LOG和Fisher算法的壳类食品表面裂纹检测方法
发布时间：2021-09-12 18:26
为提高禽蛋表面裂纹检测的准确性,以鸡蛋表面裂纹检测为研究对象,结合机器视觉设计一种表面裂纹检测方法。给出鸡蛋表面图像采集系统结构。重点论述裂纹图像分析方法,采用负LOG算子实现裂纹图像增强;利用双阈值分割算法实现裂纹区域识别;在消除鸡蛋边缘后,采用Fisher算法完成裂纹识别。试验结果表明,所述方法对裂纹的识别准确率达98.5%,具有较高检测精度;所述表面图像处理算法可有效避免噪声等干扰影响,处理效果较好,可满足检测要求;该方法可适用于绝大多数禽蛋表面裂纹检测。
【文章来源】：食品工业. 2020,41(10)北大核心
【文章页数】：4 页
【部分图文】：
鸡蛋表面图像采集系统
?匝樘跫?拢?粞【??窒吹?00枚鸡蛋作为训练、测试样本，其中完好鸡蛋100枚、裂纹鸡蛋100枚。利用上述方法检测鸡蛋表面是否存在裂纹，检测结果如表1所示。表1检测结果类型样本数/枚正确数/枚正确率/%完好鸡蛋1009898裂纹鸡蛋1009999总计20019798.5从试验结果可以看出，所述方法可以很好地实现对裂纹鸡蛋的检测，正确率达到99%，而完好鸡蛋的检测正确率可达98%。说明鸡蛋表面裂纹检测方法具有比较高的检测精度，鸡蛋表面图像处理算法可有效避免噪声等干扰影响，处理效果较好，可满足检测要求。误检情况如图4所示，误检情况可以分为两类：一是将完好鸡蛋误认为裂纹鸡蛋，主要原因在于鸡蛋表面的花纹引入的噪声在预处理中不能完全去除，容易被检测成为裂纹，造成完好鸡蛋的误检；二是没有检测到鸡蛋裂纹，主要原因在于鸡蛋裂纹较小且靠近图像边缘，容易在去除鸡蛋外轮廓和像素点阈值处理中将裂纹当作外轮廓和噪声去除。虽然存在这2种误检情况，但是整体检测精度较高，可满足相关行业检测需求。图4误检效果图4结语为提高禽蛋品质，以鸡蛋表面裂纹检测为研究对象，提出一种鸡蛋表面裂纹检测方法。重点论述鸡蛋表面图像处理算法，包括裂纹图像增强、裂纹图像阈值分割、鸡蛋表面裂纹识别等。试验结果表明，鸡蛋表面裂纹检测方法具有较高检测精度，鸡蛋表面图像处理算法可有效避免噪声等干扰影响，处理效果较好。所述方法不仅适用于鸡蛋表面检测，同样适用于其他禽蛋类表面裂纹检测。参考文献：[1]ARIVAZHAGANS,SHEBIAHRN,SUDHARSANH,etal.Externalandinternaldefectdetectionofeggusingmachinevision[J].JournalofEmergingTrendsinComputingandInformationSciences,2013,4(3):257-262.[2]YOONSC,LAWRENCEKC,JONES
，具体分析过程可描述为：第一步，选取一定数量的有缝鸡蛋和无缝鸡蛋作为样本，通过Fisher算法训练，可以得到投影参数V；第二步，分别计算有缝投影中心值以及无缝投影中心值；第三步，遇到新样本或未知样本时，可先计算其投影值，然后分别同有缝投影中心值和无缝投影中心值相比较，根据比较结果判断有缝还是无缝（接近有缝投影中心值，则认为有缝；接近无缝投影中心值，则认为无缝）。可将MATLAB中的Fisher函数集成到计算机中进行学习判别。实际训练对比结果表明，识别准确度在98%以上。鸡蛋裂纹提取结果如图3所示。图3鸡蛋裂纹提取结果
【参考文献】：
期刊论文
[1]改进的Canny算子在靶场光学数据处理中的应用[J]. 高燕,侯艳杰,夏霏. 无线电工程. 2019(08)
[2]基于DSP的鸡蛋裂纹多通道检测系统[J]. 胥保文,孙力,蔡健荣,戴其俊. 食品与机械. 2018(10)
[3]融合梯度幅值和置信度的鸡蛋裂纹图像检测[J]. 吴兰兰,王巧华,祝志慧,王树才,熊利荣. 华中农业大学学报. 2016(06)
[4]基于AdaboostingSVM算法的多特征蛋壳裂纹识别[J]. 熊利荣,谢灿,祝志慧. 华中农业大学学报. 2015(02)
[5]鸡蛋外形参数预测模型的研究[J]. 杜艳红,卫勇,杨延荣,常若葵,杨仁杰. 农机化研究. 2012(05)
[6]基于计算机视觉的鸡蛋裂纹检测方法研究[J]. 欧阳静怡,刘木华. 农机化研究. 2012(03)
[7]基于图像投影变换的鸡蛋破损检测[J]. 彭辉,姚雅娟,文友先,王树才,刘剑英. 湖北农业科学. 2010(03)
[8]基于小波变换和BP神经网络的蛋壳破损检测[J]. 彭辉,文友先,王巧华,王树才,吴兰兰. 农业机械学报. 2009(02)
[9]基于支持向量机的鸭蛋破损检测技术[J]. 周平,刘俭英,文友先. 农业机械学报. 2008(01)
[10]基于计算机视觉和神经网络检测鸡蛋裂纹的研究[J]. 潘磊庆,屠康,苏子鹏,杨佳丽,李宏文. 农业工程学报. 2007(05)
硕士论文
[1]基于机器视觉的禽蛋外部缺陷检测[D]. 贾咪咪.浙江工业大学 2017
[2]基于视觉的鸡蛋缺陷检测[D]. 杨群.广东工业大学 2017
本文编号：3394723
【文章来源】：食品工业. 2020,41(10)北大核心
【文章页数】：4 页
【部分图文】：
鸡蛋表面图像采集系统
?匝樘跫?拢?粞【??窒吹?00枚鸡蛋作为训练、测试样本，其中完好鸡蛋100枚、裂纹鸡蛋100枚。利用上述方法检测鸡蛋表面是否存在裂纹，检测结果如表1所示。表1检测结果类型样本数/枚正确数/枚正确率/%完好鸡蛋1009898裂纹鸡蛋1009999总计20019798.5从试验结果可以看出，所述方法可以很好地实现对裂纹鸡蛋的检测，正确率达到99%，而完好鸡蛋的检测正确率可达98%。说明鸡蛋表面裂纹检测方法具有比较高的检测精度，鸡蛋表面图像处理算法可有效避免噪声等干扰影响，处理效果较好，可满足检测要求。误检情况如图4所示，误检情况可以分为两类：一是将完好鸡蛋误认为裂纹鸡蛋，主要原因在于鸡蛋表面的花纹引入的噪声在预处理中不能完全去除，容易被检测成为裂纹，造成完好鸡蛋的误检；二是没有检测到鸡蛋裂纹，主要原因在于鸡蛋裂纹较小且靠近图像边缘，容易在去除鸡蛋外轮廓和像素点阈值处理中将裂纹当作外轮廓和噪声去除。虽然存在这2种误检情况，但是整体检测精度较高，可满足相关行业检测需求。图4误检效果图4结语为提高禽蛋品质，以鸡蛋表面裂纹检测为研究对象，提出一种鸡蛋表面裂纹检测方法。重点论述鸡蛋表面图像处理算法，包括裂纹图像增强、裂纹图像阈值分割、鸡蛋表面裂纹识别等。试验结果表明，鸡蛋表面裂纹检测方法具有较高检测精度，鸡蛋表面图像处理算法可有效避免噪声等干扰影响，处理效果较好。所述方法不仅适用于鸡蛋表面检测，同样适用于其他禽蛋类表面裂纹检测。参考文献：[1]ARIVAZHAGANS,SHEBIAHRN,SUDHARSANH,etal.Externalandinternaldefectdetectionofeggusingmachinevision[J].JournalofEmergingTrendsinComputingandInformationSciences,2013,4(3):257-262.[2]YOONSC,LAWRENCEKC,JONES
，具体分析过程可描述为：第一步，选取一定数量的有缝鸡蛋和无缝鸡蛋作为样本，通过Fisher算法训练，可以得到投影参数V；第二步，分别计算有缝投影中心值以及无缝投影中心值；第三步，遇到新样本或未知样本时，可先计算其投影值，然后分别同有缝投影中心值和无缝投影中心值相比较，根据比较结果判断有缝还是无缝（接近有缝投影中心值，则认为有缝；接近无缝投影中心值，则认为无缝）。可将MATLAB中的Fisher函数集成到计算机中进行学习判别。实际训练对比结果表明，识别准确度在98%以上。鸡蛋裂纹提取结果如图3所示。图3鸡蛋裂纹提取结果
【参考文献】：
期刊论文
[1]改进的Canny算子在靶场光学数据处理中的应用[J]. 高燕,侯艳杰,夏霏. 无线电工程. 2019(08)
[2]基于DSP的鸡蛋裂纹多通道检测系统[J]. 胥保文,孙力,蔡健荣,戴其俊. 食品与机械. 2018(10)
[3]融合梯度幅值和置信度的鸡蛋裂纹图像检测[J]. 吴兰兰,王巧华,祝志慧,王树才,熊利荣. 华中农业大学学报. 2016(06)
[4]基于AdaboostingSVM算法的多特征蛋壳裂纹识别[J]. 熊利荣,谢灿,祝志慧. 华中农业大学学报. 2015(02)
[5]鸡蛋外形参数预测模型的研究[J]. 杜艳红,卫勇,杨延荣,常若葵,杨仁杰. 农机化研究. 2012(05)
[6]基于计算机视觉的鸡蛋裂纹检测方法研究[J]. 欧阳静怡,刘木华. 农机化研究. 2012(03)
[7]基于图像投影变换的鸡蛋破损检测[J]. 彭辉,姚雅娟,文友先,王树才,刘剑英. 湖北农业科学. 2010(03)
[8]基于小波变换和BP神经网络的蛋壳破损检测[J]. 彭辉,文友先,王巧华,王树才,吴兰兰. 农业机械学报. 2009(02)
[9]基于支持向量机的鸭蛋破损检测技术[J]. 周平,刘俭英,文友先. 农业机械学报. 2008(01)
[10]基于计算机视觉和神经网络检测鸡蛋裂纹的研究[J]. 潘磊庆,屠康,苏子鹏,杨佳丽,李宏文. 农业工程学报. 2007(05)
硕士论文
[1]基于机器视觉的禽蛋外部缺陷检测[D]. 贾咪咪.浙江工业大学 2017
[2]基于视觉的鸡蛋缺陷检测[D]. 杨群.广东工业大学 2017
本文编号：3394723
本文链接：https://www.wllwen.com/wenshubaike/jieribaike/3394723.html
