約60mm；SD150動態(tài)測試及信號分析系統(tǒng)天津大學機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計算機系統(tǒng)(PC)P41.7G處理器，256MB內(nèi)存，NVIDIA GeForce MX440 64MB顯卡；3試驗方法和步驟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，分別進行編號。其中，先進行完好雞蛋的測試，收集完好雞蛋的計算機視覺信息和聲學信號信息，然后人為制造裂紋，并分別利用計算機視覺和聲學方法檢測裂紋雞蛋的表面品質(zhì)。
3.2計算機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)域標記；⑦特征提取。
3.3聲學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，即特征響應頻率。聲級計的位置在敲擊點的對面，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??；⑤數(shù)據(jù)處理；⑥結果輸出。
4知識庫和專家判別數(shù)據(jù)庫的建立及驗證4.1計算機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聲學檢測分析完好雞蛋和裂紋雞蛋的聲學信號信息，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，特征響應頻率值接近，CV值小；有裂紋的雞蛋，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頻率數(shù)值進行變異分析的結果。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信號特征信息(CV)，輸入這些變量，利用模糊數(shù)學和神經(jīng)網(wǎng)絡進行判斷和訓練。
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果，若結果一樣則進行分級，若結果不一樣，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；若聲學方法判斷該枚雞蛋為裂紋蛋，而計算機視覺方法判斷為完好雞蛋，則認為該枚雞蛋有微裂紋，定為二級，若聲學方法判斷該枚雞蛋為完好蛋，而計算機視覺方法判斷為裂紋雞蛋，則認為是裂紋雞蛋，定為三級。
4.4專家判別數(shù)據(jù)庫的精度驗證以第二批雞蛋為檢測對象，分別進入檢驗裝置，進行計算機視覺和聲學檢測，并由系統(tǒng)給出判定分級結果。通過與人工專家判定結果對照評價專家判別數(shù)據(jù)庫的精度，結果如下表1所示，可以看出該方法和裝置對裂紋蛋的檢出達到95％以上，對整批雞蛋的判別準確率也達到了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)其標準，由專業(yè)人員對禽蛋標準樣品進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，而敲擊蛋殼產(chǎn)生的聲音信號則通過聲級計進行采集，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，利用計算機分析并提取特征信息，計算機模擬人的大腦對視覺數(shù)據(jù)庫和聽覺數(shù)據(jù)庫進行融合處理，結合專家知識庫，建立與禽蛋表面品質(zhì)相關的專家判定數(shù)據(jù)庫，從而由計算機判定被測樣品的優(yōu)劣、等級等質(zhì)量品質(zhì)。
2.根據(jù)權利要求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)庫的標準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；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中；④對圖像進行處理，提取特征信息；⑤對聲音進行處理，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中；⑧對聲音進行處理，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重復一次上述步驟②～⑨的操作；結合專家知識庫中該樣品的品質(zhì)判別結果和等級，計算機對提取的特征信息進行融合和模式處理，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，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上采用判別式分析、神經(jīng)網(wǎng)絡、回歸分析、遺傳算法等進行融合；數(shù)據(jù)決策級的融合則是根據(jù)計算機視覺和聲學判斷得出的特征數(shù)據(jù)融合結果，通過應用神經(jīng)網(wǎng)絡，模糊數(shù)學等手段對被檢禽蛋表面如裂紋、污斑、外形、尺寸等情況能進行準確綜合判斷的專家判別數(shù)據(jù)庫。
4.實現(xiàn)權利要求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、計算機視覺檢測與分析模塊、聲學檢測與分析模塊、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)固定在計算機內(nèi)部，聲學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，計算機視覺系統(tǒng)與聲學采集與處理系統(tǒng)采集到的數(shù)據(jù)傳輸?shù)接嬎銠C內(nèi)的識別和融合數(shù)據(jù)處理系統(tǒng)進行分析處理。
5.如權利要求4所述的裝置，其特征在于所述的計算機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中的圖像采集卡(6)相連，并與計算機組成實時計算機視覺采集與處理系統(tǒng)。
6.如權利要求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，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，計算機模擬人的大腦的視覺和聽覺功能，對數(shù)據(jù)進行融合和模式識別處理。根據(jù)計算機視覺系統(tǒng)采集的圖像信息和聲學檢測系統(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現(xiàn)對人眼的擴展和解放，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