（机械设计及理论专业论文）基于svm的鸡蛋外观品质检测方法研究.pdf

摘要 随着人们生活水平的提高，对鸡蛋外观品质的要求也越来越高。论文改进了实 验装置并采用机器视觉技术对鸡蛋重量、蛋形以及蛋壳颜色分别进行了研究，具体 内容如下： 改进了实验装置，选择环形日光灯作为光源，通过调节摄像头的焦距、载物台 的高度以及b a s l a r 图像采集软件的相关参数，获得了清晰的鸡蛋图片。对实验装置 做了标定，标定精度在0 1 m m 之内，可以满足鸡蛋外观品质检测的要求。 对采集到的鸡蛋图片进行预处理，包括颜色空间的转换、灰度变换、去除噪声 和图像二值化。提出在h s v 颜色空间下，提取鸡蛋图像饱和度分量s ，利用o s t u 算 法和数学形态学方法获得鸡蛋的二值化图像。 研究了鸡蛋蛋形、重量和蛋壳颜色的特征参数，利用支持向量机算法建立了各 自的分类模型，并与标准b p 和g a - b p 算法做了对比实验。结果表明，支持向量机算 法具有较好的训练准确率和测试准确率，对蛋形、重量和蛋壳颜色的检测准确率分 别为1 0 0 、9 8 2 1 和9 7 1 4 。 关键词：鸡蛋品质；支持向量机；颜色矩；图像二值化；b p 神经网络；遗传算法 r e s e a r c ho ni n s p e c t i o nm e t h o d so fe g ge x t e r i o r q u a l i t yb a s e do ns v m a b s t r a c t a l o n gw i t ht h er a i s i n go fp e o p l el i v i n gs t a n d a r d ，t h er e q u i r e m e n to fe g ge x t e r i o r q u a l i t yi sh i g h e rt h a nb e f o r e p a p e rh a v ei m p r o v e de x p e r i m e n td e v i c ea n de g gw e i g h t ， e g gs h a p ea sw e l la se g g s h e l lc o l o ra r es t u d i e dr e s p e c t i v e l yu s i n gm a c h i n ev i s i o n t e c h n o l o g y c o n t e n t ss p e c i f i c a l l ya r ef o l l o w i n g ： e x p e r i m e n td e v i c ei si m p r o v e d t h ea n n u l a rf l u o r e s c e n tl a m pi ss e l e c t e da sl i g h t s o u r c e t h r o u g ha d j u s t i n gt h er e l a t e dp a r a m e t e ro fb a s l a ri m a g eg a t h e rs o f t w a r ea sw e l l a st h ea l t i t u d eo f o b j e c tt a b l ea n dt h ef o c a ll e n g t ho fc a m e r a ，v i v i de g gi m a g e sa r eg o t t e n c a m e r ac a l i b r a t i o ni sd o n ef o re x p e r i m e n td e v i c e ，a n di t sa c c u r a c yi sl e s st h a n0 1m m w h i c hc a ns a t i s f yt h er e q u i r e m e n to f e g ge x t e r i o rq u a l i t yi n s p e c t i o n t h ec a p t u r e de g gi m a g e sa r cp r e p r o c e s s e dw i t ht h em e t h o do fc o n v e r s i o no fc o l o r s p a c e ，g r a yt r a n s f o r i l l ，d e c l i n i n gn o i s ea n db i n a r i z a t i o n an e wm e t h o di sp u tf o r w a r df o r b i n a r i z a t i o n f i r s t l y , t h es a t u r a t i o nw e i g h to fe g gi m a g ei sd i s t i l l e di nh s vc o l o rs p a c e , a n dt h e no s t ua l g o r i t h ma n dm a t h e m a t i cm o r p h o l o g i cm e t h o da r eu s e df o ro b t a i n i n g b i n a r i z a t i o ni m a g e t h ef e a t u r ep a r a m e t e r so fe g gs h a p e ，w e i g h ta n d e g g s h e l l c o l o ra r es t u d i e d c l a s s i f i c a t i o nm o d e l sa r ee s t a b l i s h e db yu s i n gs u p p o r tv e c t o rm a c h i n ea l g o r i t h m ，a n d s t a n d a r db pa n dg a b pa l g o r i t h ma r eu s e dt od o c o n t r a s te x p e r i m e n t r e s u l t s d e m o n s t r a t et h a tt h et r a i n a c c u r a c ya n dt e s ta c c u r a c yo fs u p p o r tv e c t o rm a c h i n e a l g o r i t h m i sb e t t e r f o rt h ed e t e c t i o no fe g gs h a p e ，w e i g h ta n d e g g s h e l lc o l o r , c l a s s i f i c a t i o na c c u r a c yc a na r r i v ea t10 0 ，9 8 21 a n d9 7 1 4 r e s p e c t i v e l y k e yw o r d s ：e g gq u a l i t y ；s u p p o r tv e c t o rm a c h i n e ；c o l o rm o m e n t ；i m a g eb i n a r i z a t i o n ； b pn e u r a ln e t w o r k ；g e n e t i ca l g o r i t h m d ir e e t e db y ：p r o f y uz h i h o n g a p pi ic a n tf o rm a s t e rd e g r e e ：f e n gj u n qin g ( m e c h a n i c a id e s i g na n d t h e o r y ) ( c o l l e g eo f m a c h i n e r ya n de l e c t r i c a le n g i n e e r i n g ，i n n e rm o n g o l i aa g r i c u l t u r a lu n i v e r s i t y , h u h h o t0 1 0 0 1 8 ，c h i n a ) 插图和附表清单 图11 9 9 0 - 2 0 0 7 年的中国禽蛋产量、j 1 图21 9 9 0 - 2 0 0 7 年的中国禽蛋人均占有量j 1 图3 机器视觉硬件系统示意图7 图4 两种实验装置下采集鸡蛋对比图像7 图、5 一图像采集b a s l a r 软件界面：一一8 。 图6 带有一阶径向畸变的针孔模型：1 0 图7 方格网点1 0 图8 鸡蛋的r g b 图1 5 图9 基于r g b 色彩空间的二值化结果1 5 图1 0 基于h s v 色彩空间的二值化结果1 5 图l l 线性分类原理一。，。一。，；一。一1 7 。 图1 2 决策有向无环图支持向量机2 3 图1 3 二义树支持向量机2 3 图1 4o a o s v i d 算法训练过程2 5 图1 5o a r s v m 算法训练过程2 5 图1 6d d a g s v m 算法训练过程2 5 图1 7b t - s v m 算法训练过程2 6 图1 8 旋转前后的鸡蛋图像2 7 图1 9 长、短径计算流程图2 7 图2 0 蛋形指数实测值与计算值拟合结果2 8 图2 1b p 算法训练过程2 9 图2 2g a b p 算法训练过程2 9 图2 3o a o s v m 算法训练过程3 0 图2 4o a r s v m 算法训练过程3 0 图2 5d d a g s v m 算法训练过程3 0 图2 6b t s v m 算法训练过程3 1 图2 7 重量与面积拟合图3 2 图2 8 鸡蛋的长径和短径3 3 图2 9b p 算法训练过程( 左为方案( 1 ) ，右为方案( 2 ) ) 3 4 图3 0g a b p 算法训练过程( 左为方案( 1 ) ，右为方案( 2 ) ) 3 4 图3 lo a 0 _ s v m 算法训练过程( 左为方案( 1 ) ，右为方案( 2 ) ) 3 5 l z 文 t 夏 & 王 吼 加 n 挖 坞 h 坫 垢 掩 均 加 舡 毖 捣 m 筋 弱 盯 勰 拍 如 n 图3 2o a r - s v m 算法训练过程( 左为方案( 1 ) ，右为方案( 2 ) ) 3 6 图3 3d d a g s v m 算法训练过程( 左为方案( 】| ，右为方案( 2 ) ) ：。3 7 ： 图3 4b t - s v m 算法训练过程( 左为方案( 1 ) ，右为方案( 2 ) ) 3 7 图3 5b p 算法硼练过程：4 0 阻3 6g a b p 算法训练过程一，。一一、，。，4 0 图3 7o a o - s v m 算法训练过程4 1 图3 8o a r s v m 算法训练过程4 l 图3 9d d a g - s v m 算法训练过程4 2 图4 0b t s v m 算法训练过程4 2 4 1 表1 4 2 表2 _ 4 3 j + 表3 4 4 表4 4 5 表5 4 6 表6 4 7 表7 4 8 表8 系统标定统计1 2 对i r i s 标准数据集的训练和仿真结果2 6 蛋形指数分级训练结果。j j ：3 1 蛋形指数分级测试结果3 1 鸡蛋重量分级训练结果3 8 鸡蛋重量分级测试结果3 8 蛋壳颜色分级训练结果4 2 蛋壳颜色分级测试结果4 3 驼 黔弘 踮 硒 盯一鹪 眄 内蒙古农业大学 研究生学位论文独创声明 本人申明所呈交的学位论文是我本人在导师指导下进行的研究 工作及取得的研究成果据我所知，除了文中特别加以标注和致谢盯 地方外，论文中不包含其他人已经发表或撰写过的研究成果：也不包 含为获得我校或其他教育机构的学位或证书而使用过的材科，与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说 明并表示谢意 申请学位论文与资料若有不实之处。本人承担一切相关责任 论文作者签名：之墨丝耋日期：6 ? 内蒙古农业大学研究生学位论文版权使用授权书 本人完全了解内蒙古农业大学有关保护知识产权的规定，印：研 究生在攻读学位期闻论文工作的知识产权单位属内蒙古农业大学本 人保证毕业离校后，发表论文或使用论文工作成果时署名单位为内蒙 古农业大学，且导师为通讯作者，通讯作者单位亦署名为内蒙古农业 大学学校有权保留并向国家有关部门或机构送交论文的复印件和电 ； ， 子文档，允许论文被查阅和借阅学校可以公布学位论文的全部或部 分内容( 保密内容除外) ，采用影印、缩印或其他手段保存论文 论文作者签名：塑垡盔一 指导教师签名：垄i 塑j 日 内蒙古农业大学硕士学位论文 1 1 引言 1 。1 研究背景及意义 我国是世界上禽类资源最丰富的国家之一，其中地方品种中约有鸡7 2 种、鸭 2 7 种、鹅2 8 种n 1 ，它们各具特色，在生产及品种选育中发挥着重要的作用。改革开 放以来，我国鲜蛋生产量飞速提升，自1 9 8 5 年我国禽蛋产量跃居世界第一位以来， 已经连续2 0 多年保持世界第一产蛋大国的地位，人均占有量大大超过了世界平均水 平j 、禽蛋的消费也超过二了世界平均水平埘。据有关资料统计坩j 近几年我国禽蛋总 产量和人均占有量分别如图1 、图2 所示： 3 5 0 0 3 0 0 0 2 5 0 0 管2 0 0 0 钕1 5 0 0 1 0 0 0 5 0 0 o 议 似 匿一，i ，兰j 喜毒翥 ohnqhoodn q oh 昌昌昌昌蛊昌害雾昌昌吕88g888g hhhhhhh_hhnnnnnnnn 年 图11 9 9 0 - 2 0 0 7 年的中国禽蛋产量 年 囝21 9 9 0 - 2 0 0 7 年的中国禽蛋人均占有量 从上图可以看出，上世纪9 0 年代平均每年增长幅度较大，为高速增长期，以后 进入了缓慢增长期，但总体上我国禽蛋产量仍处于不断增加的发展态势。人均消费 也越来越高，这表明我国禽蛋产品的检测、分级、产后的深加工及出口均拥有极为 2 基于s v m 的鸡蛋外部品质检测方法研究 广阔的发展空间。 在国内市场上，禽蛋一直保持着较高的消费水平，但在国际市场上所占的比重 却很少。全球最大的禽蛋类出口国是荷兰，2 0 0 5 年出口2 6 5 万吨，占全球禽蛋类 出口总量的四分之一，随后是西班牙，中国仅排在第三位。据联合国粮农组织统计， 我国禽蛋出口量仅占世界总出口量的不到i 1 0 悯，造成这一现象的根本原因，主要 有以下方面： 首先，我国禽蛋检测与分级技术手段还很落后，检测与分级装备的自动化程度 较低。禽蛋在上市之前经过商品化处理的比例相当低，商品鲜蛋在外观品质、内部 品质、产品外包装等方面总体较差，难以达到国外的禽蛋检测与分级标准，缺乏国 际市场竞争力。目前国内的科研人员发明了系列禽蛋制品加工、检测设备和技术， 如高效的光透验蛋机、自动选蛋机、贮运盘光透翻转式验蛋机、电导率仪( 用于检 测鸡蛋新鲜度) 、禽蛋质量自动检选技术、q j t - 0 1 型禽蛋质量微机自动检选系统、 鸡蛋品质光电检测方法、鸡蛋中甲醛残留量的测定方法等，这些研究发明中，许多 具有很强的实用性，推广应用前景广阔。目前国产的禽蛋清洗分级加工处理设备种 类很少，主要有9 x d j - 7 2 0 型洗蛋机和青岛兴仪电子设备有限公司研制的新型自动洗 蛋设备，分级加工处理设备属于空白，国内大型禽蛋厂在用的均为进口设备。世界 上蛋品加工机械与自动化最好的企业有荷兰的m o b a 公司，美国的d i a m o n ds y s t e m s 公司，日本的n a b e l 与k y o w a 公司和丹麦的s a n o v o 公司等，这些设备可以根据使用 者的目的而进行不同的组合，以达到最经济、最有效率的结果。 其次，我国禽蛋方面的标准仍不健全，与国际标准不能接轨。我国禽蛋业制定 和出台了一系列质量标准，到目前为止，我国共制定关于禽蛋方面的国家标准7 项、 行业标准1 1 项p 1 ，这些标准的颁布实施对规范禽蛋产品市场，提高禽蛋产品质量起 了积极的作用。但我国目前禽蛋方面的标准存在一些不足，这些不足主要体现在： 1 标准体系的总体结构不均衡，对加工过程要素的覆盖不够全面。我国禽蛋标准无 论是国家还是行业标准，都是以产品标准和产品检验标准为主，其它的加工过程要 素的标准很少，比如禽蛋加工原料质量和分级标准缺乏、蛋品储藏等方面的标准缺 少，不适应蛋品国内外贸易的需要，蛋品加工产品分级标准缺乏，不利于检验、认 证及实现优质优价。2 标准内容重复或指标不衔接。我国已有的关于禽蛋的生产、 加工的标准，涉及到了禽蛋的生产、包装、运输、产品加工、检验检测等内容，但 是标准的制定机构很多，造成标准各成体系，既不完善，又有交叉，其结果是导致 指标间的不衔接，增加了实际工作的难度。在国际上，c a c 、欧盟和美国的标准是禽 蛋贸易较通用的标准阳1 ，c a c 是国际通用的标准，其制定有着较为严密的程序和规范， 为大多数国家所承认，具有一定的先进性、广泛性、普适性，已经成为解决国际贸 易的基本准则。欧盟、美国是农业发达国家，其标准同样具有一定的先进性，我国 内蒙古农业大学硕士学位论文 3 在禽蛋国际贸易中，应尽可能应用这些标准，以适应国际贸易的需要。 最后，蛋制品深加工量在鲜蛋中所占的比重太少。统计显示蛋品深加工量不足 总量的2 ，而发达国家蛋制品加工量占到其鲜蛋总量的1 5 - 2 5 ，其主体产品也不 是煮、腌、卤蛋等而是高度机械化、规模化产品液态蛋液、冰冻蛋品与蛋白粉、蛋 黄粉、全蛋粉等干制品。我国禽蛋加工业还处于尚待开发的初级阶段，蛋品深加工 的关键技术、生产工艺、加工设备还很落后，蛋品科技水平落后制约我国蛋品工业 。发展的瓶颈。 鸡蛋是最为普及的便捷的营养食品之一，富含蛋白质、类脂质、脂肪、矿物质 和维生素等，深受广大消费者的青睐，是禽蛋生产和消费的主导产品，同时在世界 禽蛋贸易中占据了最主要的地位。随着中国加入w t o ，对我国鸡蛋市场既是一种严 峻的挑战又是一个发展的良机，我们要进一步采用国际规范来加强出口鸡蛋的质量， 以保证在国际市场上占据一席之地。 ， 鸡蛋品质检测是鸡蛋生产、销售深加工中的重要环节，；它直接影响着商品盼 等级、市场竞争力和经济效益呻1 。对即将上市的鸡蛋进行内部品质和外部品质的分 级，会极大程度地满足不同人们和企业的多样化需求，减少鸡蛋在其它流通环节中 的损失，更有利于提高我国鸡蛋在国际市场上的竞争力和经济效益，对推动我国养 鸡业和蛋品加工业的发展，具有十分重要的现实意义。 1 2 机器视党概述 机器视觉是用计算机来分析从摄像头获得图像的一种方法，主要研究用计算机 来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终 用于实际的测量和控制。机器视觉技术是2 0 世纪7 0 年代在遥感图像处理和医学处 理技术成功应用的基础上逐渐兴起的，是图像处理的一个分支学科d 。它包括获取、 分析、识别等过程，综合了光学、计算机科学、自动化技术、模式识别技术、人工 智能技术等多门学科。 目前，机器视觉技术在农产品和食品检测方面的应用研究日益增多。农产品不 像工业上的产品检测有严格的规律可循，农产品的生产过程会受到自然和人为等复 杂因素的影响，产品品质差异很大，如重量、形状、颜色等都是变化的。由于机器 视觉技术具有速度快、信息量大、功能多、检测精度和效率高的优点，机器视觉在 检测中具有足够的调节能力来适应这些变化。国内外许多研究人员将该项技术不断 的应用于农产品品质检测和分级领域，如柑橘水果外形识别1 和稻种品种识别n 2 1 等， 并取得了一定的研究成果。 4 基于s 的鸡蛋外部品质检测方法研究 1 3 国内外研究现状 鸡蛋的品质包括外在品质和内在品质两个方面。外在品质包括蛋壳质量( 蛋壳 强度、蛋壳结构、蛋壳颜色) 、蛋重、蛋形指数；蛋的内部品质包括蛋白品质( 蛋白 高度、哈氏单位、蛋白p h 值) j 强黄品质( 蛋白颜色、蛋黄膜强度) 、其它的指标( 化 学成分r 蛋的功能特性、血斑和肉斑、滋味和气昧；卫生指标) 唧。在现有的实验 条件下，将着重于利用机器视觉技术对鸡蛋重量、颜色及蛋形指数三项指标进行研 究。 1 3 1国外研究现状 1 9 9 1 年，美国的e l s t e rr t 和g o o d r u mj w n 帕采用直方图均衡化和s o b e l 算子 相结合的方法检测鸡蛋表面的裂纹，将鸡蛋分为合格品和次品两种，检测的准确性 达到9 6 ，但是该方法鲁棒性不好，检测的效率较低。 一i + 1 9 9 4 - - 1 9 9 8 年，p a t e lv c n 纠町等人，利用提取的鸡蛋灰度图像直方图信息来训 练神经网络，检测有裂纹鸡蛋和a 级鸡蛋，模型准确率达到了9 0 ，检测效率高。 1 9 9 8 - - 2 0 0 1 年，日本的n a k a n ok j 【i h 订研究了用彩色图像采集系统检测裂纹蛋、 破裂蛋、脏蛋和正常鸡蛋的检测准确率分别达到了9 6 8 、9 8 5 、9 7 3 和9 6 8 ， 总体准确率为9 7 2 ，但该系统不适于检测其它颜色的鸡蛋。 2 0 0 1 年，j e n s h i n nl i n 等陋1 研究并开发了蛋壳全自动检测系统，检测装置给被检 蛋蛋壳施加一定压力，通过摄像头采集受压蛋壳图像送入计算机进行分析，判断是 否是损壳蛋并进行分级，好壳蛋和损壳蛋的检测准确率分别达到了8 6 和8 0 。 2 0 0 2 年，西班牙的m c g a r c i a - a l e g r e 啪1 用提取彩色分量的办法检测鸡蛋裂纹， 准确率为9 2 。同年，r i b e i r oa 等瞳钔用基于样本学习的遗传算法进行蛋壳表面缺陷 检测，将鸡蛋分为脏蛋和干净蛋两种，与g a r c i a a l e g r e 的方法相比，在相同的时间 内提高了检测精度。 1 3 2 国内研究现状 2 0 0 5 年，王巧华、文友先瞠5 1 用机器视觉装置获得鸡蛋图像像素数，把经电子天 平称的鸡蛋重量作为样本数据建立b p 神经网络模型，对鸡蛋大小自动分级检测。 经过测试样本验证，建立的b p 神经网络模型泛化能力和鲁棒性好，其分级准确率 为9 1 。 2 0 0 6 年，熊利荣等幢砌基于机器视觉系统对影响鸡蛋大小的几何因素作了分析和 研究，几何因素包括像素和、长轴、短轴、蛋形指数，建立了鸡蛋大小等级模型。 实验表明，鸡蛋大小不仅与鸡蛋图像像素和之间存在着显著线性相关，而且与短轴 也存在着显著线性相关，相关系数达到了0 9 8 1 。 内蒙古农业大学硕士学位论文5 2 0 0 6 年，岑益科啪1 建立了一套用于鸡蛋外部和内部品质检测的机器视觉系统， 对采集到的鸡蛋外部图像，提取r 、g 、b 三颜色分量组合而成的指示值作为阈值， 先对图像进行分割，而后用拉普拉斯算子提取鸡蛋的边缘信息，运用基于边缘检测 的鸡蛋尺寸检测算法和一元线性回归模型，检测鸡蛋的短径、最大长径和蛋形指数， 相关系数都在0 9 5 以上，最后用s o m 神经网络分类器对鸡蛋按重量分级，5 5 9 以 下、5 5 - 6 5 9 、6 5 9 以上的分级准确率分别达到了9 0 6 、7 6 8 、8 2 5 。 2 0 0 6 年，张晓芳让町设计了一套鸡蛋外观检测的实验装置，利用实验装置采集育 蛋图像，对鸡蛋的脏斑、裂纹、重量、形状等分别进行了研究。使用o s t u 和s o b d 相结合的算法提取鸡蛋表面缺陷特征，并利用缺陷面积进行分级。提取鸡蛋图像的 面积和蛋形指数，作为鸡蛋重量和蛋形的特征参数，运用遗传算法、神经网络和l m 算法训练网络模型，对鸡蛋重量和形状的分级准确率分别达到了9 3 8 和1 0 0 。 2 0 0 6 年，郁志宏啪1 对种蛋筛选及孵化成活性做了深入研究，建立了种蛋筛选和 孵化成活性的硬件系统。利用机器视觉技术建立了种蛋重量、蛋形、蛋壳表面缺陷 和蛋壳颜色等4 个鸡蛋外观品质指标的综合评价体系。对过大蛋、正常蛋和过小蛋 的检测准确率分别达到了9 7 7 3 、9 7 0 4 和9 6 5 1 ；对裂纹蛋、污斑蛋和正常蛋 的检测准确率分别达到了9 1 2 5 、9 4 1 8 和9 6 3 6 ；对畸形蛋、过长蛋和过圆蛋， 检测准确率分别为9 4 8 7 、9 7 1 和9 5 5 9 ；对浅壳蛋、正常蛋和深壳蛋的识别率 分别为9 5 6 、9 5 8 和9 1 3 。 2 0 0 7 年，张莉将鸡蛋图像像素和及最大长径这两项特征参数作为鸡蛋重量的 评价指标，结合加权改进模糊聚类( w f c m ) 算法对过重、过轻和正常蛋训练分级， 分类准确率分别为8 8 9 8 、9 0 0 0 和1 0 0 。利用w f c m 对图像的二维直方图灰 度像素分布进行聚类，按隶属度大小的原则进行图像分割，对裂纹蛋、正常蛋和脏 斑蛋分类准确率分别达到了9 1 1 8 、9 2 3 l 和1 0 0 。 1 3 3 存在的问题 目前国内外学者对鸡蛋外观品质进行了深入和广泛的研究，并取得了丰硕的成 果。在总结前人研究成果的基础上，仍有以下几方面需要进一步探讨： ( 1 )通过实验装置获取的鸡蛋图像，鸡蛋蛋壳颜色和实际的蛋壳颜色不一致，不利 于对鸡蛋蛋壳颜色进行分级。 ( 2 )提取鸡蛋外观品质的特征参数时，鸡蛋图像二值化是重要的预处理过程，传统 的二值化方法是在r g b 颜色空间下进行的，针对性较强，缺乏通用性。 ( 3 )对鸡蛋外观品质进行分级时，采用较多的算法是神经网络、遗传算法以及微粒 群算法，这些算法虽然在理论上较成熟，应用也很广泛，但算法本身存在缺陷如神 经网络的权值和阂值、遗传算法和微粒群算法的群体均需初始化，而这些初始化是 6 基于s v m 的鸡蛋外部品质检测方法研究 随机的，每一次训练都不同，导致算法训练过程中的解不唯一。 ( 4 )鸡蛋外观品质的特征参数是对鸡蛋外观品质的描述，可以简化算法训练过程中 计算的复杂度，提高检测的效率。如何提取合适的特征参数来提高鸡蛋外观品质检 测的效率和准确率一直是研究的热点问题。 5 ) 鸡蛋外观品质检测的准确率仍可以进一步的提蒜 1 4 研究内容 实验是在内蒙古农业大学机电工程学院张晓芳、郁志宏和张莉研究课题的基础 上进行。主要研究内容如下： ( 1 ) 对原有实验装罨进行改进，选择合适的光源，使鸡蛋图像的颜色与其本身颜色 更加接近，调整载物台的高度及焦距，保证鸡蛋图像细节信息完整，边缘清晰，为 下一步的处理提供良好条件； ( 2 r 对实验装置进行标定，然后利用实验装置采集鸡蛋图像，并对图像做预处理， 包括图像滤波、增强、灰度变换、颜色空间转化、二值化等； ( 3 ) 实现s v m 算法在多类问题中的应用，建立适合于本研究课题的鸡蛋品质检测模 型。提取鸡蛋的重量、形状和颜色特征参数，作为s v m 模型的输入，训练s v m 分类 模型，利用该模型对未知鸡蛋样本进行分类识别，验证模型的分级准确率和检测效 率。 2 鸡蛋外观品质检测系统硬件 利用机器视觉技术对鸡蛋进行外观品质检测，要求采集的鸡蛋图像边缘清晰、 蛋壳颜色与蛋壳实际颜色保持一致、蛋壳表面的特征要明显。影响鸡蛋图像质量的 最主要因素是光源，选择合适的光源不仅可以达到上述的要求，而且为后续的鸡蛋 外观品质检测提供有利条件，提高检测的准确率。 2 1 硬件系统组成 鸡蛋外部品质检测硬件系统由载物台、光室、光源、c c d 摄像机、图像采集卡、 计算机等组成，如图3 所示。 内蒙古农业大学硕士学位论文 7 1 鸡蛋2 载物台3 光室4 光源 5 摄像机6 图像采集卡7 计算机 3 a 改进前 1 鸡蛋2 载物台3 光室4 光源5 固定光源支架 6 摄像机7 图像采集卡8 计算机 3 b 改进后 图3 机器视觉硬件系统示意图 其中图3 a 是课题组前期工作采用的实验装置，光源是4 个2 2 0 v 、3 5 w 的卤钨 灯，利用该实验装置获得的图像，图像边缘和表面特征清晰，但是图像中蛋壳颜色 和实际蛋壳颜色相差较人，不利于蛋壳颜色的检测分级，而且在鸡蛋表面会产生不 易消除的光点，给后续处理带来了困难。图3 b 足改进以后的实验装置，分别选择 了3 2 w 和4 0 w 的环形日光灯进行对比实验，最终确定选择1 个4 0 w 的环形同光灯作 为光源，固定在光室顶部中央处，并重新调整了载物台的高度，摄像机的焦距以及 b a s l a r 软件罩的其它参数，该实验装置有效地改善了前期实验装置的不足，能够获 得接近丁实际蛋壳颜色的鸡蛋图像且不存在光点。 卜图是分别采用卜述两种实验装置获得的鸡蛋图像： 4 a 卤钨灯( 干；争) 4b 日光灯( 干；争) 4c 卤钨灯( 脏斑) 4d 日光灯( 脏斑) 图4 两种实验装置下采集鸡蛋对比图像 j ：述网幅图像足两种光源| 、，通过调整找物台的高度、摄像机的焦距以及 b a s l a r 软件单参数所能获得的最佳效果。在从【纠r f ，i , j 以明娃看到，图像边缘较清晰， 8 基于s v m 的鸡蛋外部品质检测方法研究 但是采用卤钨灯作为光源采集到的鸡蛋图像，发红色，蛋壳失去了原有的颜色。而 采用f i 光灯作为光源采集到的鸡蛋图像，较接近于鸡蛋的j f 常壳色，在d 图中蛋壳 表面的脏斑也较明显。 2 1 1c o d 摄像机 c c d 摄像机是德罔产b a s l a ra 1 0 1 f c 彩色面阵c c d 摄像机。该摄像机体积小巧、 性能可靠、清晰度高，可以一次性获得整幅图像，有利于提高图像的处理和分析速 度，满足本实验要求，方便对图片进行后续处理。基本参数为：分辨率1 3 0 0 ( 水 平) 1 0 3 0 ( 垂直) 像素，帧速率1 1 7 5 或1 2 0 0f r a m e s s ，输出端连接i e e e1 3 9 4 a 图像采集卡，焦距为1 6 m m 。 与该摄像机配套的有b a s l a r 图像采集软件，软件界面如图5 所示。设置该软件 中的参数可以对鸡蛋图像进一步的调整，包括自平衡、图像大小等。该软件既可以 完成静态采集，又- 叮以动态采集，最终将采集的图像保存。 i ，枷肇髀髀粤# ! 弩! 。+ -“ 坩镕t f 错“冀擀t 一 ：! 竺广。竺竺矸。三一警竺阿。”竺! 竺苎墨而一乌! 竺陌堡! j 塑 ：五 图5 图像采集b a sa r 软件界面 2 1 2 光照箱 实验采用文献 2 9 的光照箱系统，人小为6 0 c m 6 0 c m 6 0 c m ，内壁表面涂成白 色，形成均匀的漫反射。箱予顶部有。个4 c m 4 c m 的方孔用于固定摄像机。箱内方 孔附近装有支架，h 于同定光源。载物台刚3 个分另0 同定在箱子侧面的螺栓来支撑， 蝶栓在 槽内卜卜可以移动，用j ：凋= 符载物台的高度，实现摄像机位置固定，在4 i 同物拦扛条件i 、采集图像清晰度的比较，以期得到最佳的图像效果。 2 1 3 光源特性 环形r 1 光灯的发热量小于白炽灯和卤钨灯，色调偏青 ， ，属冷色，具有光效高、 内蒙古农业大学硕士学位论文 9 寿命长、光色好、发热量小的特点。实验中选择的日光灯型号为：欧斯迪牌环形日 光灯t 54 0 骡2 2 0 vb 型。 2 1 4 背景选择 一一。由于鸡蛋蛋壳颜色有白、浅褐和褐色之分? 为了使背景颜色与蛋壳颜色能够产一 生明显的视觉差异，本实验选择黑色作为背景颜色。实验结果表明，在所采集到的 一图像中，鸡蛋的特征包括重量、形状、壳色：蛋壳表面质量等都能很好地与背景区 分开，鸡蛋图像的灰度直方图呈明显的双峰状，能够较准确完整的反映鸡蛋表面特 征。 2 1 5 计算机 实验所用计算机配置为：c p u 是a m ds e m p r o n3 0 0 0 ，主频1 8 4 g h z ，5 1 2 m b 内存， 一8 0 g 硬盘，r a d e o n9 5 5 0 显卡，内部加装了德国产b a s l a ra l o l f c 真彩色图像采集卡。 2 2 硬件系统工作原理 首先用数据线连接实验装置和计算机，将鸡蛋放在实验装置的载物台中央位置， 通过b a s l a r 图像采集软件控制c c d 摄像机完成鸡蛋图像的采集，而后将图像保存到 计算机。 2 3 系统标定 系统标定是视觉系统处理的第一步，是整个视觉系统的基础。依据标定的结果 建立物体与图像之间的尺寸比例关系，以便准确计算图像处理过程中检测到的鸡蛋 大小、缺陷尺寸、减小分级的误差。 摄像机标定就是对物体的实际大小、物体相对于摄像机的物距及形成的图像大 小三者之间的关系进行定量的研究口”。空间物体表面某点的三维几何位置与其在图 像中对应点之间的相互关系是由摄像机成像的几何模型决定的。构成这一几何模型 的参数就是摄像机参数，确定这些参数的过程就是摄像机标定。摄像机标定要确定 摄像机内部几何与光学特性参数即内部参数以及摄像机在三维空间坐标系中位置和 方向参数即外部参数。 目前，摄像机标定技术大致可归结为传统标定方法和摄像机自标定方法两类 纽叫1 。2 0 世纪9 0 年代初，f a u g e r a s ，l u o n g ，m a y b a n k 等首先提出了自标定的概念 。钮。自标定方法标定过程复杂，不宜用于适时性要求较高的场合，并且其最大的缺 点是鲁棒性不足，主要用在对精度要求不高的场合，如通讯，虚拟现实等。而传统 摄像机标定方法是在一定的摄像机模型下，在一定的实验条件下，利用形状、尺寸 10 基于s v m 的鸡蛋外部品质检测方法研究 已知的标定物，经过对图像进行处理，并利用数学变换和计算的方法来确定摄像机 内外参数，算法虽然复杂但精度高，能够满足对精度要求较高的图像系统的需求口町。 结合本研究对象特点，采用文献【3 7 】提出的摄像机标定方法，该方法建立的摄 像机成像模型如图6 ，包括了图像信号经a d 转换存储于帧存中这一过程，适合于 计算机视觉中图像信息处理的特点，无需进行迭代运算，标定速度快，。精度高r ： 图6 带有一阶径向畸变的针孔模型 标定方法为：摄像机固定，用本实验装置获取放在载物台上的方格网点图像， 如图7 所示，取5 个控制点，并同时在图像上获取对应的5 个图像点坐标。 控制点测试点 图7 方格网点 内蒙古农业大学硕士学位论文1 1 b 1 ，y y 1 ，1 ，一x u ，一y u 】 p 1 ，1 ，1 ，一x 。 ，一y j 2 = r l = r l t y ；r 2 = r 2 1 t y ；t x = t x t y 2 ( 吒巧一巧巧) 2 s | 砂 ，s r = + 吃+ + 吩 ( 1 ) ( 2 ) ( 3 ) ( 4 ) 上述公式中，( 1 - - 1 ，2 ，9 ) 为旋转矩阵b 。3 中的元素，t ，t y ，t ：为平移矩 阵五。中的元素，为焦距，七为畸变系数，选择5 个控制点，利用上述公式( 1 ) ( 4 ) 分别求出待标定摄像机参数尼乃厶后。 计算结果为： 10 9 9 20 0 0 4 r = 10 0 0 4 1 0 0 0 10 1 3 0 0 0 0 1 r = f 三2 甜9 4 5 一n k = 2 2 2 0 x 1 0 - 8 将这些参数代入公式( 5 ) ( 7 ) 即可计算出图像坐标b d ，y d ) ，利用公式( 8 ) 可以 得出计算出的图像坐标值与测量的图像坐标值的绝对误差。 劫 = 1。卜r。lf土 0 0 0 0 眨吩 1 j 1 j w，厂尸吩孑孑孑分 一 一 一 十 茸f蜉 一 一 一 r ，u，、u、仃卜o如砸m 吣盘，舀 = 一 弘 唱 吃严：一一 2 7 、 ， 厂一巧扩乒彳 一 一f眨 2 ，r 一 一 彳山卜一，叫叩o 吩 p k r 刊一划， 叫叫叫邓吩巧吩 嚣 2 ， ， r 旷矽 一一 扩 弘 x弓lf= j 二， ，：f： 吖咕 扩 少 影吖肛肛 ，。，喀譬 少y t l o 7 h 吃飞+ + 卡木， 嗡嗡 y 日盯 = = 以形 o 吃 3 o 弛瑚伽伪叭伽n 12 基于s v , i 的鸡蛋外部品质检测方法研究 茎 = r 耋 + 才 ： ( 5 ) j 吒2 厂施 ( 6 ， 。：陟缸亨f y z 一一； 一 ；x d 。三蒜：潞 ( 7 ) 一兰) ，如+ 彤孑) 。 v 7 a 咖b s ( ( x y d d - 一t 驯u ) d 如e l 加t a u ， ( 8 ) 【口幻( y d 一) 如加 ， 式中，( j ，乃芴为摄像机坐标系中点的坐标；g 。，y 。，z ，) 为物系坐标系中对应 点的坐标( 本实验中取z 。= 0 ) ，单位是姗；k ，y 。) 为点( x ，乃芴在理想的针孔模 型下投影到图像坐标系中对应点的坐标；k ，y d ) 为考虑点k ，y 。) 发生畸变时对应 一r 的实际图像坐标系中的坐标；纯，瓦) 为在图像坐标系中直接测量的点的坐标；， ( a e t t a u ，如加v ) 是像素和毫米的比例尺度，单位：p i x e l m m ；其它坐标点的单位均为 p i x e l 。 宴验中诜取了6 个点讲行测试窭验结昊如下表：一， 表1 系统标定统计 由表1 得出，计算出的图像坐标与测取的图像坐标相比，其绝对误差均在0 1 m m 之内，可以满足鸡蛋外观品质检测的要求。 3 图像预处理 图像预处理是对鸡蛋图像进行的第一步操作，主要包括颜色空间的转换、图像 增强、图像去噪、灰度变换和图像二值化。其主要目的就是保证图像的真实度，使 计算机能更好的识别和理解所摄入的鸡蛋图像，为进一步准确地进行外观品质检测 内蒙古农业大学硕士学位论文 1 3 做准备。 3 - 1 颜色空间转换 图像处理主要针对于灰度图像的处理，但是随着网络和计算机技术的飞速发展， 彩色图像的采集和处理得到了越来越多的应用j 、盈盱上市鸡蛋按照蛋壳颜色进行分 级，不仅可以满足人民和企业的需要，而且还可以提高市场竞争力，带来良好的经 济效益。为了用计算机来处理彩色信息了秘须能够用定量的方法来描述彩色信息， 即建立彩色模型。目前，对于彩色的许多结论都是建立在实验的基础上的，因而出 现了多种不同的颜色描述方法，而不同的颜色描述方法对应于不同的颜色空间。常 用的主要有r g b 、h s v 、c m y 、c i e - x y z 、y u v 、n t s c - y i q 、u c s 等啪删。在实际应用中， 由于无论那一种都无法替代其它的颜色空间而适用于所有彩色图像处理，故选择最 佳的颜色空间是彩色图像分割的一个难题h 。在本课题研究中，主要应用的颜色模 - 型是r g b 和h s v 颜色模型。 r g b 颜色模型是日常生活中常用的一种，国际照明委员会( c l e ) 选择红色( 波长 7 0 0 o n m ) 、绿色( 波长5 4 6 1 n m ) 、蓝色( 波长4 3 5 8 r i m ) 三种单色光作为表色系统的三 基色，组成了r g b 色彩空间。将其它颜色空间的基色描述为r g b 三色的线性或者非 线性函数n 甜。从人的视觉系统看，色彩可用色调、饱和度和亮度来描述，人眼看到 的任一色彩光都是这三个特性的综合效果，这三个特性可以说是色彩的三要素。h s v 颜色空间就是基于色调h ( h u e ) 、饱和度s ( s a t u r a t i o n ) 和亮度v ( v a l u e ) 三坐标轴构 成的三维颜色空间“钉。 r g b 颜色空间适合于显示系统，但不适合于图像分割和分析，主要是因为r 、g 、 b 三分量是高度相关的，即只要亮度改变，三个分量都会相应改变。而h s v 色彩空 间是由r g b 色彩空间非线性变换而得，h 、s 、v 三分量不像r 、g 、b 三分量那样具 有很高的相关性，另外色调与亮度、阴影无关，对区分不同颜色的物体非常有效， 因此本课题中采用h s v 色彩空间对鸡蛋壳色进行分级。 3 2 图像增强 图像