基于機器視覺的雞蛋品質檢測方法研究

1、浙江大學碩士學位論文基于機器視覺的雞蛋品質檢測方法研究姓名:岑益科申請學位級別:碩士專業(yè):生物系統(tǒng)工程指導教師:應義斌;饒秀勤20060601 浙江大學碩士學位論文第章緒論用遍布世界各地,在國際市場上的占有率高達65%以上。 圖1.9MoBAomi曩雞蛋分級機Fig.1-9MoBA omi丑egg gr疊der美國的Di鋤d syscms公司是世界上雞蛋檢測、分級和包裝裝備開發(fā)制造領域的另一家大型生產廠商,他們在雞蛋打包機、雞蛋分級機和打蛋機的研制生產方面居于世界領先地位。他們的雞蛋分級機系統(tǒng)功能強大,適用范圍廣,能夠滿足大型、中型、小型雞蛋分級用戶的需求,其系列分級機產品的雞蛋分級處理能力從

2、每小時10000枚至150000枚不等,且其分級機系統(tǒng)內置的每個模型都可以加以修改以適應許多特殊用戶的需求。他們研制生產的雞蛋打包機可以每小時打包22000一72000枚雞蛋。此外,Dimd systs開發(fā)的雞蛋自動裝載機、雞蛋清洗機與塑料蛋盤清洗機、裂紋污斑血斑電子檢測系統(tǒng)、自動透光檢測系統(tǒng)、雞蛋自動裝箱機與蛋盤收集系統(tǒng)等雞蛋大型分級機的組成部件,以及自動打蛋機與分離系統(tǒng)、蛋黃掃描儀等,都具備國際領先水平。圖1.10是Diamond Sys僦ns公司研制的DiN0vA200雞蛋分級機和8400Es雞蛋分級機。 圖1.10NovA2雞蛋分級機(a和8枷Es雞蛋分級機(bFig.1-10INNo

3、VA200egg grader(aand8400ES egg gI喧der(b國內的科研人員在雞蛋清選分級技術和裝備的研究與應用方面,發(fā)明了系列雞蛋制品加工、檢測設備和技術,如高效的光透驗蛋機、自動選蛋機、蛋盤光透翻轉式驗蛋機、雞蛋質量自動檢選技術、Q丌.0l型雞蛋質量微機自動檢選系統(tǒng)、雞蛋品質光電檢測方法以及深圳振野膜鋼研制生產的zYFJ1型和zYF-J2型雞蛋缺陷光透檢測分選機系統(tǒng)等,這些研究發(fā)明中,許多具有很強的 浙江大學碩士學位論文第二章機器視覺系統(tǒng)與數字圖像處理技術 1風扇2CcD攝像機3熒光燈4調光板5圖像采集卡6工控機圖2-l雞蛋外部品質檢測機器視覺系統(tǒng)Fig.2l M讎hme啊

4、si0system ofe鰓鑷telmal qu蚰姆inspecHon 使用TEsl336A光度計測量,可得到光照箱內CCD攝像機視場的光照強度變化情況。開啟光源30分鐘后,光照強度趨于穩(wěn)定,照度約為10900Ll。在把機器視覺系統(tǒng)布置為雞蛋內部品質檢測系統(tǒng),開展雞蛋內部品質檢測試驗的過程中,光源的配置選用1支PHIL口s的磨砂玻殼白熾燈,該燈透光量大,功率為60W,光通量為650llll (流明,色溫為2800K左右。為保證能采集到雞蛋內容物的透射圖像,獲取其內容物的顏色特征信息,在光照箱密閉以構成一個黑暗光室的同時,光照箱內的白熾燈光源用一個圓臺形燈罩密閉起來,只在燈罩上底面開一比雞蛋試驗

5、樣本略小的透光孔,用于放置并支撐雞蛋樣本,同時確保被測雞蛋與透光孔間以及圓臺形燈罩與光照箱下底面間無縫隙,以避免白熾燈光源發(fā)出的光未經雞蛋試驗樣本透射而直接從這些縫隙進入密閉黑暗光室內,從而影響雞蛋內容物透射圖像的采集和獲取的其內容物顏色特征信息的可靠性。雞蛋內部品質檢測機器視覺系統(tǒng)的總體構成、光照箱及光源的配置情況如圖2.2所示。.17. 浙江大學碩士學位論文第二章機器視覺系統(tǒng)與數字圖像處理技術 圖2-4MahW Meteor-】1小nI由chanel圖像采集卡Mete刪/M眥稿.ch蛐el fhme grabberFig.2-4Ma由mxMa廿Dx Meteor-/Mc圖像采集卡的主要參數

6、為:可連接2路RGB信號、6路黑白視頻信號、12路復合視頻信號輸入,3個256×8.bit可編程u,r,且可在2路R(B信號與6路黑自信號源之間連接切換:支持NTSC、PAL、RS.170以及cCm等不同制式標準輸入;采用通用32-bit,33MHz PCI總線主模式下的主/從接口,總線主控模式可以以最高恒定130MB/s的速率傳輸數據而不需要連續(xù)占用主機資源,即使系統(tǒng)同時進行采集、顯示、制圖、網絡接收、磁盤存儲以及外部輸入輸出,擴展的緩沖功能也可以在高速總線滯后情況下確保圖像數據實時傳輸到主存;圖像格式上圖像數據可以以奇“禺像素、奇“禹行的形式同時呈現(xiàn),可執(zhí)行輸入剪切(RoI采集、

7、獨立的水平垂直雙方向可從2至16倍單獨抽樣采集,格式上支持RGB8:8:8、YUv5:6:5或5:5;5格式輸出,像素抖動為+/.1.5lls,信噪比為47dB;支持光電隔離外部觸發(fā),Rs-232接口支持Rx,Tx,Iu、s和cTs信號,軟件可通過MILAPI接口控制與操作系統(tǒng)無關,采樣頻率最高可達30MHz輸入低通濾波器為10MHz;運行環(huán)境要求為工作溫度O55,相對濕度<95%(不結霧。用于Ma觚x Meteor.II,MC編程的函數庫Ma仃ox hnaging Library(MIL/AcnveMIL、MILLie/ActiveMIL.L沁和Ma昀xInsctor包括圖像識別、數據

8、操作、圖形編輯和顯示控制等方面的應用,可以編寫和調試程序,監(jiān)視圖像采集運行的狀態(tài)。M支持windows98、willddwsMe、wmdowsNT4.O、windows2000和windows口操作系統(tǒng),支持Visll“C+和visualBasic編程語言。用戶可以在這些程序設計語言環(huán)境下編寫自己的應用程序。本研究選用的工控機為研華科技公司出品的ADVANTECH NDUSTRIAI.COMPuTER610工控機,其cPu為IIltel P/2G,256M內存,80G硬盤,工作在wiIldows2000操作系統(tǒng)環(huán)境下,并安裝了MicrosoR Visllal c+6.0、MatIab6.5、M

9、a虹Dx hnaging Products(包括M幾7.5與Insptor.20. 浙江大學碩士學位論文第三章雞蛋外部品質圖像采集及其預處理 (a(a紅殼蛋徹白殼蛋圖3-1采集到的雞蛋圖像Fig.3-1The acquired egg image3_3雞蛋外部品質圖像預處理雞蛋圖像分割是雞蛋外部品質檢測的一個非常關鍵的步驟。圖像分割把圖像分割成不同屬性的若干部分或若干實體,這是圖像分析的首要步驟,圖像通常要被分割至我們感興趣的部分被從背景中隔離開來為止。目前常用的圖像分割方法大致可分為四類,即閾值分割方法及聚類,利用邊緣檢測分塊法,統(tǒng)計學分割方法以及結合區(qū)域和邊界信息的方法。閾值分割就是簡單地

10、根據灰度閾值將圖像分成不同的區(qū)域,它的缺陷在于忽略了圖像的空間信息。邊緣檢測試圖通過檢測包含不同區(qū)域的邊緣進行圖像分割,其出發(fā)點是圖像的灰度在邊緣上往往變化較大。從統(tǒng)計學出發(fā)的圖像分割方法則將圖像的像素看成是具有概率分布的隨機變量,比較復雜。區(qū)域增長法易造成過度分割,故常和邊緣檢測結臺使用。在雞蛋圖像被機器視覺實驗系統(tǒng)獲取之后,一種能夠把雞蛋實體從藍色背景中提取出來的算法被選擇和嘗試。閾值分割方法是一種非常常用的圖像分割分塊方法,分割采用的闞值通常依據圖像的直方圖分析結果來選定,且其一般對于同一實驗條件下的所有圖像均保持恒定。在本研究中,雞蛋圖像的直方圖基于0(黑到255(白級的每一灰度級上的

11、像素點個數來構建。雞蛋圖像在RGB顏色模型中像素的R、G、B值的直方圖如圖3-2所示。-29.浙江大學碩士學位論文第三章雞蛋外部品質圖像采集及其預處理l J I J I-IIJ I01_m m M e%1_i&4m ln m m R G B圖3-2雞蛋圖像的R、G、B值直方圖Fi害32The egg images RG,B valuers histogram從雞蛋圖像每個像素的R、G、B顏色等級,HSI顏色模型中每個像素的H(hue、s(saturation、I(intensity值能夠根據式(2-4、式(2.5、式(26計算得到。雞蛋圖像每個像素的H、S、I值的直方圖如圖3-3所示。

12、JJ I.1l_IlI_-um m日em m m目m258圖3-3雞蛋圖像的H、S、I值直方圖Fig.33The egg images H,S,I values histogram根據R、G、B、H、S、I值直方圖分析的結果,可以發(fā)現(xiàn)雞蛋目標的H值與背景的H值相離較遠,以雞蛋圖像的H值直方圖為依據選擇一個H值為閾值嘗試把雞蛋目標從藍色背景中分割出來。被H值閾值分割后的雞蛋圖像如圖3.4所示。圖3.4H值閾值分割后的雞蛋圖像Fig.3-4The egg image segmented with the threshold of H value -30-浙江大學碩士學位論文第三章雞蛋外部品質圖像采

13、集及其預處理從被H值閾值分割后的雞蛋圖像中可以發(fā)現(xiàn),該分割方法的分割效果并不好,雞蛋目標中的許多像素,特別是靠近邊緣處的像素,被錯誤地判定為了背景,即在使用H值閾值進行分割的過程中產生了較多噪聲。為了增強農作物在大田圖像中的顏色特征,Sdgaard等(1999口4】曾為大田中的農作物分割設計了一個由R、G、B值組合而成的指示值:Indicator2G RB。但該指示值并不能增強雞蛋目標與背景顏色特征的差異性,因為雞蛋圖像的R、G、B強度值與大田農作物圖像大不相同。要適用于本研究中雞蛋圖像的分割,必須參考Sggaard等人的設計原則,重新設計一個新的指示值以適用于雞蛋圖像的分割。綜合分析雞蛋圖像的R、G、B強度值,可以發(fā)現(xiàn)在雞蛋圖像中,構成雞蛋目標的像素點的B值和G值均小于構成背景的像素點,而相反地,構成雞蛋目標的像素點的R值大于構成背景的像素點。為了增強構成雞蛋目標和構成背景的像素點在顏色特征上的差異性,一個新的基于像素點顏色特征強度的指示值被設計為如下式所示:Indicator=B+GkR (3-1式中,k=(R+G/B (32式中的指示值在Visual C+6.0開發(fā)環(huán)境下編寫程序由雞蛋圖像每個像素點的R、G、B值