【摘要】：產(chǎn)地鴨蛋在養(yǎng)殖地收集后需就地粗選,根據(jù)不同品質(zhì)分類裝箱運(yùn)往蛋企加工廠清洗、包裝及流通。產(chǎn)地鴨蛋表面臟污嚴(yán)重,粗選難度較大。本文采用機(jī)器視覺(jué)技術(shù)采集群體產(chǎn)地鴨蛋動(dòng)態(tài)圖像,利用R-B分量有效去除因裝置間隙產(chǎn)生的漏光;對(duì)運(yùn)行中的每枚蛋拍照3次,取最大面積圖像,減小臟污位于圖像邊緣時(shí)對(duì)其邊緣檢測(cè)的影響;用最小平均中值法對(duì)產(chǎn)地鴨蛋邊緣進(jìn)行橢圓擬合,避免因光源過(guò)亮和鴨蛋過(guò)臟帶來(lái)的邊緣噪聲的干擾;提取產(chǎn)地鴨蛋長(zhǎng)半軸、短半軸、體積和離心率作為特征參數(shù),通過(guò)LIBSVM建立產(chǎn)地鴨蛋外形扁平度分級(jí)模型,實(shí)現(xiàn)對(duì)產(chǎn)地鴨蛋尺寸和扁平程度的分級(jí)。經(jīng)檢驗(yàn),鴨蛋尺寸與扁平度的分級(jí)正確率分別為91.67%,95.00%。
【圖文】：

第17卷第5期傳送帶方向第一次拍照第二次拍照第三次拍照?qǐng)D3產(chǎn)地鴨蛋的3次拍照示意圖Fig.3Diagramoftakingphotothreetimesforeveryduckegg送帶下方的光源可通過(guò)傳送帶上輥?zhàn)娱g的空隙透射照蛋；每當(dāng)一排鴨蛋進(jìn)入暗箱，傳送到光源的正上方時(shí)，會(huì)觸發(fā)安裝在暗箱側(cè)壁的光電開關(guān)，通過(guò)單片機(jī)傳遞信號(hào)至計(jì)算機(jī)控制安裝在暗箱頂部正中的工業(yè)相機(jī)自動(dòng)拍照。采集的原始產(chǎn)地鴨蛋圖像如圖2所示，每張圖片中含有3排（共9枚）鴨蛋圖像。注：1.裝置臺(tái)；2.傳送帶；3.暗箱；4.工業(yè)相機(jī)；5.計(jì)算機(jī)；6.單片機(jī)；7.光源；8.光電開關(guān)。圖1圖像采集裝置Fig.1Deviceofimageacquisition圖2產(chǎn)地鴨蛋的圖像Fig.2Imageofdirtyduckeggs每排蛋被拍3次，其過(guò)程如下：當(dāng)編號(hào)為1，2，3的鴨蛋傳送到光源①處時(shí)，觸發(fā)相機(jī)，鴨蛋（1，2，3）被第1次拍照；隨著傳送帶移動(dòng)，當(dāng)編號(hào)為4，5，6的鴨蛋傳送到光源①處時(shí)，觸發(fā)相機(jī)，產(chǎn)地鴨蛋（1，2，3）被第2次拍照；當(dāng)編號(hào)為7，8，9的鴨蛋傳送到光源①處時(shí)，觸發(fā)相機(jī)，鴨蛋（1，2，3）被第3次拍照；隨后鴨蛋（編號(hào)為1，2，3）被移出暗箱。也就是說(shuō)每枚產(chǎn)地鴨蛋從進(jìn)入暗箱到移出暗箱共被拍照3次，分別得到A、B、C3張圖像，如圖3所示。2產(chǎn)地鴨蛋圖像處理2.1圖像上的漏光處理由于輥?zhàn)优c輸送裝置臺(tái)之間有間隙，當(dāng)光源從傳送帶下方對(duì)產(chǎn)地鴨蛋透射時(shí)，不可避免地產(chǎn)生漏光現(xiàn)象，這對(duì)后續(xù)鴨蛋圖像邊緣提取非常不利，因此必須消除掉圖像上的漏光信息。通過(guò)對(duì)圖像各分量灰度圖分析獲知，圖像B分量的信息與漏光的信息基本一致，用R分量減去B分量，可有效去除大部分因裝置間隙產(chǎn)生的漏光。圖4中R-B圖像為原始圖像去除漏光后得到的灰度圖。2.2鴨蛋圖像的預(yù)處理由于圖像中產(chǎn)地鴨蛋表面的臟污與裝置的顏色信息?

?傳送帶方向第一次拍照第二次拍照第三次拍照?qǐng)D3產(chǎn)地鴨蛋的3次拍照示意圖Fig.3Diagramoftakingphotothreetimesforeveryduckegg送帶下方的光源可通過(guò)傳送帶上輥?zhàn)娱g的空隙透射照蛋；每當(dāng)一排鴨蛋進(jìn)入暗箱，傳送到光源的正上方時(shí)，會(huì)觸發(fā)安裝在暗箱側(cè)壁的光電開關(guān)，通過(guò)單片機(jī)傳遞信號(hào)至計(jì)算機(jī)控制安裝在暗箱頂部正中的工業(yè)相機(jī)自動(dòng)拍照。采集的原始產(chǎn)地鴨蛋圖像如圖2所示，每張圖片中含有3排（共9枚）鴨蛋圖像。注：1.裝置臺(tái)；2.傳送帶；3.暗箱；4.工業(yè)相機(jī)；5.計(jì)算機(jī)；6.單片機(jī)；7.光源；8.光電開關(guān)。圖1圖像采集裝置Fig.1Deviceofimageacquisition圖2產(chǎn)地鴨蛋的圖像Fig.2Imageofdirtyduckeggs每排蛋被拍3次，其過(guò)程如下：當(dāng)編號(hào)為1，2，3的鴨蛋傳送到光源①處時(shí)，觸發(fā)相機(jī)，鴨蛋（1，2，3）被第1次拍照；隨著傳送帶移動(dòng)，當(dāng)編號(hào)為4，5，6的鴨蛋傳送到光源①處時(shí)，觸發(fā)相機(jī)，產(chǎn)地鴨蛋（1，2，3）被第2次拍照；當(dāng)編號(hào)為7，8，9的鴨蛋傳送到光源①處時(shí)，觸發(fā)相機(jī)，鴨蛋（1，2，3）被第3次拍照；隨后鴨蛋（編號(hào)為1，2，3）被移出暗箱。也就是說(shuō)每枚產(chǎn)地鴨蛋從進(jìn)入暗箱到移出暗箱共被拍照3次，分別得到A、B、C3張圖像，如圖3所示。2產(chǎn)地鴨蛋圖像處理2.1圖像上的漏光處理由于輥?zhàn)优c輸送裝置臺(tái)之間有間隙，當(dāng)光源從傳送帶下方對(duì)產(chǎn)地鴨蛋透射時(shí)，不可避免地產(chǎn)生漏光現(xiàn)象，這對(duì)后續(xù)鴨蛋圖像邊緣提取非常不利，因此必須消除掉圖像上的漏光信息。通過(guò)對(duì)圖像各分量灰度圖分析獲知，圖像B分量的信息與漏光的信息基本一致，用R分量減去B分量，，可有效去除大部分因裝置間隙產(chǎn)生的漏光。圖4中R-B圖像為原始圖像去除漏光后得到的灰度圖。2.2鴨蛋圖像的預(yù)處理由于圖像中產(chǎn)地鴨蛋表面的臟污與裝置的顏色信息相似，單一?

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙茂程;侯文軍;;我國(guó)基于機(jī)器視覺(jué)的水果自動(dòng)分級(jí)技術(shù)及研究進(jìn)展[J];包裝與食品機(jī)械;2007年05期

2 牛一帆;;機(jī)器視覺(jué)在印刷質(zhì)量檢測(cè)中的應(yīng)用[J];印刷質(zhì)量與標(biāo)準(zhǔn)化;2009年09期

3 牛一帆;;機(jī)器視覺(jué)在印刷質(zhì)量檢測(cè)中的應(yīng)用[J];廣東印刷;2009年05期

4 楊繼志;郭敬;;機(jī)器視覺(jué)在煙草行業(yè)的應(yīng)用[J];機(jī)電產(chǎn)品開發(fā)與創(chuàng)新;2011年06期

5 張樹君;辛瑩瑩;陳大千;;基于機(jī)器視覺(jué)的飲料瓶標(biāo)簽檢測(cè)設(shè)備[J];食品研究與開發(fā);2014年03期

6 黃星奕;錢媚;徐富斌;;基于機(jī)器視覺(jué)和近紅外光譜技術(shù)的杏干品質(zhì)無(wú)損檢測(cè)[J];農(nóng)業(yè)工程學(xué)報(bào);2012年07期

7 何自芬;詹肇麟;張印輝;;基于機(jī)器視覺(jué)的凹版網(wǎng)點(diǎn)變形檢測(cè)技術(shù)[J];中國(guó)印刷與包裝研究;2010年S1期

8 馬連峰;張秋菊;;基于機(jī)器視覺(jué)的彩色套印檢測(cè)技術(shù)研究[J];包裝工程;2007年09期

9 周志宇;劉喜昂;楊東鶴;;機(jī)器視覺(jué)在蠶繭表面積測(cè)量中的應(yīng)用[J];紡織學(xué)報(bào);2006年12期

10 楊芳;吳進(jìn)軍;;基于機(jī)器視覺(jué)的機(jī)針智能質(zhì)量檢測(cè)分揀系統(tǒng)設(shè)計(jì)[J];制造業(yè)自動(dòng)化;2013年16期

相關(guān)會(huì)議論文 前2條

1 馬連峰;張秋菊;;基于機(jī)器視覺(jué)的彩色套印檢測(cè)技術(shù)研究[A];第十一屆全國(guó)包裝工程學(xué)術(shù)會(huì)議論文集（二）[C];2007年

2 管庶安;周龍;陳永強(qiáng);廖明潮;;機(jī)器視覺(jué)在糧食品質(zhì)檢測(cè)中的應(yīng)用研究[A];中國(guó)糧油學(xué)會(huì)第三屆學(xué)術(shù)年會(huì)論文選集（下冊(cè)）[C];2004年

相關(guān)重要報(bào)紙文章 前5條

1 紐博泰;自動(dòng)檢測(cè)對(duì)印刷質(zhì)量成本進(jìn)行有效控制[N];中國(guó)包裝報(bào);2009年

2 劉詩(shī)人;印刷質(zhì)量檢測(cè)系統(tǒng)原理和技術(shù)要點(diǎn)[N];中國(guó)包裝報(bào);2009年

3 秦飛;常州宏大積極拓展印染數(shù)控產(chǎn)品[N];中國(guó)紡織報(bào);2012年

4 趙曉展;茶葉無(wú)損檢測(cè)有新思路[N];工人日?qǐng)?bào);2008年

5 記者 宦建新 通訊員 單泠;水果蔬菜檢測(cè)分級(jí)實(shí)現(xiàn)自動(dòng)化[N];科技日?qǐng)?bào);2004年

相關(guān)碩士學(xué)位論文 前10條

1 冼志軍;錫膏印刷機(jī)誤差與錫膏印刷質(zhì)量檢測(cè)技術(shù)研究[D];華南理工大學(xué);2015年

2 任磊;基于機(jī)器視覺(jué)的脫囊衣橘片分揀裝置研究[D];浙江師范大學(xué);2015年

3 劉子龍;基于機(jī)器視覺(jué)的快速分揀食品包裝系統(tǒng)研究[D];浙江工業(yè)大學(xué);2015年

4 洪文娟;基于機(jī)器視覺(jué)的紅茶發(fā)酵適度性研究[D];中國(guó)計(jì)量學(xué)院;2015年

5 趙卓;基于機(jī)器視覺(jué)的織物瑕疵實(shí)時(shí)在線檢測(cè)系統(tǒng)的研究[D];西安工程大學(xué);2016年

6 許登程;油菜蜂花粉自動(dòng)化篩選裝置的研究及設(shè)計(jì)[D];江蘇大學(xué);2016年

7 王晨;基于機(jī)器視覺(jué)的生絲電子檢測(cè)方法[D];蘇州大學(xué);2016年

8 郭健;基于機(jī)器視覺(jué)的印刷質(zhì)量在線自動(dòng)檢測(cè)系統(tǒng)研究[D];華南理工大學(xué);2016年

9 張萌;基于機(jī)器視覺(jué)的生豬瘦肉率無(wú)損檢測(cè)技術(shù)研究[D];華南農(nóng)業(yè)大學(xué);2016年

10 吳玉紅;基于機(jī)器視覺(jué)的雞翅質(zhì)檢研究[D];山東農(nóng)業(yè)大學(xué);2016年

本文編號(hào)：2583385