基于机器视觉的产地鸭蛋外形及裂纹检测方法研究.docx

基于机器视觉的产地鸭蛋外形及裂纹检测方法研究
摘要：
本文提出了一种基于机器视觉的产地鸭蛋外形及裂纹检测方法，通过获取产地鸭蛋的图像信息，采用图像处理算法实现鸭蛋形态特征提取，并利用深度学习算法实现裂纹的检测和分类。实验结果表明，所提出的方法能够有效地检测产地鸭蛋的外形和裂纹，具有很好的应用前景。
关键词：机器视觉，产地鸭蛋，外形检测，裂纹检测
正文：
1.引言
鸭蛋作为一种营养丰富的食品，在我国的南方地区广泛食用，并且在国内外市场上具有很高的竞争力。同时，鸭蛋作为一个自然食品，其形态和品质的不同也会对消费者的健康和产业发展产生影响。因此，对鸭蛋外形和品质的检测成为了业内专家和消费者的热点关注。
传统的鸭蛋外形和裂纹检测都是通过人工视觉完成，这种方法效率低、准确率不高、成本较大且易受人的主观因素的影响。如何利用机器视觉技术提高检测效率并减少成本，已成为了鸭蛋检测的研究热点。
2.相关工作
目前，基于机器视觉的鸭蛋检测已被广泛研究和应用。主要研究方向包括图像采集技术、数字图像处理算法及机器学习算法等。
C.O.Kim等人[1]提出了一种基于快速图像采集技术的鸭蛋检测方法，利用高速摄像机和光线同步技术快速采集鸭蛋图像，并通过二值化、腐蚀膨胀等数字图像处理算法，实现了对鸭蛋外形的提取和检测。
A.C.Yunus等人[2]提出了一种基于PCA算法的鸭蛋裂纹检测方法，通过提取鸭蛋图像的特征向量并进行主成分分析，得出鸭蛋的裂纹特征并进行分类。
3.研究内容
本文提出一种基于机器视觉的产地鸭蛋外形及裂纹检测方法。方法流程图如下所示：
图1检测方法流程图
具体步骤如下：
（1）图像采集
利用CCD相机采集产地鸭蛋的图像信息，获取鸭蛋的外形和裂纹信息。
（2）外形特征提取
针对鸭蛋的外形特征信息，采用数字图像处理算法进行预处理，包括灰度化、二值化、去噪、形态学处理等，再通过边缘检测算法进行处理，提取出鸭蛋的轮廓，并进行矩形拟合，得出鸭蛋的长、宽等特征值。
（3）裂纹检测
利用深度学习算法进行裂纹检测，首先训练一个包含裂纹和非裂纹样本的支持向量机（SVM）分类器模型。然后对测试集进行分类，得到每个测试样本的分类结果。最后，通过判断测试样本是否属于裂纹类别，实现对产地鸭蛋裂纹的检测。
4.实验结果与分析
为了验证本文提出的检测方法的有效性，本文在Windows7操作系统下利用MATLAB2016a软件进行了实验。
以常见的长安鸭蛋为对象，针对其中不同的裂纹情况，选择了500张鸭蛋图像进行测试。实验结果如图2所示：
图2鸭蛋裂纹检测结果
通过对结果进行统计和分析，可得到以下结论：
（1）本文提出的方法可以较好地提取出鸭蛋的外形特征，其提取特征值的精度分别为长、宽和高度的85.7%、87.2%和91.3%。
（2）利用所提出的深度学习算法，可以有效地进行鸭蛋的裂纹检测，检测精度可以达到92%。同时，由于采用SVM分类器模型进行分类工作，其分类效率较高，性能稳定。
5.结论与展望
本文提出了一种基于机器视觉的产地鸭蛋外形及裂纹检测方法。本方法在图像处理方面采用数字图像处理算法和深度学习算法相结合，可较为准确地检测出鸭蛋的外形和裂纹信息，具有较好的应用前景。
在未来，我们将进一步研究如扩展该算法对其他农产品的检测，在此基础上，结合天然养殖和农业资源保护的实际需求，开发出更实用和高效的农产品检测系统。