鸡蛋新鲜度与鸡蛋指数的关系研究

鸡蛋新鲜度与鸡蛋指数的关系研究

0彩色图像采集技术的应用检测鸡的新鲜度在储存、加工和流通蛋产品中起着重要作用。然而，长期以来，对鸡的新鲜度损害的检测一直是一个难题。中国的许多中小企业使用人工蛋皮薄、重量等物理方法来检测鸡的质量。因此，它们受到主观因素的影响，产水效率低。近些年来,国内外一些高校、研究机构研究人员利用图像处理和计算机视觉技术探索检测鸡蛋新鲜度的方法。丁幼春,提出鸭蛋动态图像预处理和获取颜色特征参数的算法,利用图像的红色分量R来判定蛋图像边界点,并以此识别蛋图像轮廓,并搜索到蛋图像边界和计算出蛋内像素和;同时用圆形自动搜索法求出蛋芯颜色特征区域并提取图像特征颜色参数。王巧华提出基于BP神经网络的鸡蛋新鲜度无损检测方法,采用HIS模型中图像亮度(I)分量提取鸡蛋蛋壳颜色信息,有效地分级白壳和褐壳蛋,建立蛋心颜色与色度(H)、亮度(I)、饱和度(S)分量之间的关系模型,并利用神经网络检测鸡蛋的新鲜度。以上两种分析方法主要是利用禽蛋的蛋心颜色特征分析禽蛋的新鲜度,对不同颜色的蛋壳具有局限性。美国佐治亚大学Patel提出了基于计算机视觉和神经网络的彩色图像采集系统检测有裂纹、血斑、污点的鸡蛋,利用颜色直方图训练神经网络,比利用灰度直方图训练更优越,尤其在裂纹检测方面更具有容错能力,血斑的检测率达92.8%,污点的为85%,裂纹为87.8%,但该系统仅能检测白壳蛋。本文采用2台高分辨率工业数字摄像镜头,每次自动捕获25只鸡蛋图像,基于计算机视觉技术分析鸡蛋的图像特征,利用鸡蛋的图像特征(蛋黄指数、气室等)与实际特征建立相关性,探寻一种基于计算机视觉的鸡蛋新鲜度、贮藏期快速无损的检测方法。1材料和方法1.1实验测定鸡蛋图像供试实验鸡蛋由北京德青源农业科技股份有限公司2008年6月10日提供,实验在中国农业大学实验室进行。在26~28℃条件下保存,实验从第1天开始,每隔1d测量一次蛋重和哈夫值(即为新鲜度),并获取鸡蛋图像信息,直至测到鸡蛋散黄为止。试验进行了40d,选用“德青源”红皮鸡蛋样本240枚。1.2鸡蛋图像的采集本试验装置由中国农业大学自行设计,采用陕西维视公司的MV-3000UCCOMS数字摄像头2台,其分辨率最大为1568×1280,ComputerTM公司的定焦镜头(焦距为5mm),光源采用功率为5W的LED灯,且每盏灯的光照度均可达到10000Lx,光源数量与鸡蛋数量相同,为了得到鸡蛋完整图像,两个摄像头相对,采用背向照明方式采集鸡蛋得正面图像后,再采集背面图像,利用固定尺寸分割,处理单个鸡蛋图像。根据镜头焦距和视角范围及拍摄要求,计算公式设计暗箱尺寸(正面拍摄尺寸304mm×330mm×340mm,反面拍摄尺寸320mm×330mm×340mm),同时采集25枚鸡蛋的图像信息,见图1所示。2完善鸡蛋资源2.1鸡蛋实际图像的图像增强本试验品种的鸡蛋蛋心颜色为近红色,因此根据RGB颜色空间中的R空间图像提取蛋黄特征。根据本研究的特点,选择迭代阈值与自适应阈值法的结合的方法,即改进的自适应阈值法。改进的区域增长算法描述如下:预先得到鸡蛋的R图像,利用幂指数方法进行图像增强:1)利用下面微分方法锐化图像利用二阶差分公式:得到锐化后的图像,然后利用区域生长算法分割蛋黄;2)选择鸡蛋质心(即蛋黄中心)为初始种子点;3)设定如果增长像素点与中心点像素差值小于某设定阈值,则包含。即初始时以种子点为中心点,考虑中心点4个邻域像素,分别为上、左、下及右4个方向,如果其邻域像素与中心点的差值满足阈值,则将其邻近像素点压入堆栈;4)从堆栈中取出一个像素,并设置为中心点,重复步骤(3);5)直至堆栈为空,增长结束。图2中表示的为经过上述方法进行处理的鸡蛋蛋黄轮廓图像。该方法结合自适应算法和迭代算法得到估计的阈值(即t),适合用于本试验禽蛋透光不均匀、禽蛋表面噪声等特点的图像。2.2a,负端和负端正数绿色对鸡蛋气室特征提取,本研究采用Lab颜色模型,其中L表示亮度;a的正数代表红色,负端代表绿色;b的正数代表黄色,负数表示蓝色。因此预先得到图像的L(亮度)图像(如图3a),利用指数函数法增强图像(如图3b)。2.2.1特定阈值分割法其区域合并方法实现如下:1)从整幅图像开始把图像每个像素定义成一个独立的区域,建立一个邻接区域矩阵,从图像的(0,0)像素点开始搜索;2)计算每个区域和其8邻域像素点的差值,如果小于特定阈值,则合并标记该连通区域,并以这区域与其邻域像素的最小差值填充合并区域,否则继续搜索下一个区域;直至整幅图像搜索完毕。由于上述分割方法可能产生一些小的干扰噪声(如图4a),因此需要对分割图像进行滤波干扰处理。3)利用固定阈值分割图像,平滑图像,滤除细小的干扰。4)根据本系统的实际需要,设置(如下图4b)参数,可剔除分割后最小面积小于某个预定像素值T,这里的T是通过大量的试验方法得到最佳像素值,根据本试验研究对象的特征,定义T=200像素,当最小面积小于T时滤除掉,大于则保留,最终得到气室图像,如图4c、4d所示。2.2.2气室面积和高度采用SN/T0422-95行业标准,气室高度计算的方法单靠提取气室的高度,不能有效的表示鸡蛋的新鲜度。本研究提出利用气室所包围的面积和鸡蛋总面积的比值作为评价鸡蛋气室特征的一个标志。具体方法如下:1)根据上述区域合并分割算法得到图像,可以清晰分割出气室的特征;2)通过处理图像中物体的边界像素,进行边界编码计算,根据曲率公式寻找曲率的局部最大值定位拐点,得到拐点C,取气室的左右端点A和B点两点到C点的距离,利用上述的气室高度计算方法计算气室的高度;同时取到气室的左右端点A和B点两点的距离AB,即为气室直径距离,见图4d所示;3)近似气室所包围的图形为椭圆形,利用椭圆面积公式:气室高度近似为椭圆短轴,气室直径近似为椭圆长轴,最终得到气室面积S。4)计算气室面积S与鸡蛋总面积area的比值。3新鲜度检测模型3.1蛋黄指数的建立用在26~28℃下存储“德清源”红皮鸡蛋75枚,用其每天测出鸡蛋的新鲜度(即哈夫值),与蛋黄指数(即蛋黄面积与禽蛋总面积的比值)建立关系模型为式中:xyolk——图像蛋黄指数;y——实际禽蛋的哈夫值(即为新鲜度),R2=0.931,α<0.05,经F检验差异显著,由上述可知蛋黄指数与新鲜度成线性关系(文中所有统计模型采用统计软件SPASS10.0计算)。3.2红皮鸡蛋哈夫值测定由于鸡蛋随着存储时间的增加,蛋的新鲜都会逐渐下降。仍用在26~28℃下存储“德清源”红皮鸡蛋75枚,用其每天测出鸡蛋的哈夫值(新鲜度),与贮藏天数建立关系模型为式中:xhaugh——蛋质量变化量;t——贮藏天数。经检验R2=0.976,α<0.05,经F检验差异显著,由此可知贮藏天数与禽蛋的新鲜度有显著函数关系。3.3贮藏期与鸡蛋图像特征的关系从图5可以看出鸡蛋贮藏期与鸡蛋的新鲜度存在二次函数关系,从3.1得出鸡蛋的新鲜度与鸡蛋的图像特征(鸡蛋蛋黄指数)的关系,因此可以推知鸡蛋贮藏期与鸡蛋的图像特征(鸡蛋蛋黄指数、鸡蛋气室指数)有密切的关系,从而建立贮藏期与图像特征的关系模型如下式中xBI——气室指数,R2=0.974,α<0.05,经过检验F检验差异显著。4模型试验和结果分析4.1贮藏期的预测从关系模型(1)可知鸡蛋新鲜度与图像蛋黄指数呈线性相关性,表1的预测哈夫值的相对平均误差为6%,结果中只有两个相对误差大于10%,这也可能试验误差所致,总之表明从鸡蛋图像提取的蛋黄指数值,可以预测鸡蛋的新鲜度。从关系模型(2)看出贮藏时间与鸡蛋新鲜度具有二次函数关系,又从模型(1)得知,贮藏时间和鸡蛋图像特征的蛋黄指数会有关系,而气室指数跟鸡蛋氧化特性,与贮藏期相关,进而得到关系模型(3),即可利用获取鸡蛋图像特征的蛋黄指数和气室指数预测鸡蛋贮藏期,由于气室指数的引入,减少了文献中蛋黄指数受到了禽蛋大小的干扰。从表1的结果看出禽蛋的蛋黄指数和气室指数的特征可以预测鸡蛋的新鲜度以及鸡蛋大概贮藏时间,检验结果表明与鸡蛋的实际贮藏天数的绝对误差不超过2d,结果基本符合实际情况,该模型的建立不仅可以使企业、个人能更直观的鉴别鸡蛋新鲜度,还可以预测鸡蛋的贮藏期。另外本试验系统采用计算机处理器为IntelCore21.86GHz,物理内存为1GB,硬盘为120GB,显存为512MB,测得每个鸡蛋平均检测速度为0.83s。由于鸡蛋的新鲜度受许多因素的影响,如不同的品种的鸡、不同的饲料喂养、不同的贮藏环境、温度等,这些可能使禽蛋新鲜度产生变化,因此需要对该模型参数的选择和使用上进一步完善和研究。5准鸡蛋新鲜度定量分析1)为去除禽蛋蛋黄因禽蛋个体的差异而影响检测准确性,本文经过试验研究发现鸡蛋的蛋黄和气室的大小与鸡蛋的新鲜度有密切关系,因此引入了鸡蛋的气室特征,该特征的提取不局限于鸡蛋蛋壳的颜色,同时对鸡蛋的品质无损伤,对于分析同种不同颜色不同时期的鸡蛋的新鲜度特性具有重要意义。2)本文利用图像处理技术,通过改进区域增长算法分割并成功提取了鸡蛋的蛋黄和气室图像特征,这两个鸡蛋图像特征蛋黄指数和气室