基于光技術(shù)的皮蛋蛋殼破損檢測方法研究.pdf

1、皮蛋是我國獨(dú)創(chuàng)的一種蛋類加工產(chǎn)品，其營養(yǎng)豐富、容易消化、具有清涼解熱等作用，深受人們喜愛。目前在生產(chǎn)加工中主要采用眼看、手掂等人工方法來檢測并剔除破損皮蛋，本文結(jié)合偏振光技術(shù)、圖像處理技術(shù)及模式識(shí)別技術(shù)，研究出缸皮蛋蛋殼裂紋的自動(dòng)識(shí)別方法。主要研究內(nèi)容如下:
　　(1)搭建了自然光圖像采集系統(tǒng)，對圖像的噪聲濾除、圖像增強(qiáng)、邊緣檢測、形態(tài)學(xué)運(yùn)算等進(jìn)行了深入分析和比較，研究出適合提取皮蛋蛋殼裂紋的圖像處理算法。通過大量試驗(yàn)驗(yàn)證，提出了

2、形態(tài)學(xué)邊緣提取算法，試驗(yàn)結(jié)果表明:形態(tài)學(xué)邊緣提取算法能有效區(qū)分皮蛋蛋殼信息和裂紋信息。
　　(2)在形態(tài)學(xué)邊緣提取算法處理蛋殼圖像的基礎(chǔ)上，分別提取了圖像中裂紋信息的形狀特征參數(shù)和紋理特征參數(shù)，具體為:裂紋長度L、裂紋深度K、投影變換后水平方向和垂直方向的灰度最大值Tmax、角點(diǎn)數(shù)等四個(gè)特征參數(shù)。采用支持向量機(jī)分類器進(jìn)行自動(dòng)識(shí)別，分別采用線性、多項(xiàng)式、徑向基、Sigmoid等四種SVM核函數(shù)分別對樣本進(jìn)行分類處理，根據(jù)不同的訓(xùn)練樣

3、本和測試樣本數(shù)，綜合得出徑向基核函數(shù)SVM分類器的識(shí)別率最高，檢測率最高可達(dá)94％。
　　(3)針對皮蛋蛋殼表面大塊黑斑和裂紋的偏振度的不同，研制了偏振圖像采集系統(tǒng)，根據(jù)本課題研究的需要選用了Stokes矢量法描述偏振光，根據(jù)Stokes矢量描述法中所需測量的偏振角為0°、45°、90°、-45°的偏振圖像，搭建了偏振圖像采集系統(tǒng)，詳細(xì)介紹了偏振圖像采集系統(tǒng)的硬件設(shè)計(jì)和軟件設(shè)計(jì)，其中包括軟件界面的設(shè)計(jì)、界面可直接控制CCD的各個(gè)參

4、數(shù)設(shè)計(jì)、采集圖像、控制電機(jī)自動(dòng)旋轉(zhuǎn)所需角度、自動(dòng)獲取所需要的各角度偏振圖像等多種操作，整個(gè)圖像采集系統(tǒng)能完成控制電機(jī)旋轉(zhuǎn)一周，能自動(dòng)采集相應(yīng)的偏振圖像。
　　(4)利用偏振圖像采集系統(tǒng)采集樣本偏振角為0°、45°、90°、-45°的偏振圖像，擬合各樣本的偏振圖像，通過試驗(yàn)數(shù)據(jù)表明，皮蛋蛋殼表面大塊黑斑的偏振度相對穩(wěn)定，大多在0.1左右，而裂紋的偏振度不太穩(wěn)定，但大多數(shù)情況下一般大于表殼黑斑的偏振度，本文先采用閾值方法濾除樣本表殼黑

5、斑信息，然后以偏振圖像中像素最高且連通區(qū)域最大部分作為中心，截取100*100的像素圖像，提取該圖像的裂紋長度、均方比、偏度和峰度等四個(gè)特征參數(shù)，采用Kmeans聚類分析算法識(shí)別蛋殼裂紋。通過實(shí)驗(yàn)證明，該方法效果良好，其中好殼皮蛋的識(shí)別準(zhǔn)確率為100％、裂紋蛋的識(shí)別準(zhǔn)確率為88.3％，綜合準(zhǔn)確率為93％。
　　(5)對同一批100枚皮蛋樣本分別用自然光圖像處理方法和偏振光技術(shù)進(jìn)行樣本裂紋識(shí)別，其檢測結(jié)果均為91％，但自然光圖像處理