基于深度学习或图像识别鸡蛋暗斑检测与自动分级系统技术方案

本发明专利技术公开的属于鸡蛋暗斑检测与分级技术领域，具体为基于深度学习或图像识别鸡蛋暗斑检测与自动分级系统，包括支撑组件和中央处理器，所述支撑组件上安装有传送装置，所述传送装置上安装有数据采集机构，所述传送装置右侧设有分级装置；所述数据采集机构包括红外线感应器，本发明专利技术的有益效果是：通过设置传送装置，对鸡蛋进行传输，实现了批量化的检测，检测速度快；并且通过摄像机对鸡蛋进行拍摄，再利用模块进行暗斑数量的采集，并与预存的等级值进行对比，可对鸡蛋进行分类，通过设置分级装置，自动将鸡蛋进行分类，使得鸡蛋进入分装盘的对应区域，分级效率高，自动化程度高，降低了人工成本，大大提高了检测效率。大大提高了检测效率。大大提高了检测效率。

【技术实现步骤摘要】
基于深度学习或图像识别鸡蛋暗斑检测与自动分级系统


[0001]本专利技术涉及鸡蛋暗斑检测与分级
，具体为基于深度学习或图像识别鸡蛋暗斑检测与自动分级系统。

技术介绍

[0002]有些鸡蛋上带有暗斑，而带有暗斑的鸡蛋大多不能进行正常孵化，应在进行孵化前，需要将带有暗斑的鸡蛋剔除掉，保证鸡蛋的孵化率。
[0003]现有对带有暗斑的鸡蛋的剔除，主要通过人工肉眼进行检测观察；这种检测方式效率低下，对大型的孵化场来说会浪费大量人力和财力成本。

技术实现思路

[0004]鉴于现有基于深度学习或图像识别鸡蛋暗斑检测与自动分级系统中存在的问题，提出了本专利技术。
[0005]因此，本专利技术的目的是提供基于深度学习或图像识别鸡蛋暗斑检测与自动分级系统，通过设置自动识别检测系统，再利用分级装置对鸡蛋进行分类，从而有效地提高了剔除带有暗斑的鸡蛋的效率，解决了现有对带有暗斑的鸡蛋的剔除，主要通过人工肉眼进行检测观察；这种检测方式效率低下，对大型的孵化场来说会浪费大量人力和财力成本的问题。
[0006]为解决上述技术问题，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习或图像识别鸡蛋暗斑检测与自动分级系统，包括支撑组件（1）和中央处理器（104），其特征在于：所述支撑组件（1）上安装有传送装置（2），所述传送装置（2）上安装有数据采集机构（3），所述传送装置（2）右侧设有分级装置（4）；所述数据采集机构（3）包括红外线感应器（31），所述红外线感应器（31）的一侧设有摄像机（32），所述红外线感应器（31）和摄像机（32）均安装在L形支架（33）上；所述分级装置（4）包括支撑板（41），所述支撑板（41）上安装有第二伺服电机（49），所述第二伺服电机（49）的输出轴固定连接螺纹杆（412），所述螺纹杆（412）外壁螺纹连接移动块（413），所述移动块（413）内壁滑动连接导位杆（411），所述移动块（413）底端固定连接第一电动伸缩杆（421），所述第一电动伸缩杆（421）一端固定连接固定杆（42），所述固定杆（42）底端固定连接电机支架（471），所述电机支架（471）上安装有第三伺服电机（47），所述第三伺服电机（47）的输出轴固定连接第二转轴（40），所述第二转轴（40）穿过电机支架（471）后通过螺栓连接第二电动伸缩杆（43），所述第二电动伸缩杆（43）底端固定连接弧形板（44），所述弧形板（44）下方设有滞留支撑板（45），所述滞留支撑板（45）右侧设有分装盘（46），所述分装盘（46）内设有隔板（461），所述隔板（461）外壁通过轴承转动连接支撑杆（462），所述支撑杆（462）外壁通过轴承转动连接支撑环（463），所述支撑环（463）外壁固定连接橡胶板（464）。2.根据权利要求1所述的基于深度学习或图像识别鸡蛋暗斑检测与自动分级系统，其特征在于，所述传送装置（2）包括支撑柱（21），所述支撑柱（21）内壁转动连接第一转轴（22），所述第一转轴（22）传动连接第一伺服电机（25）的输出轴，所述第一转轴（22）转动连接传送带（26），所述支撑柱（21）右端通过螺栓安装有倾斜缓冲板（28）。3.根据权利要求1所述的基于深度学习或图像识别鸡蛋暗斑检测与自动分级系统，其特征在于，所述第一转轴（22）外壁固定安装有皮带轮（23），所述皮带轮（23）...

【专利技术属性】
技术研发人员：陈辉，王德贺，周荣艳，陈一凡，杨断利，籍颖，郝二英，石雷，
申请(专利权)人：河北农业大学，
类型：发明
国别省市：