一种基于机器视觉的皮蛋内部品质无损检测方法技术

本发明专利技术公开了一种基于机器视觉的皮蛋内部品质无损检测方法，具体包括：S1、采集皮蛋图像；S2、获得皮蛋原始透射图像；S3、利用RGB颜色模型的色差信息分割出皮蛋的透光区域；S4、判断灰白蛋；S5、判断炸黄蛋，对炸黄蛋蛋黄的突出部分获取图像轮廓信息，把所述轮廓信息作为输入参数输入到BP神经网络中获得轮廓信息模型中进行判断；S6、判断黄蛋，基于S5提取图像透光区域的二值图像，利用气室定位法对二值图像提取气室区域的二值图像，皮蛋透光区域小于气室区域面积，皮蛋为黄蛋；S7、判断臭蛋。本发明专利技术能较好的将皮蛋的进行无损检测分级，将皮蛋分为合格蛋、次品蛋和臭蛋具有较高的准确率。次品蛋和臭蛋具有较高的准确率。次品蛋和臭蛋具有较高的准确率。

【技术实现步骤摘要】
一种基于机器视觉的皮蛋内部品质无损检测方法


[0001]本专利技术涉及机器视觉和无损检测领域，特别是涉及一种基于机器视觉的皮蛋内部品质无损检测方法。

技术介绍

[0002]皮蛋是中国的传统美食，其独特的风味和口感深受中国消费者的喜爱，且在治疗炎症、抗肿瘤等方面有积极的功效。皮蛋是由鲜蛋腌制而成，但是由于用于腌制的原料蛋品质参差不齐，以及腌制过程中存在的多种影响因素，导致所腌制的皮蛋品质参差不齐，根据武汉神丹食品有限公司的分选标准，可将皮蛋按品质分为合格蛋、次品蛋和臭蛋。合格蛋主要包括糖心蛋和沙心蛋，次品蛋中根据其特征的不同，又能被分为灰白蛋、炸黄蛋和黄蛋三大类。合格蛋内容物凝固完整，蛋清呈凝胶状态；次品蛋存在轻微碱伤，剥开后有粘壳、烂头、蜡黄等现象；臭蛋内部完全液化成水，破壳后有明显异味，为劣质蛋，为了保证产品的品质，皮蛋在腌制完成后需要进行人工照蛋分选出其中的次品蛋和臭蛋。
[0003]机器视觉技术广应用于鸡蛋、苹果、柑橘等农产品的无损检测，虽然可见/近红外光谱、高光谱、机器视觉等技术已被广泛应用于蛋品的无损检测领域，但是在蛋品在线无损检测领域主要是基于机器视觉技术实现的。目前对于皮蛋无损检测的研究并不多，乐立强等采用机器视觉技术研究了皮蛋蛋壳斑点与研制配方的关系；Wang等通过获取皮蛋的Stocks图像和偏振光图像来检测皮蛋蛋壳裂纹；刘龙采用了超声波检测技术来检测皮带那溏心；胡道栋利用皮蛋蛋壳的声学特性结合DSP技术对皮蛋破损进行检测，以上研究者均未涉及到皮蛋内部品质的检测，因此皮蛋内部品质的无损检测分级技术的工业化应用仍是一个亟待解决的问题。王巧华等研究者虽然应用了机器视觉技术尝试对皮蛋内部品质进行三分类，但是为了提高检测精度，其最终采用的是机器视觉与近红外光谱技术结合的方式来实现，因此现在仍需解决机器视觉对皮蛋内部品质检测精度不高的问题，并最终实现工业应用。

技术实现思路

[0004]本专利技术的目的是提供一种基于机器视觉的皮蛋内部品质无损检测方法，以解决上述现有技术存在的技术问题，检测精度高，结果可靠性高。
[0005]为实现上述目的，本专利技术提供了如下方案：本专利技术提供一种基于机器视觉的皮蛋内部品质无损检测方法，包括如下步骤：
[0006]S1、基于目标皮蛋，采集所述目标皮蛋的皮蛋图像，基于所述皮蛋图像，获得皮蛋原始透射图像；
[0007]S2、基于所述目标皮蛋原始透射图像，通过RGB颜色模型获得目标皮蛋的透光区域图像，根据透光区域图像的颜色差异判断灰白蛋；
[0008]S3、基于S2将获得的所述透光区域图像进行二值化得到二值图像；基于所述二值图像和所述透光区域图像，通过掩膜处理，得到二值掩膜图像；基于所述二值掩膜图像，获
得所述透光区域图像的R分量和G分量，若所述R分量与G分量比值小于阈值，则所述目标皮蛋为黄蛋；若所述R分量与G分量比值大于或等于阈值，则所述目标皮蛋为合格蛋；
[0009]S4、基于S3所述二值掩膜图像，通过提取傅里叶描述子获得所述二值图像轮廓信息与周长、面积、周长面积比等形状参数，把所述轮廓信息和形状参数作为输入参数输入到BP神经网络中获得轮廓信息模型，判断所述目标皮蛋是否为炸黄蛋；
[0010]S5、基于气室二值图像，获取皮蛋图像边缘线和气室分界线，得到目标皮蛋气室附近的特征区域二值图像，然后对所述特征区域二值图像与原始图像进行掩膜处理，获得特征区域图像，进而根据其颜色和亮度判断所述目标皮蛋是否为黄蛋。
[0011]优选地，所述S3包括，二值化的过程，通过开闭运算和膨胀腐蚀处理填补孔洞，平滑锯齿边缘得到所述透光区域图像。
[0012]优选地，所述S3包括，对所述透光区域图像提取R,G,B三分量矩阵确定阈值，并使用公式计算出矩阵的RGB三分量的均值：
[0013]R＝S
R
÷
A
[0014]G＝S
G
÷
A
[0015]B＝S
B
÷
A
[0016]其中，R，G，B分别代表RGB三分量的均值，S
R
，S
G
，S
B
分别代表各分量矩阵中所有数值总和，A为透光区域的像素点数量。
[0017]优选地，所述透光区域图像的二值图像中的轮廓坐标包括边界点横坐标和边界点纵坐标，基于所述边界点横坐标和边界点纵坐标，获得轮廓信息。
[0018]优选地，所述S5中确定目标皮蛋气室区域图像的方法为，将皮蛋横放，气室存在于皮蛋的左右两端，把皮蛋气室二值图像提取两边边界，两边边界包括所述皮蛋边缘线和所述气室分界线，通过比较所述皮蛋边缘线和所述气室分界线的曲率找到气室边界线，平移气室分界线获得特征区域二值图像。
[0019]优选地，所述S4中获得所述二值图像轮廓信息过程，傅里叶描述子是傅里叶系数组成的一维行向量，傅里叶描述子代表目标形状边界所具有的特征；傅里叶系数进行反变换，还原表示形状边界的复数序列，把傅里叶描述子归一化。
[0020]优选地，所述S5中气室二值图像获取过程，通过RGB颜色模型分割出蓝色分量，获得气室图像，进行灰度调整后直接二值化，得到气室二值图像。
[0021]优选地，若所述目标皮蛋图像不存在所述透光区域，则所述目标皮蛋为臭蛋；若所述目标皮蛋图像存在透光区域，且透光区域为椭圆形，则所述目标皮蛋为臭蛋。
[0022]本专利技术公开了以下技术效果：
[0023]皮蛋在腌制完成后根据其内部品质可分为合格蛋、次品蛋和臭蛋，其中次品蛋和臭蛋不可流入市场，次品蛋又可分为灰白蛋、炸黄蛋和黄蛋。但国内对皮蛋品质分级所采用的方法主要为人工照检，人工照检不仅费时费力且分级精度高度依赖人工经验。为此本专利技术构建了一套适用于皮蛋品质检测的图像采集系统，利用色差法对灰白蛋进行判别；运用傅里叶描述子和形状特征参数结合BP神经网络判别炸黄蛋；采用气室定位法提取黄蛋特征，并以此判别黄蛋；利用皮蛋的透光特性差异对臭蛋进行判别；设计了合理的判别流程，综合各种特征的判别顺序。研究表明，机器视觉能够较好的实现皮蛋内部品质的无损检测分级，为相关自动化装备的研发提供了技术支撑。
附图说明
[0024]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还能根据这些附图获得其他的附图。
[0025]图1为皮蛋品质综合判别流程图；
[0026]图2为机器视觉装置，其中：1.电脑，2.相机和镜头，3.暗箱，4.皮蛋,5.挡板，6.帕灯；
[0027]图3为皮蛋原始透射图像，其中：图3(a)为合格蛋原始透射图像，图3(b)为合格蛋(气室)原始透射图像，图3(c)为灰白蛋原始透射图像，图3(d)为炸黄蛋原始透射图像，图3(e)为黄蛋原始透射图像，图3(f)为臭蛋原始透射图像；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的皮蛋内部品质无损检测方法，其特征在于：包括以下步骤：S1、基于目标皮蛋，采集所述目标皮蛋的皮蛋图像，基于所述皮蛋图像，获得皮蛋原始透射图像；S2、基于所述目标皮蛋原始透射图像，通过RGB颜色模型获得目标皮蛋的透光区域图像，根据透光区域图像的颜色差异判断灰白蛋；S3、基于S2将获得的所述透光区域图像进行二值化得到二值图像；基于所述二值图像和所述透光区域图像，通过掩膜处理，得到二值掩膜图像；基于所述二值掩膜图像，获得所述透光区域图像的R分量和G分量，若所述R分量与G分量比值小于阈值，则所述目标皮蛋为黄蛋；若所述R分量与G分量比值大于或等于阈值，则所述目标皮蛋为合格蛋；S4、基于S3所述二值掩膜图像，通过提取傅里叶描述子获得所述二值图像轮廓信息与周长、面积、周长面积比等形状参数，把所述轮廓信息和形状参数作为输入参数输入到BP神经网络中获得轮廓信息模型，判断所述目标皮蛋是否为炸黄蛋；S5、基于气室二值图像，获取皮蛋图像边缘线和气室分界线，得到目标皮蛋气室附近的特征区域二值图像，然后对所述特征区域二值图像与原始图像进行掩膜处理，获得特征区域图像，进而根据其颜色和亮度判断所述目标皮蛋是否为黄蛋。2.根据权利要求1所述的一种基于机器视觉的皮蛋内部品质无损检测方法，其特征在于：所述S3包括，二值化的过程，通过开闭运算和膨胀腐蚀处理填补孔洞，平滑锯齿边缘得到所述透光区域图像。3.根据权利要求1所述的一种基于机器视觉的皮蛋内部品质无损检测方法，其特征在于：所述S3包括，对所述透光区域图像提取R,G,B三分量矩阵确定阈值，并使用公式计算出矩阵的RGB三分量的均值：R＝S
R
÷
AG＝S
G
÷
AB＝S

【专利技术属性】
技术研发人员：王巧华，汤文权，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：