基于机器视觉及声脉冲响应特性的禽蛋感官品质检测算法研究

摘要

国内外利用机器视觉及声脉冲响应技术对禽蛋感官品质作了大量的研究。本文研究了利用机器视觉技术检测禽蛋纵径、最大横径、蛋形指数、蛋形、蛋重、体积、表面积、蛋壳颜色、蛋黄颜色等的算法；研究了利用声脉冲响应特性技术检测破损禽蛋的机理。
　　（1）搭建了图像采集的硬件系统，编写了图像采集、处理及试验程序。从程序实现角度，阐明了图像处理的流程，比较了常用的图像预处理方法，并找出了适宜禽蛋图像的方法。这些预处理增强了图像质量，为后续图像分析提供了保障。
　　（2）针对鸡蛋图像边缘检测，分析传统方法过于突出边缘检测理论，而忽略程序快速实现的现实，提出了基于二分法的图像边缘快速检测算法。为保证算法的正确实现，论文对图像进行分区，并给出了程序实现的流程。试验分析表明，此方法较传统的鸡蛋图像边缘检测算法效率提高了近20倍。
　　（3）在二分法快速检测边缘的基础上，提出了基于边缘信息的图像像素和快速计算方法；在此基础上，又进一步简化了图像形心检测方法。试验结果表明，该算法具有速度快，准确性高的特点。
　　（4）基于图像形心，提出了鸡蛋图像纵径的检测方法；在纵径的基础上又给出了鸡蛋图像最大横径的检测方法。建立了鸡蛋纵径、最大横径、蛋形指数的预测模型。其中鸡蛋纵径模型的相关系数达到0.996，最大横径0.990，蛋形指数为0.994。
　　（5）基于图像边缘信息，结合鸡蛋几何特征，提出了鸡蛋的假设模型，即鸡蛋关于纵径对称。利用数学微积分知识，提出了鸡蛋图像像素体积和、像素表面积和等新概念，并编写程序从图像边缘中计算出此特征值，进而建立预测模型。蛋重模型的相关系数为0.990，体积为0.965，表面积为0.971。
　　（6）根据白壳与青壳蛋透光性的差异，比较分析了鸭蛋不同壳色在不同光照强度下的颜色信息，找出了白壳蛋与青壳蛋图像信息差异最大的参数以及对应的光照条件；同时，分析了与蛋黄颜色相关性较大的特征参数及光照条件。通过试验，分别对蛋壳颜色识别方法及蛋黄颜色识别方法进行验证，均取得了不错的效果，其中蛋壳颜色识别准确率达100%，蛋黄颜色等级误差级达到95%以上。
　　（7）在前期破损检测的研究基础上，利用支持向量机方法（SVM）在处理小样本及高维数数据的优势，对鸭蛋破损自动识别进行了新的尝试，取得了不错的效果，较课题组前期准确率提高了近20%。

目录

声明

第一章 绪 论

1.1 研究的现实意义

1.2 研究的目标和内容

1.3 国内外研究概况

1.4 研究方案及研究难点

第2章 图像采集与图像预处理

2.1 图像采集

2.2 图像显示及数据加载

2.3 数字图像处理技术

2.4 本章小结

第3章 基于二分法的禽蛋图像边缘快速检测方法

3.1 概述

3.2 二分法原理

3.3 二分法检测边缘原理

3.4 在鸡蛋图像边缘检测中的应用

3.5 本章小结

第4章 鸡蛋尺寸、蛋形指数与外形估测

4.1 概述

4.2 纵径与最大横径检测方法介绍

4.3 基于边缘信息的算法改进

4.4 试验与预测

4.5 本章小结

第5章 鲜蛋蛋重、体积及表面积预测

5.1 概述

5.2 蛋重、体积及表面积方法介绍

5.3 机器视觉检测新算法

5.4 蛋重、体积和表面积检测回归模型的建立

5.5 本章小结

第6章 蛋壳及蛋黄颜色识别

6.1 概述

6.2 当前的检测方法

6.3 蛋壳颜色的识别思路

6.4 蛋黄颜色的识别思路

6.5 蛋壳与蛋黄颜色等级的识别

6.6 本章小结

第7章 基于支持向量机的禽蛋破损检测研究

7.1 概述

7.2 支持向量机的分类算法

7.3 声音的采集与信号处理

7.4 禽蛋破损的试验研究及SVM识别

7.5 本章小结

第8章 总结与展望

8.1 研究工作总结

8.2 研究工作展望

参考文献

攻读博士期间发表课题相关学术论文

致谢