LOG和Fisher算法的殼類食品表面裂紋檢測方法
發(fā)布時間：2021-09-12 18:26
為提高禽蛋表面裂紋檢測的準確性,以雞蛋表面裂紋檢測為研究對象,結合機器視覺設計一種表面裂紋檢測方法。給出雞蛋表面圖像采集系統(tǒng)結構。重點論述裂紋圖像分析方法,采用負LOG算子實現(xiàn)裂紋圖像增強;利用雙閾值分割算法實現(xiàn)裂紋區(qū)域識別;在消除雞蛋邊緣后,采用Fisher算法完成裂紋識別。試驗結果表明,所述方法對裂紋的識別準確率達98.5%,具有較高檢測精度;所述表面圖像處理算法可有效避免噪聲等干擾影響,處理效果較好,可滿足檢測要求;該方法可適用于絕大多數(shù)禽蛋表面裂紋檢測。
【文章來源】：食品工業(yè). 2020,41(10)北大核心
【文章頁數(shù)】：4 頁
【部分圖文】：
雞蛋表面圖像采集系統(tǒng)
?匝樘跫?攏?粞【??窒吹?00枚雞蛋作為訓練、測試樣本，其中完好雞蛋100枚、裂紋雞蛋100枚。利用上述方法檢測雞蛋表面是否存在裂紋，檢測結果如表1所示。表1檢測結果類型樣本數(shù)/枚正確數(shù)/枚正確率/%完好雞蛋1009898裂紋雞蛋1009999總計20019798.5從試驗結果可以看出，所述方法可以很好地實現(xiàn)對裂紋雞蛋的檢測，正確率達到99%，而完好雞蛋的檢測正確率可達98%。說明雞蛋表面裂紋檢測方法具有比較高的檢測精度，雞蛋表面圖像處理算法可有效避免噪聲等干擾影響，處理效果較好，可滿足檢測要求。誤檢情況如圖4所示，誤檢情況可以分為兩類：一是將完好雞蛋誤認為裂紋雞蛋，主要原因在于雞蛋表面的花紋引入的噪聲在預處理中不能完全去除，容易被檢測成為裂紋，造成完好雞蛋的誤檢；二是沒有檢測到雞蛋裂紋，主要原因在于雞蛋裂紋較小且靠近圖像邊緣，容易在去除雞蛋外輪廓和像素點閾值處理中將裂紋當作外輪廓和噪聲去除。雖然存在這2種誤檢情況，但是整體檢測精度較高，可滿足相關行業(yè)檢測需求。圖4誤檢效果圖4結語為提高禽蛋品質，以雞蛋表面裂紋檢測為研究對象，提出一種雞蛋表面裂紋檢測方法。重點論述雞蛋表面圖像處理算法，包括裂紋圖像增強、裂紋圖像閾值分割、雞蛋表面裂紋識別等。試驗結果表明，雞蛋表面裂紋檢測方法具有較高檢測精度，雞蛋表面圖像處理算法可有效避免噪聲等干擾影響，處理效果較好。所述方法不僅適用于雞蛋表面檢測，同樣適用于其他禽蛋類表面裂紋檢測。參考文獻：[1]ARIVAZHAGANS,SHEBIAHRN,SUDHARSANH,etal.Externalandinternaldefectdetectionofeggusingmachinevision[J].JournalofEmergingTrendsinComputingandInformationSciences,2013,4(3):257-262.[2]YOONSC,LAWRENCEKC,JONES
，具體分析過程可描述為：第一步，選取一定數(shù)量的有縫雞蛋和無縫雞蛋作為樣本，通過Fisher算法訓練，可以得到投影參數(shù)V；第二步，分別計算有縫投影中心值以及無縫投影中心值；第三步，遇到新樣本或未知樣本時，可先計算其投影值，然后分別同有縫投影中心值和無縫投影中心值相比較，根據(jù)比較結果判斷有縫還是無縫（接近有縫投影中心值，則認為有縫；接近無縫投影中心值，則認為無縫）�？蓪ATLAB中的Fisher函數(shù)集成到計算機中進行學習判別。實際訓練對比結果表明，識別準確度在98%以上。雞蛋裂紋提取結果如圖3所示。圖3雞蛋裂紋提取結果
【參考文獻】：
期刊論文
[1]改進的Canny算子在靶場光學數(shù)據(jù)處理中的應用[J]. 高燕,侯艷杰,夏霏. 無線電工程. 2019(08)
[2]基于DSP的雞蛋裂紋多通道檢測系統(tǒng)[J]. 胥保文,孫力,蔡健榮,戴其俊. 食品與機械. 2018(10)
[3]融合梯度幅值和置信度的雞蛋裂紋圖像檢測[J]. 吳蘭蘭,王巧華,祝志慧,王樹才,熊利榮. 華中農(nóng)業(yè)大學學報. 2016(06)
[4]基于AdaboostingSVM算法的多特征蛋殼裂紋識別[J]. 熊利榮,謝燦,祝志慧. 華中農(nóng)業(yè)大學學報. 2015(02)
[5]雞蛋外形參數(shù)預測模型的研究[J]. 杜艷紅,衛(wèi)勇,楊延榮,常若葵,楊仁杰. 農(nóng)機化研究. 2012(05)
[6]基于計算機視覺的雞蛋裂紋檢測方法研究[J]. 歐陽靜怡,劉木華. 農(nóng)機化研究. 2012(03)
[7]基于圖像投影變換的雞蛋破損檢測[J]. 彭輝,姚雅娟,文友先,王樹才,劉劍英. 湖北農(nóng)業(yè)科學. 2010(03)
[8]基于小波變換和BP神經(jīng)網(wǎng)絡的蛋殼破損檢測[J]. 彭輝,文友先,王巧華,王樹才,吳蘭蘭. 農(nóng)業(yè)機械學報. 2009(02)
[9]基于支持向量機的鴨蛋破損檢測技術[J]. 周平,劉儉英,文友先. 農(nóng)業(yè)機械學報. 2008(01)
[10]基于計算機視覺和神經(jīng)網(wǎng)絡檢測雞蛋裂紋的研究[J]. 潘磊慶,屠康,蘇子鵬,楊佳麗,李宏文. 農(nóng)業(yè)工程學報. 2007(05)
碩士論文
[1]基于機器視覺的禽蛋外部缺陷檢測[D]. 賈咪咪.浙江工業(yè)大學 2017
[2]基于視覺的雞蛋缺陷檢測[D]. 楊群.廣東工業(yè)大學 2017
本文編號：3394723
【文章來源】：食品工業(yè). 2020,41(10)北大核心
【文章頁數(shù)】：4 頁
【部分圖文】：
雞蛋表面圖像采集系統(tǒng)
?匝樘跫?攏?粞【??窒吹?00枚雞蛋作為訓練、測試樣本，其中完好雞蛋100枚、裂紋雞蛋100枚。利用上述方法檢測雞蛋表面是否存在裂紋，檢測結果如表1所示。表1檢測結果類型樣本數(shù)/枚正確數(shù)/枚正確率/%完好雞蛋1009898裂紋雞蛋1009999總計20019798.5從試驗結果可以看出，所述方法可以很好地實現(xiàn)對裂紋雞蛋的檢測，正確率達到99%，而完好雞蛋的檢測正確率可達98%。說明雞蛋表面裂紋檢測方法具有比較高的檢測精度，雞蛋表面圖像處理算法可有效避免噪聲等干擾影響，處理效果較好，可滿足檢測要求。誤檢情況如圖4所示，誤檢情況可以分為兩類：一是將完好雞蛋誤認為裂紋雞蛋，主要原因在于雞蛋表面的花紋引入的噪聲在預處理中不能完全去除，容易被檢測成為裂紋，造成完好雞蛋的誤檢；二是沒有檢測到雞蛋裂紋，主要原因在于雞蛋裂紋較小且靠近圖像邊緣，容易在去除雞蛋外輪廓和像素點閾值處理中將裂紋當作外輪廓和噪聲去除。雖然存在這2種誤檢情況，但是整體檢測精度較高，可滿足相關行業(yè)檢測需求。圖4誤檢效果圖4結語為提高禽蛋品質，以雞蛋表面裂紋檢測為研究對象，提出一種雞蛋表面裂紋檢測方法。重點論述雞蛋表面圖像處理算法，包括裂紋圖像增強、裂紋圖像閾值分割、雞蛋表面裂紋識別等。試驗結果表明，雞蛋表面裂紋檢測方法具有較高檢測精度，雞蛋表面圖像處理算法可有效避免噪聲等干擾影響，處理效果較好。所述方法不僅適用于雞蛋表面檢測，同樣適用于其他禽蛋類表面裂紋檢測。參考文獻：[1]ARIVAZHAGANS,SHEBIAHRN,SUDHARSANH,etal.Externalandinternaldefectdetectionofeggusingmachinevision[J].JournalofEmergingTrendsinComputingandInformationSciences,2013,4(3):257-262.[2]YOONSC,LAWRENCEKC,JONES
，具體分析過程可描述為：第一步，選取一定數(shù)量的有縫雞蛋和無縫雞蛋作為樣本，通過Fisher算法訓練，可以得到投影參數(shù)V；第二步，分別計算有縫投影中心值以及無縫投影中心值；第三步，遇到新樣本或未知樣本時，可先計算其投影值，然后分別同有縫投影中心值和無縫投影中心值相比較，根據(jù)比較結果判斷有縫還是無縫（接近有縫投影中心值，則認為有縫；接近無縫投影中心值，則認為無縫）�？蓪ATLAB中的Fisher函數(shù)集成到計算機中進行學習判別。實際訓練對比結果表明，識別準確度在98%以上。雞蛋裂紋提取結果如圖3所示。圖3雞蛋裂紋提取結果
【參考文獻】：
期刊論文
[1]改進的Canny算子在靶場光學數(shù)據(jù)處理中的應用[J]. 高燕,侯艷杰,夏霏. 無線電工程. 2019(08)
[2]基于DSP的雞蛋裂紋多通道檢測系統(tǒng)[J]. 胥保文,孫力,蔡健榮,戴其俊. 食品與機械. 2018(10)
[3]融合梯度幅值和置信度的雞蛋裂紋圖像檢測[J]. 吳蘭蘭,王巧華,祝志慧,王樹才,熊利榮. 華中農(nóng)業(yè)大學學報. 2016(06)
[4]基于AdaboostingSVM算法的多特征蛋殼裂紋識別[J]. 熊利榮,謝燦,祝志慧. 華中農(nóng)業(yè)大學學報. 2015(02)
[5]雞蛋外形參數(shù)預測模型的研究[J]. 杜艷紅,衛(wèi)勇,楊延榮,常若葵,楊仁杰. 農(nóng)機化研究. 2012(05)
[6]基于計算機視覺的雞蛋裂紋檢測方法研究[J]. 歐陽靜怡,劉木華. 農(nóng)機化研究. 2012(03)
[7]基于圖像投影變換的雞蛋破損檢測[J]. 彭輝,姚雅娟,文友先,王樹才,劉劍英. 湖北農(nóng)業(yè)科學. 2010(03)
[8]基于小波變換和BP神經(jīng)網(wǎng)絡的蛋殼破損檢測[J]. 彭輝,文友先,王巧華,王樹才,吳蘭蘭. 農(nóng)業(yè)機械學報. 2009(02)
[9]基于支持向量機的鴨蛋破損檢測技術[J]. 周平,劉儉英,文友先. 農(nóng)業(yè)機械學報. 2008(01)
[10]基于計算機視覺和神經(jīng)網(wǎng)絡檢測雞蛋裂紋的研究[J]. 潘磊慶,屠康,蘇子鵬,楊佳麗,李宏文. 農(nóng)業(yè)工程學報. 2007(05)
碩士論文
[1]基于機器視覺的禽蛋外部缺陷檢測[D]. 賈咪咪.浙江工業(yè)大學 2017
[2]基于視覺的雞蛋缺陷檢測[D]. 楊群.廣東工業(yè)大學 2017
本文編號：3394723
本文鏈接：http://sikaile.net/wenshubaike/jieribaike/3394723.html
