禽蛋裂纹检测技术进展
- 格式：ppt
- 大小：2.40 MB
- 文档页数：20
下载文档原格式
合集下载
基于计算机视觉的禽蛋裂纹识别技术
实验结果分析
根据实验结果，分析模型的准确率 、召回率、F1得分等指标，评估模 型的性能。
技术方案优缺点及改进方向
技术方案优点
基于计算机视觉的禽蛋裂纹识别技术可以实 现自动化、高效率的裂纹检测，提高生产效 率和产品质量。同时，该技术具有较好的泛 化能力和鲁棒性，可以在不同场景下应用。
技术方案缺点
但是该技术仍存在一些局限性，例如对于一 些细小的裂纹可能难以准确识别，同时对于 不同品种、不同批次的鸡蛋可能需要进行重 新训练和调整模型参数，以适应不同情况下 的裂纹检测需求。因此，未来可以进一步改 进模型算法和优化模型结构，提高模型的泛 化能力和鲁棒性，以满足更广泛的应用需求
03
基于计算机视觉的禽蛋裂纹识 别技术方案
技术方案概述
目的
提高禽蛋裂纹检测的效率和准确性，降低人工检测的成本和 误差。
方法
利用计算机视觉技术，通过对禽蛋图像进行数据采集、预处 理、特征提取和选择，构建和优化识别模型，实现自动化的 禽蛋裂纹识别。
数据采集与预处理
数据采集
使用高清晰度相机和光源装置，获取禽蛋的正面和侧面图像。
国内外研究现状
简要介绍国内外在禽蛋裂纹检测方面的研究现状，包括已取得的主要成果和 存在的主要问题。
研究内容与方法
研究内容
明确提出本研究的主要研究内容，包括开发一种基于计算机视觉技术的禽蛋裂纹 自动识别系统，解决传统检测方法的不足。
研究方法
介绍本研究采用的研究方法和技术路线，包括图像采集、预处理、特征提取和分 类等步骤。
计算机视觉在禽蛋裂纹识别中的应用
• 在禽蛋裂纹识别中，计算机视觉技术可以发挥重要作用。通 过对采集的禽蛋图像进行处理和分析，可以自动检测出裂纹 的存在和位置。这有助于提高禽蛋的质量控制和检测效率， 降低人工检测的成本和误差。同时，计算机视觉技术的应用 还可以为其他农产品和食品的质量检测提供参考和借鉴。
根据实验结果，分析模型的准确率 、召回率、F1得分等指标，评估模 型的性能。
技术方案优缺点及改进方向
技术方案优点
基于计算机视觉的禽蛋裂纹识别技术可以实 现自动化、高效率的裂纹检测，提高生产效 率和产品质量。同时，该技术具有较好的泛 化能力和鲁棒性，可以在不同场景下应用。
技术方案缺点
但是该技术仍存在一些局限性，例如对于一 些细小的裂纹可能难以准确识别，同时对于 不同品种、不同批次的鸡蛋可能需要进行重 新训练和调整模型参数，以适应不同情况下 的裂纹检测需求。因此，未来可以进一步改 进模型算法和优化模型结构，提高模型的泛 化能力和鲁棒性，以满足更广泛的应用需求
03
基于计算机视觉的禽蛋裂纹识 别技术方案
技术方案概述
目的
提高禽蛋裂纹检测的效率和准确性，降低人工检测的成本和 误差。
方法
利用计算机视觉技术，通过对禽蛋图像进行数据采集、预处 理、特征提取和选择，构建和优化识别模型，实现自动化的 禽蛋裂纹识别。
数据采集与预处理
数据采集
使用高清晰度相机和光源装置，获取禽蛋的正面和侧面图像。
国内外研究现状
简要介绍国内外在禽蛋裂纹检测方面的研究现状，包括已取得的主要成果和 存在的主要问题。
研究内容与方法
研究内容
明确提出本研究的主要研究内容，包括开发一种基于计算机视觉技术的禽蛋裂纹 自动识别系统，解决传统检测方法的不足。
研究方法
介绍本研究采用的研究方法和技术路线，包括图像采集、预处理、特征提取和分 类等步骤。
计算机视觉在禽蛋裂纹识别中的应用
• 在禽蛋裂纹识别中，计算机视觉技术可以发挥重要作用。通 过对采集的禽蛋图像进行处理和分析，可以自动检测出裂纹 的存在和位置。这有助于提高禽蛋的质量控制和检测效率， 降低人工检测的成本和误差。同时，计算机视觉技术的应用 还可以为其他农产品和食品的质量检测提供参考和借鉴。
禽蛋品质检测与分级的研究进展
天平 量 测过 ，其 分级标 准共 有 ４种 ：即 ５ ５ｇ以下 ，５－ ５ ６ ｇ ０ ６ 与 ６ 以上 。 ０ ，６ － ５ ｇ ５ ｇ 国内，王巧华 、余佑 生等 （ ０ １ 应用机器视觉研究 ２０ ） 出鸭蛋大小 自动分级模型 ，认为 ：鸭蛋的面积 尺寸是鸭蛋 大小分级的重要依 据 ，鸭蛋 的重量与其所成像 的像素面积 成正 比，要计算鸭蛋在位图中所 占的像素个数 ，首先要检 测 出位 图中鸭蛋的边界 ，因鸭蛋所成图像中的边缘是 阶跃 性 的边缘 ，它两边像素的灰度值有显著不同，其二阶方向 导数在边缘处呈零交叉 ，因此采用微分算子来作边缘检测 算子 。检测到鸭蛋的边界后便可计算图像中鸭蛋所 占像素 的个数 （ ｉ ） ｓ ｅ ，计算步骤如下 ：先找 到包含整个鸭蛋的最 ｚ 小 的矩形 ，再计算包含边界中像素点的个数 。研究的该鸭 蛋大小等级模型具有显著性 和可靠性 ，鸭蛋大小 的检测误 差是 － ｇ ＋ ｇ ３ 与 ３ 之间 ，能够满足生产 的需要 。
Байду номын сангаас
确率 为 ８ ％，损壳 蛋检测准确率为 ９ ％。 ５ ０
２ 在 禽蛋大 小检测 与研究 方面
虽然国外 在禽 蛋品质 的分级研究方面相对 来说比较成 熟 ，但世界上只有 少数几 家鸡蛋处理机械制造 厂商 （ 如荷 兰 的 ＭＯ Ａ与 日本 的 Ｎ Ｂ Ｌ）所生 产的机械 ，在 鸡蛋分 Ｂ ＡＥ 级方面具有总重系统 。此外 ，Ｍ Ｂ Ｏ Ａ公 司生产 的鸡蛋分级 及包装机与美 国的 ＤＡ Ｏ Ｄ公 司生产 的洗蛋机均可实现 ＩＭ Ｎ 以下功能 ：经分级包装机 械所包装 的盒装蛋 ，都经 由电子
容物新鲜程 度的检测 。 以禽蛋 内的化 学变化来测 定它 的品质 ，甚至 以此来 分级也未尝不可 ，但 因其化验周期长 、 化验技术复 杂 ，在 贸易 网中是 不可取 的。当前 ，我 国禽 蛋的 品质检 测几乎 全部采 用手工 方法 如人工照蛋 、气室 测量及 比重 法等 ，而以人工 照蛋法最 广泛 。用手 工方法 检测禽蛋外 观 品质 和内部品质 ，工人 条件差 、劳动强度 大 、生 产效 率低 下 ，且 由于操 作工 主 观 因素的影响 ，分 级质量不 能从根本 上得 到保证 。随着 禽蛋业 的发展 ，要 求禽 蛋品质检测 由人工检测走 向 自动 化智 能化 ，因此研 究禽蛋 品质的无损 快速 检测技术 ，以满足蛋 品加工和蛋 品销售流通是必要 的和迫切的。为此 ， 国内外不少学者 和研究人员 在此方 面 进行了积极探索和研究 。
禽蛋品质及蛋壳破损检测研究
可准确区分损壳蛋 。 用此方法设计的鸭蛋破损检测系统 ， 在滤
波通带 ５ ０～ ５ ０ ｚ ０ ６ ０ Ｈ 范围内 ，好壳蛋频率 为 ４ ０ ５ ０ Ｈ ， ０ ５～ ５０ ｚ
其好壳蛋检测准确率为 ８ ％， ５ 损完蛋检测准确率为 ９ ％。 Ｏ
在实际的生产过程中， 对蛋的破损检测主要靠人工敲击辨 听， 生产效率低 ， 劳动强度大， 对检测工技术要求高， 检测稳定性 校差 ， 这些严重制约着我 国蛋品深加工技术的 模化发展。 ２ 研制禽蛋品质及 蛋壳破损检测 系统
染， 并秧及对其它禽蛋 的感染。因此 ， 对破损禽蛋 的品质检测 及破损检测是禽蛋 生产 、 经营 、 加工中的重要 环节之一。
１ 蛋 品质 检 测 及 其 蛋 壳 破 损 检测 方 法研 究
７ ０年代末 ，机器视觉 技术用于农产 品品质 自动识别 和
分级 。它不仅是人 眼的延伸 ， 更重要 的是具有智 能识别 的功 能， 在农产品品质检测上 的应用可 以适应农产 品品质 复杂性 和多样性要求 。 Ｅｓ ｒ ．（ ９ ） ｌｅ Ｔ １ １采用 直方 图均 衡化 和 Ｓ Ｂ Ｌ算 子相结 ｔ Ｒ ９ ＯＥ 合的方法检测鸡 蛋表面裂 纹 ，将鸡蛋 分为合格 品和次 品两 种 。但判别 准确度不高 。 Ｇ ｏ ｒｍ Ｊ 等人 （ ９ ｏｄｕ ． Ｗ １ １和 １９） ９ ９ ２ 利用 机器视觉和 图像 处理方法 ， 研究 了对 连续旋转鸡 蛋进行裂 纹检测 ， 正确率 达
理、 Ａ／Ｄ转换后 送入 单片机处理 ， 防止噪声干扰 ， 声音 为 将 传感器安装到一特制 的共振敲击筒上 ， 根据声音信号的大小
判 断蛋壳有无裂纹。
韩 国的 Ｈ．．ｈ 和 ＹＫ ｏｌ ９ ６应 用机器 视觉技术 进 ＫＣ ｏ １ 究了损 壳蛋 和未损壳蛋的声学特性差 ２０） 研 异 ，数据分析采取模糊聚类 的方法获得损壳蛋和未损壳蛋隶
基于多维振动响应信号分析的鸡蛋裂纹检测研究
信号采集与分析模块由压电石英晶体加速度传 感器（ＹＤ－１）、电荷放大器（ＤＨＦ－７）、信号采集卡 （ＵＳＢ－１２０８ＦＳ）组成。加速度传感器用来获取敲击 棒对鸡蛋冲击后蛋壳表面的加速度。电荷放大器主 要对响 应 信 号 进 行 调 理，转 换 至 电 压 信 号。采 用 ＬａｂＶＩＥＷ 编写的上位机软件通过调用采集卡动态 库函数，实 时 获 取 传 感 器 输 出 信 号，并 进 行 显 示 与 保存。
但裂纹具有自愈性，小裂纹特别是微裂纹的检 测十分困难。众多学者提出，将禽蛋置于负压环境 下，以 扩 大 裂 纹 使 其 可 视 化 效 果 更 佳。Ｌａｗｅｒｅｎｃｅ 等［６－７］所设计的视觉系统可实现 ９９．６％ 的裂纹检 出率和 ０．３％ 的 误 检 率；Ｌｉ等［８］利 用 １８ｋＰａ的 负 压，结合机器视觉技术，实现了对微裂纹禽蛋的全检
（１９ＫＪＢ５５０００６）；镇江市重点研发项目（ＳＨ２０１７０５３）；江苏省普通高校研究生科研创新计划项目（５５６１１１００２１） 作者简介：李雅琪（１９８５—），女，彝族，云南蒙自人，讲师，博士，主要从事食品快速检测研究；孙 力（１９８６—），男，江苏苏州人，副教授，主
要从事农产品无损检测及装备开发研究。
第 ３２卷第 ４期 ２０１９年 １０月
镇江高专学报 ＪｏｕｒｎａｌｏｆＺｈｅｎｊｉａｎｇＣｏｌｌｅｇｅ
Ｖｏｌ．３２ Ｎｏ．４ Ｏｃｔ．，２０１９
基于多维振动响应信号分析的鸡蛋裂纹检测研究
李雅琪１，孙 力２，陈 诚２，戴其俊２，盛建国１
（１．江苏科技大学 粮食学院，江苏 镇江 ２１２００３；２．江苏大学 机械工程学院，江苏 镇江 ２１２０１３）
·３１·
１ 材料与方法
１．１ 实验装置 本研究设计的基于多维振动响应分析的鸡蛋裂
但裂纹具有自愈性，小裂纹特别是微裂纹的检 测十分困难。众多学者提出，将禽蛋置于负压环境 下，以 扩 大 裂 纹 使 其 可 视 化 效 果 更 佳。Ｌａｗｅｒｅｎｃｅ 等［６－７］所设计的视觉系统可实现 ９９．６％ 的裂纹检 出率和 ０．３％ 的 误 检 率；Ｌｉ等［８］利 用 １８ｋＰａ的 负 压，结合机器视觉技术，实现了对微裂纹禽蛋的全检
（１９ＫＪＢ５５０００６）；镇江市重点研发项目（ＳＨ２０１７０５３）；江苏省普通高校研究生科研创新计划项目（５５６１１１００２１） 作者简介：李雅琪（１９８５—），女，彝族，云南蒙自人，讲师，博士，主要从事食品快速检测研究；孙 力（１９８６—），男，江苏苏州人，副教授，主
要从事农产品无损检测及装备开发研究。
第 ３２卷第 ４期 ２０１９年 １０月
镇江高专学报 ＪｏｕｒｎａｌｏｆＺｈｅｎｊｉａｎｇＣｏｌｌｅｇｅ
Ｖｏｌ．３２ Ｎｏ．４ Ｏｃｔ．，２０１９
基于多维振动响应信号分析的鸡蛋裂纹检测研究
李雅琪１，孙 力２，陈 诚２，戴其俊２，盛建国１
（１．江苏科技大学 粮食学院，江苏 镇江 ２１２００３；２．江苏大学 机械工程学院，江苏 镇江 ２１２０１３）
·３１·
１ 材料与方法
１．１ 实验装置 本研究设计的基于多维振动响应分析的鸡蛋裂
基于计算机视觉和神经网络检测鸡蛋裂纹的研究_潘磊庆
第23卷第5期2007年5月农业工程学报T r ansactions of the CSA E V ol.23 N o.5M ay 2007基于计算机视觉和神经网络检测鸡蛋裂纹的研究潘磊庆,屠 康※,苏子鹏,杨佳丽,李宏文(南京农业大学食品科技学院,南京210095)摘 要:为了提高鸡蛋裂纹检测的准确性和效率,综合运用计算机视觉技术和BP 神经网络技术,实现对鸡蛋表面裂纹的无损检测和分级。
首先,通过计算机视觉系统获取鸡蛋表面的图像,对图像分析处理,提取了裂纹区域和噪声区域的5个几何特征参数。
其次,将5个参数作为输入,建立结构为5-10-2的BP 神经网络模型,对裂纹进行识别和鸡蛋的自动分级。
试验结果表明模型对裂纹鸡蛋的识别准确率达到了92.9%,对整批鸡蛋的分级准确率达到了96.8%。
关键词:鸡蛋;裂纹;检测;计算机视觉;BP 神经网络中图分类号:T P 274+.3;S 817.2 文献标识码:A 文章编号:1002-6819(2007)5-0154-05潘磊庆,屠 康,苏子鹏,等.基于计算机视觉和神经网络检测鸡蛋裂纹的研究[J].农业工程学报,2007,23(5):154-158.Pan L eiqing ,T u K ang ,Su Zipeng ,et al .Cr ack det ection in eg g s using computer visio n and BP neur al netw o rk [J ].T r ansa ct ions of t he CSA E,2007,23(5):154-158.(in Chinese with English abst ract)收稿日期:2006-06-04 修订日期:2007-01-03基金项目:国家自然科学基金项目(30371050);教育部“新世纪优秀人才支持计划”资助(NCE T -05-0491);江苏省自然科学基金(BK2006707-2)作者简介:潘磊庆(1980-),男,湖北十堰人,博士生,主要从事农产品无损检测方面的研究。
禽蛋裂纹检测技术进展资料
［12］ Yoon S C，Lawrence K C，Jones D R，et al．． Improved egg crack detection algorithm for modified pressure imaging system ［A］． In: SPIE defense，security，and sensing international society for optics and photonics ［C］． US: Orlando FL，2011，2021－2028．
［1］ Pourreza H R，Pourreza-Shahri R，Fazeli S，et al．． Automatic detection of eggshell defects based on machine vision［J］． J．Anim． Veter． Adv． ，2008，7( 10) : 1200－1203．
［8］ Li Y Y，Dhakal S，Peng Y K． A machine vision system for identification of microcrack in egg shell［J］． J． Food Engin．，2012，109( 1) : 127－134．
[9]李竞. 基于机器视觉的鸭蛋蛋壳检测系统[D].中南大学,2013.
［13］ Li Y Y，Dhakal S，Peng Y K． A machine vision system for identification of microcrack in egg shell［J］． J． Food Engin．，2012，109( 1) : 127－134．
[14] 王巧华，邓小炎，文友先． 鸡蛋敲击响应的奇异性特征与蛋壳裂纹多层检测［J］． 农业机械 学报，2008，39( 12) : 127－131．
［1］ Pourreza H R，Pourreza-Shahri R，Fazeli S，et al．． Automatic detection of eggshell defects based on machine vision［J］． J．Anim． Veter． Adv． ，2008，7( 10) : 1200－1203．
［8］ Li Y Y，Dhakal S，Peng Y K． A machine vision system for identification of microcrack in egg shell［J］． J． Food Engin．，2012，109( 1) : 127－134．
[9]李竞. 基于机器视觉的鸭蛋蛋壳检测系统[D].中南大学,2013.
［13］ Li Y Y，Dhakal S，Peng Y K． A machine vision system for identification of microcrack in egg shell［J］． J． Food Engin．，2012，109( 1) : 127－134．
[14] 王巧华，邓小炎，文友先． 鸡蛋敲击响应的奇异性特征与蛋壳裂纹多层检测［J］． 农业机械 学报，2008，39( 12) : 127－131．
禽蛋裂纹在线检测系统研究
禽蛋裂纹在线检测系统研究孙力;朱叶茗;顾颢;袁雷明;许登程【摘要】设计了一套以DSP(TMS320C5509A)为核心处理器的禽蛋蛋壳裂纹在线检测系统,系统以蛋壳表面声学特性为理论基础,通过敲击信号控制模块、声学信号采集与分析模块及判别信号综合模块的优化设计,可实现禽蛋滚动前行过程中蛋壳声学信号的自动激励、采集与处理.对大量完好和裂纹鸡蛋响应信号进行频谱分析,分别提取时域信号过零点数、频域信号(大于500 Hz)第1特征峰与第2特征峰各自对应的频段与幅值作为特征参数并建立相应的定性分析模型,系统通过重复试验表明,鸡蛋的裂纹在线检测率超过90％,检测速度可达4个·s-1,完全满足在线检测的要求.【期刊名称】《江苏大学学报（自然科学版）》【年(卷),期】2015(036)002【总页数】5页(P176-180)【关键词】禽蛋;裂纹;声学信号;DSP;在线检测【作者】孙力;朱叶茗;顾颢;袁雷明;许登程【作者单位】江苏大学食品与生物工程学院,江苏镇江212013;江苏省农产品物理加工重点实验室,江苏镇江212013;江苏大学食品与生物工程学院,江苏镇江212013;江苏大学机械工程学院,江苏镇江212013;江苏大学食品与生物工程学院,江苏镇江212013;江苏大学食品与生物工程学院,江苏镇江212013【正文语种】中文【中图分类】S24蛋壳裂纹检测是禽蛋品质的一项重要指标.蛋壳裂纹大多出现在禽蛋生产、运输和销售过程中;一旦蛋壳出现裂纹，细菌极易侵入禽蛋并快速繁殖，引起禽蛋腐败、变质，渗出蛋清也会污染其他禽蛋［1］.因此，禽蛋蛋壳裂纹检测是禽蛋生产、经营、加工过程中的重要环节.从振动力学角度看，当禽蛋的蛋壳强度发生变化时，其结构刚度和阻尼系数将随之变化，必然会反映到其模态固有频率和阻尼比上［2-3］，国内外学者［4-8］采用数字信号处理与模式识别相结合的方法对禽蛋蛋壳声学响应信号进行分析，并证明利用该方法可有效地检测蛋壳裂纹.在实验室研究基础上，以微处理器为核心部件的在线检测系统也得到了深入的研究［9-12］，并分析了生产线速度、敲击力度、敲击点、禽蛋质量等因素对响应信号的影响，通过频谱分析提取特征参数，并建立相应的判别模型，其判别率可高于90%.但该在线检测平台存在一定的局限性，如集成化程度不高、存在大量外部处理电路，影响信号的稳定性与一致性等.文中拟采用TMS320C5509A(5509A)为主处理器，简化音频信号的采集与调理过程，减少信号干扰环节，并对自动敲击模块与上下位机通讯模块进行优化，使系统更贴近于自动化与工业化，然后以鸡蛋为例验证系统的稳定性与可靠性.1 禽蛋裂纹在线检测系统设计禽蛋蛋壳质量在线检测装置如图1所示，主要包括有敲击信号控制模块、声学信号采集与分析模块及判别信号综合模块.其中，敲击信号控制模块以单片机为主处理器，通过采集红外光电开关与电容接近开关信号，根据生产线速度宏观控制DSP触发信号的发送;声学信号采集与分析模块以5509A为主处理器，主要负责控制电机敲击、音频信号的采集与分析，最后根据所建模型判别禽蛋蛋壳质量;判别信号综合模块以TMS320F2812为主处理器，主要综合多路音频信号判别结果，对同一禽蛋不同敲击工位的结果进行综合判断，实现生产线信号的实时通讯，并将综合结果以串口通讯的方式传送至上位机，实现人机互动.图1 禽蛋蛋壳质量检测系统结构示意图1.1 敲击信号控制模块为节省资源以及满足工业化生产的需要，且能根据生产线速度自适应调整，该系统中采用红外光电开关(OA-D3224PA)与单片机外部中断0相连以实时检测禽蛋信号;电容式传感器(IZM8-F04NB-Y1L2/C35)与单片机外部中断1相连，结合定时器测定相邻两链轮销轴之间的时间间隔，并以此推算当前生产线速度;单片机根据外部输入信号与预设的位置参数，定时通过软件系统向各路5509A发送敲击命令信号，实现禽蛋到达检测工位时进行自动敲击.1.2 信号采集与分析模块设计该模块主要包括有DSP主处理器、电机驱动电路和敲击装置，实现电机敲击命令的发送、音频信号的采集与筛选、敲击响应信号的分析与处理、特征的提取与分析、结果的判别与输出.设计中5509A采样频率为8 kHz，采样点数为256，数据采样位数为16.当5509A接收到外部触发信号后，进入中断服务程序，控制电机执行敲击，同时打开定时器0，控制敲击执行时间为30 ms;对音频信号进行采集，并采用音频信号端点检测程序检测所采集的信号是否属于端点信号;端点检测采用了短时能量与阈值相结合的方法，当最新10个采样点幅值之和大于设定的能量阈值，且当前采样点的信号幅值也大于设定阈值时，则认为该点为音频信号的起始点;音频信号采集过程中设置了看门狗定时器，当所采集的信号在100 ms内无法获取端点信息，则认定此次音频采集失败，对DSP进行复位处理;当检测到音频信号端点后对所采集的音频信号进行保存，直至采样点数为256;对音频信号进行分析并提取特征信号;所提取的特征信号经判别模型判别鸡蛋表面是否存在裂纹;将结果通过GPIO口输出至上位机，设置结果信号输出为20 ms;对当前鸡蛋信号分析结束后，将所有的参数及相应模块进行复位处理.经软件测试，从5509A接收触发信号到判别信号输出总耗时约为185 ms.1.3 判别信号综合模块该模块主要由DSP(TMS320F2812)和上位机组成，采用串口通讯的方式实现数据传输.设计中TMS320F2812对5509A及单片机I/O输出信号进行检测，采用队列的形式综合判断不同工位是否执行敲击以及信号判别信号输出，并将判别信号通过串口通讯方式传送至上位机;上位机通将检测结果显示于人机界面，并通过数据库(SQLite)对数据进行存储和管理，其中上位机软件采用 VS2008+QT4.6编写而成.2 信号采集与处理2.1 信号的采集与分析将被检鸡蛋水平放置于生产线，随着传送带的滚动前进，在到达敲击点时，敲击装置自动敲击，产生的敲击响应信号经拾音器捕获，并由5509A转化至数字信号，完好和裂纹鸡蛋敲击响应的时频信号如图2所示.图2 鸡蛋敲击响应信号相对于裂纹鸡蛋敲击响应信号，完好鸡蛋信号振荡幅度比较大，且振荡时间持续更久;完好鸡蛋敲击信号有较好的重复性，而裂纹鸡蛋信号无明显规律.所产生的信号特性与鸡蛋蛋壳品质相符，当鸡蛋表面出现裂纹后，结构刚度和阻尼系数将随之变化，当敲击点在裂纹部位时，声波信号的振荡必然会小于完好鸡蛋信号;而对于不同的裂纹，其破坏程度各不相同，所以产生的信号显得杂乱无章.通过频谱分析可发现，除去低频段外，完好蛋敲击信号的功率谱存在2个共振峰(各频率分量的能量密度最大点)，且比较突出，共振峰的幅值明显高于其他频率下的功率谱幅值;而裂纹禽蛋信号所包含的频率范围较广，且其共振峰较为模糊.2.2 特征参数提取在特征提取与模型建立过程中，所采用的完好与裂纹鸡蛋数量均为200个，通过大量信号的时频特性分析，研究中提取了时域信号过零点数、频域信号(大于500 Hz)第1特征峰与第2特征峰各自对应的频段与幅值作为特征参数以区分2类鸡蛋敲击响应信号，并以误判率最小的原则对各个特征参数的阈值进行优化选择，并规定满足完好鸡蛋信号特征的数量大于或等于3时即可判别为完好鸡蛋，否则判别为裂纹鸡蛋.3 试验结果及讨论试验材料购买于杭州农工商超市，经人工肉眼仔细检查，挑选大小较为一致的完好鸡蛋500个作为完好鸡蛋样本;裂纹鸡蛋样本数量为400个，包括自然裂纹鸡蛋(即鸡蛋在运输过程中产生的裂纹)和人工裂纹鸡蛋(即人为敲击使蛋壳出现裂纹)，其数量分别为30和270个，其中人工裂纹鸡蛋中随机挑选了30个进行裂纹长度的测量，其平均长度为15.6 mm，最大长度为 27.0 mm，最小长度为6.0 mm.所有样品鸡蛋通过前端上料装置滚动进入蛋壳裂纹检测区间，每枚鸡蛋通过16路裂纹检测工位重复敲击.基于上述装置与特征参数，各工位建立了与之相对应的判别模型用于鸡蛋裂纹在线检测.在线试验结果如表1所示，所设计的禽蛋裂纹在线检测装置对完好鸡蛋与裂纹鸡蛋有较高的区分度.对比2次重复试验结果，判别结果稳定可靠，对于完好鸡蛋的识别率接近于100%，其主要原因是完好鸡蛋敲击响应信号稳定，虽存在个体差异，但其特征比较接近.由于自然裂纹较大，其判别结果高于人工裂纹，经观察，误判鸡蛋的裂纹大部分位于小头部位，检测时未敲击到裂纹周边.人工裂纹的识别率略低于90%，其识别率与敲击位置和裂纹大小相关.表1 完好和裂纹鸡蛋在线判别结果批次类型数量/个正确/个判别率/%第1批完好 400 395 98.75自然裂纹 30 30 100.00人工裂纹270 241 89.26第2批完好400 394 98.50自然裂纹 30 29 96.67人工裂纹270 247 91.484 结论自行设计了一套基于声学特性的禽蛋裂纹检测装置，通过单片机、DSP和上位机的协调工作，实现了受检鸡蛋的自动敲击、信号采集、处理与分析与上位机人机界面互动，并建立了裂纹鸡蛋判别模型，其检测速度能达到4个·s-1，在线检测试验表明，该装置对于鸡蛋的裂纹检测率可达90%，接近于实际应用需求.在后续研究中，将充分考虑不同检测工位之间信号的一致性、生产线速度和鸡蛋大小等因素对响应信号影响，以实现高效、高速和高精度的禽蛋裂纹在线检测.参考文献(References)【相关文献】［1］ Lin J，Puri V M，Anantheswaran R C.Measurement of eggshell thermal-mechanical properties［J］.Transactions of the ASAE，1995，38(6):1769-1776.［2］ De Ketelaere B，Coucke P，De Baerdmaeker J.Eggshell crack detection based on acoustic resonance frequency analysis［J］.Journal of Agriculture Engineering Research，2000，76:157-163.［3］ Pan Leiqing，Zhan Ge，Tu Kang，et al.Eggshell crack detection based on computer vision and acoustic response by means of back-propagation artificial neural network ［J］.Eur Food Res Technol，2011，233:457-463.［4］ Lin Hao，Zhao Jiewen，Chen Quansheng，et al.Eggshell crack detection based on acoustic impulse response and supervised pattern recognition［J］.Czech J Food Sci，2009，27(6):393-402.［5］ Lin Hao，Zhao Jiewen，Chen Quansheng，et al.Eggshell crack detection based on acoustic response and support vector data description algorithm［J］.European Food Research and Technology，2009，230(1):95-100.［6］ Zhao Y，Wang J，Lu Q，et al.Pattern recognition of eggshell crack using PCA and LDA［J］.Innovative Food Science ＆ Emerging Technologies，2010，11(3):520-525. ［7］潘磊庆，屠康，詹歌，等.基于计算机视觉和声学响应信息融合的鸡蛋裂纹检测［J］.农业工程学报，2010，26(11):332-337.Pan Leiqing，Tu Kang，Zhan Ge，et al.Eggshell crackdetection based on information fusion between computer vision and acoustic response ［J］.Transactions of the Chinese Society of Agricultural Engineering，2010，26(11):332-337.(in Chinese)［8］梅劲华，王石泉，王树才.禽蛋破损在线检测自动敲击发声装置设计与试验［J］.农业工程学报，2011，27(9):334-338.Mei Jinhua，Wang Shiquan，Wang Shucai.Design and experiment of automatic knocking device for eggshell crack detection ［J］.Transactionsof the Chinese Society of Agricultural Engineering，2011，27(9):334-338.(in Chinese) ［9］孙力，蔡健荣，林颢，等.基于声学特性的禽蛋裂纹实时在线检测系统［J］.农业机械学报，2011，42(5):183-186.Sun Li，Cai Jianrong，Lin Hao，et al.On-line detection of cracked shelleggs based on acoustic resonance analysis［J］.Transactions of the Chinese Society for Agricultural Machinery，2011，42(5):183-186.(in Chinese)［10］ Sun L，Zhang SQ，Cai JR，et al.The application of DSP in eggshell quality online detection system［J］.Applied Mechanics and Materials，2011，43:68-71.［11］ Sun Li，Bi Xiakun，Lin Hao，et al.On-line detection of eggshell crack based on acoustic resonance analysis［J］.Journal of Food Engineering，2013，116:240-245. ［12］ Sun Li，Cai Jianrong，Lin Hao，et al.On-line estimation of eggshell strength based on acoustic impulse response analysis［J］.Innovative Food Science and Emerging Technologies，2013，18:220-225.。
敲击振动检测鸡蛋裂纹的初步研究_潘磊庆
第21卷第4期2005年4月农业工程学报T ransacti ons of the CSA E V o l .21 N o.4A p r . 2005敲击振动检测鸡蛋裂纹的初步研究潘磊庆,屠 康※,赵 立,赵艺泽,潘秀娟(南京农业大学食品科技学院,南京210095)摘 要:现代化的蛋品加工业中,传统的照蛋检测鸡蛋裂纹技术远不能满足生产的自动化要求,为了实现快速在线无损检测鸡蛋裂纹,试验通过在鸡蛋不同部位施加机械冲击,利用计算机处理产生的声音信号,分析壳裂鸡蛋和完好鸡蛋的响应频率差异。
结果表明:敲击赤道不同的部位,完好鸡蛋各点的特征响应频率十分接近,而壳裂鸡蛋差别较大。
根据赤道四点特征响应频率变异系数(CV ),建立了初步分级算法,使得裂纹鸡蛋检出水平达到91%,对整批鸡蛋的分级准确率达到87%。
关键词:鸡蛋;裂纹;检测;敲击;特征响应频率;变异系数中图分类号:T P 391.8 文献标识码:B 文章编号:100226819(2005)0420011205潘磊庆,屠 康,赵 立,等.敲击振动检测鸡蛋裂纹的初步研究[J ].农业工程学报,2005,21(4):11-15.Pan L eiqing ,T u Kang ,Zhao L i ,et al .P reli m inary research of ch icken egg crack detecti on based on acoustic resonanceanalysis [J ].T ransacti ons of the CSA E ,2005,21(4):11-15.(in Ch inese w ith English abstract )收稿日期:2004203225 修订日期:2005201204基金项目:国家“863”计划项目(2002AA 248051);国家自然科学基金项目(30371050)作者简介:潘磊庆(1980-),男,湖北十堰人,博士生,主要从事农产品贮藏加工方面的研究工作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
蛋的特征参数，并采用 Adaboosting 算子对特征参数进行优化， 所建立的 SVM( support vector machine) 判别模型对蛋壳表面
的亮斑、微小裂纹和普通裂纹均具有识别能力，模型判别正确率达
97．5%。
负压挤压方法：为了克服禽蛋裂纹自愈合能力和小裂纹所 造成的漏检影响，把具有微小裂纹的鸡蛋放置在小于大气压力
频率和阻尼比上，通过分析敲击响应产生的振动信号实现对 裂纹的识别。 根据传感器与被检禽蛋之间的接触情况，敲击振动技术 可分为 （1）接触式检测方式 （2）非接触式检测方式
接触式检测方式是指采用加速度传感器等测振传感器与 被检禽蛋紧密贴合，分析被检禽蛋受外界机械激励后在其表 面所产生振动的分布、扩散和衰减情况以实现对禽蛋品质的
外界光照条件下裂纹部位的反射、折射出现差异性，可通过数字图 像处理方法识别。机器视觉检测技术具有全面、直观反应蛋壳信息
的优点。 机器视觉检测裂纹的步骤
1.获取禽蛋图像
2.处理和分析禽蛋图像
3.建立禽蛋裂纹识别模式
一个典型的禽蛋视觉识别系统系统包括：光源、相机、暗 室、图像处理平台、数据传输模块等。大多数学者通过采集多 幅图像，并采用较为复杂的图像处理方法以克服表面反光差异 和污渍所引起的干扰。
进行判断，结果显示对鸡蛋表面缺陷的正确识别率为99%。
Cho 等用CCD 摄像头获取白织灯照射下的禽蛋蛋壳表面图像， 用 Sobel滤波后的图像轮廓圆滑度和几何形状作为检测蛋壳的标准，
建立的回归模型对破损禽蛋和完好鸡蛋的检测正确率分别为
97．5%和 90．5%。
熊利荣等从 5 个不同视角提取13 个能够表征无裂纹蛋和裂纹
和技术有较高的要求。
随着禽蛋生产和加工各个环节自动化程度不断提高，传
统的手工检测与破坏性抽检方法难以满足实际应用，快速、 无损、精确的检测方法更加适合现代农业化发展的需求。
产生了禽蛋蛋壳检测的新技术
红外光谱技术 机器视觉检测技术 敲击振动技术
机器视觉检测技术主要通过分析禽蛋表面的颜色特征识别鸡
蛋表面的裂纹，当禽蛋表面出现裂纹后会破坏其表面纹理特征，在
的环境，微小裂纹会因为负压力而变大，增强了裂纹的可视化
程度，提高了裂纹蛋的识别率。并且负压挤压方法对蛋壳品质 和安全均不造成影响。
a.常压下得到图像 b.负压下得到图像
Lawrence 等对禽蛋裂纹负压视觉检测系统进行进一步优 化，高分辨率单色相机单次可采集 20 个禽蛋图像，采用步
进电机带动禽蛋转动，拍摄4 组不同角度的大气压强和负压
且会发生种蛋爆裂，污染其他种蛋，因此需要对出现裂纹的种蛋采取进一 步处理以保证孵化质量; 蛋制品：破损禽蛋内部极易在腌制环境中被有害菌侵入、繁殖，不仅其本 身失去了食用价值，而且会污染腌制环境，对其他禽蛋产生交叉感染。
一方面破损和裂纹禽蛋的及时检出有利于提高鲜蛋的可食率、 种蛋的孵化率以及蛋制品品质；另一方面对蛋壳强度的预测可避 免生产、加工和销售过程中由于过载产生二次损伤。 目前禽蛋蛋壳品质的检 测仍以人工检测为主，人工 检测较为费时费力，效率低， 而且对检测人员的身体条件
姓名：xxx 学号：xxx
据统计，破损蛋 和裂纹蛋占产蛋总量的 6%以上， 禽蛋蛋壳破损检测 对于新鲜蛋、种蛋和蛋制品都极为重要。
鲜食蛋：禽蛋出现破损后，禽蛋内容物无法得到有效保护，微生物会侵入
禽蛋内部，随着储藏期的延长加速变质，会产生较大的食品安全问题，且 从破损处流出的内容物会污染其他禽蛋。
种蛋：蛋壳破损会造成孵化过程中水分过度蒸发，增加了胚胎的死亡率，
Lin 等自行搭建了禽蛋裂纹检测装置，对信号进行了滤 波处理，并采用支持向量数据描述实现分类，总体识别率能 达到 90%。 丁天华等构建了基于磁致伸缩振子扫频式振动的禽蛋裂 纹检测系统，采用 Welch 法 功 率 谱 分 析，所 建 立 的 G ＲNN( generalized regression neural network) 模型对无 损蛋与裂纹蛋的判别率分别达到 96．7%和 98．3%。
条件下的图像，通过对比同组图像的差异性以实现蛋壳裂纹 的识别，该系统整体耗时约为 40 s; 。 杨冬风等使用空气压力调节增大微小裂纹，根据完好和裂 纹蛋的纹理特征，使用分形维数对图像进行分析，以分形规 律曲线的维数和图像整体盒维数作为神经网络的特征向量， 对240 个预测集样本的识别正确率达到了98．36%。
பைடு நூலகம்
1. 对于小裂纹和蛋清填充裂纹的检测、污渍干扰和光照一致
性等方面的影响仍需要进一步研究。 2. 采用较为复杂的图像处理及判别模型会降低检测效率，难 以满足实时、在线需求，采用负压方法可放大裂纹的可视性， 但难以实现在线检测装置的设计。
从振动力学角度看，当禽蛋的蛋壳强度发生变化时，其
结构刚度和阻尼系数将随之变化，必然会反映到其模态固有
非接触式检测方式是指外界对禽蛋表面产生激励后，采用声波 传感器采集禽蛋与激振点之间的机械振动，分析该声学响应信号与 禽蛋蛋壳品质之间的关系。其优点在于所获取信号可表征蛋壳特征， 且信号的信息量相对较少，可快速完成蛋壳品质检测。
Jindal 等采用人工神经网络建立检测模型，分析判别裂 纹蛋和完好蛋的声音频谱，结果显示裂纹蛋的误判率为 2% ，完好鸡蛋误判率为10．17%。
[11] Jones D R，Lawrence K C，Yoon S C，et al．． Modified pressure imaging for egg crack detection and resulting egg quality ［J］． Poultry Sci．，2010，89( 4) : 761－765． ［12］ Yoon S C，Lawrence K C，Jones D R，et al．． Improved egg crack detection algorithm for modified pressure imaging system ［A］． In: SPIE defense，security，and sensing international society for optics and photonics ［C］． US: Orlando FL，2011，2021－2028． ［13］ Li Y Y，Dhakal S，Peng Y K． A machine vision system for identification of microcrack in egg shell［J］． J． Food Engin．，2012，109( 1) : 127－134． [14] 王巧华，邓小炎，文友先． 鸡蛋敲击响应的奇异性特征与蛋壳裂纹多层检测［J］． 农业机械 学报，2008，39( 12) : 127－131． [15] 丁天华，卢 伟，张 超，等． 基于 Welch 法功率谱和广义回归神经网络的禽蛋裂纹辨识［J］ ． 食品科学，2015，14: 156－160． ［16］ Lin H，Zhao J W，Chen Q S，et al．． Eggshell crack detection based on acoustic response and support vector data description algorithm ［J］． Eur． Food Ｒes． Technol． ，2009，230 ( 1) ：95－100． ［17］ Sun L，Bi X K，Lin H，et al．． On-line detection of eggshell crack based on acoustic resonance analysis ［J］． J． Food Engin．，2013，116( 1) : 240－245． ［18］ Jin C，Xie L J，Ying Y B． Eggshell crack detection based on the time-domain acoustic signal of rolling eggs on a step-plate［J］． J． Food Engin．，2015，153:53－62 ． [19] 张 超，卢 伟，丁为民，等． 基于扫频振动的禽蛋裂纹检测方法［J］． 食品与发酵工业， 2015，41( 6) :181－186． ［20］ Jin C，Xie L J，Ying Y B． Eggshell crack detection based on the time-domain acoustic signal of rolling eggs on a step-plate［J］． J． Food Engin．，2015，153:53－62 ．
潘磊庆等通过所采集的鸡蛋表面图像，运用 BP( back propagation) 神经网络模型识别鸡蛋表面裂纹区域，所建立模型
对裂纹鸡蛋的识别准确率达到92．9%，对整批鸡蛋分级准确率为
96．8%。 Pourreza等通过彩色图像中由鸡蛋缺陷引起的不连续性找到 目标区域，对图像进行二值化处理得到目标区域大小，并计算其与 鸡蛋投影外切矩形面积的比例值，根据该比例值与阈值的比较结果
接触式的检测方式必须将传感器与禽蛋紧密接触，且加速度
传感器具有很强的方向性，禽蛋外形一定程度上会影响信号的
一致性。
非接触式的检测方式目前大多数研究处于在试验室静态条件
下，采用较为复杂的信号处理、分类方法以及理想的实验装置 对该技术的可行性进行分析，但目前在蛋壳检测的全面性、不 同品种蛋壳与小裂纹信号差异性、不同尺寸禽蛋敲击信号一致 性等方面仍存在问题。
［1］ Pourreza H R，Pourreza-Shahri R，Fazeli S，et al．． Automatic detection of eggshell defects based on machine vision ［J］． J．Anim． Veter． Adv． ，2008，7( 10) : 1200－1203． ［2］ Lawrence K C，Yoon S C，Jones D R，et al．． Modified pressure system for imaging egg cracks［J］． Trans． ASABE，2009，52( 3) : 983－990． [3] 潘磊庆，屠 康，苏子鹏，等． 基于计算机视觉和神经网络检测鸡蛋裂纹的研究［J］． 农业工 程学报，2007，23( 5) : 154－158． [4] 熊利荣，谢 灿，祝志慧． 基于 Adaboosting_SVM 算法的多特征蛋壳裂纹识别［J］． 华中农 业大学学报，2015，34( 2) : 136－140． ［5］ 杨冬风，马秀莲． 基于分形纹理分析的蛋壳裂纹识别［J］．吉林大学学报: 工学版，2011， S1:348－352． [6] Jones D R，Lawrence K C，Yoon S C，et al．． Modified pressure imaging for egg crack detection and resulting egg quality ［J］． Poultry Sci．，2010，89( 4) : 761－765． ［7］ Yoon S C，Lawrence K C，Jones D R，et al．． Improved egg crack detection algorithm for modified pressure imaging system ［A］． In: SPIE defense，security，and sensing internatio ［8］ Li Y Y，Dhakal S，Peng Y K． A machine vision system for identification of microcrack in egg shell［J］． J． Food Engin．，2012，109( 1) : 127－134． [9]李竞. 基于机器视觉的鸭蛋蛋壳检测系统[D].中南大学,2013. [10]孙力. 禽蛋品质在线智能化检测关键技术研究[D].江苏大学,2013.
的亮斑、微小裂纹和普通裂纹均具有识别能力，模型判别正确率达
97．5%。
负压挤压方法：为了克服禽蛋裂纹自愈合能力和小裂纹所 造成的漏检影响，把具有微小裂纹的鸡蛋放置在小于大气压力
频率和阻尼比上，通过分析敲击响应产生的振动信号实现对 裂纹的识别。 根据传感器与被检禽蛋之间的接触情况，敲击振动技术 可分为 （1）接触式检测方式 （2）非接触式检测方式
接触式检测方式是指采用加速度传感器等测振传感器与 被检禽蛋紧密贴合，分析被检禽蛋受外界机械激励后在其表 面所产生振动的分布、扩散和衰减情况以实现对禽蛋品质的
外界光照条件下裂纹部位的反射、折射出现差异性，可通过数字图 像处理方法识别。机器视觉检测技术具有全面、直观反应蛋壳信息
的优点。 机器视觉检测裂纹的步骤
1.获取禽蛋图像
2.处理和分析禽蛋图像
3.建立禽蛋裂纹识别模式
一个典型的禽蛋视觉识别系统系统包括：光源、相机、暗 室、图像处理平台、数据传输模块等。大多数学者通过采集多 幅图像，并采用较为复杂的图像处理方法以克服表面反光差异 和污渍所引起的干扰。
进行判断，结果显示对鸡蛋表面缺陷的正确识别率为99%。
Cho 等用CCD 摄像头获取白织灯照射下的禽蛋蛋壳表面图像， 用 Sobel滤波后的图像轮廓圆滑度和几何形状作为检测蛋壳的标准，
建立的回归模型对破损禽蛋和完好鸡蛋的检测正确率分别为
97．5%和 90．5%。
熊利荣等从 5 个不同视角提取13 个能够表征无裂纹蛋和裂纹
和技术有较高的要求。
随着禽蛋生产和加工各个环节自动化程度不断提高，传
统的手工检测与破坏性抽检方法难以满足实际应用，快速、 无损、精确的检测方法更加适合现代农业化发展的需求。
产生了禽蛋蛋壳检测的新技术
红外光谱技术 机器视觉检测技术 敲击振动技术
机器视觉检测技术主要通过分析禽蛋表面的颜色特征识别鸡
蛋表面的裂纹，当禽蛋表面出现裂纹后会破坏其表面纹理特征，在
的环境，微小裂纹会因为负压力而变大，增强了裂纹的可视化
程度，提高了裂纹蛋的识别率。并且负压挤压方法对蛋壳品质 和安全均不造成影响。
a.常压下得到图像 b.负压下得到图像
Lawrence 等对禽蛋裂纹负压视觉检测系统进行进一步优 化，高分辨率单色相机单次可采集 20 个禽蛋图像，采用步
进电机带动禽蛋转动，拍摄4 组不同角度的大气压强和负压
且会发生种蛋爆裂，污染其他种蛋，因此需要对出现裂纹的种蛋采取进一 步处理以保证孵化质量; 蛋制品：破损禽蛋内部极易在腌制环境中被有害菌侵入、繁殖，不仅其本 身失去了食用价值，而且会污染腌制环境，对其他禽蛋产生交叉感染。
一方面破损和裂纹禽蛋的及时检出有利于提高鲜蛋的可食率、 种蛋的孵化率以及蛋制品品质；另一方面对蛋壳强度的预测可避 免生产、加工和销售过程中由于过载产生二次损伤。 目前禽蛋蛋壳品质的检 测仍以人工检测为主，人工 检测较为费时费力，效率低， 而且对检测人员的身体条件
姓名：xxx 学号：xxx
据统计，破损蛋 和裂纹蛋占产蛋总量的 6%以上， 禽蛋蛋壳破损检测 对于新鲜蛋、种蛋和蛋制品都极为重要。
鲜食蛋：禽蛋出现破损后，禽蛋内容物无法得到有效保护，微生物会侵入
禽蛋内部，随着储藏期的延长加速变质，会产生较大的食品安全问题，且 从破损处流出的内容物会污染其他禽蛋。
种蛋：蛋壳破损会造成孵化过程中水分过度蒸发，增加了胚胎的死亡率，
Lin 等自行搭建了禽蛋裂纹检测装置，对信号进行了滤 波处理，并采用支持向量数据描述实现分类，总体识别率能 达到 90%。 丁天华等构建了基于磁致伸缩振子扫频式振动的禽蛋裂 纹检测系统，采用 Welch 法 功 率 谱 分 析，所 建 立 的 G ＲNN( generalized regression neural network) 模型对无 损蛋与裂纹蛋的判别率分别达到 96．7%和 98．3%。
条件下的图像，通过对比同组图像的差异性以实现蛋壳裂纹 的识别，该系统整体耗时约为 40 s; 。 杨冬风等使用空气压力调节增大微小裂纹，根据完好和裂 纹蛋的纹理特征，使用分形维数对图像进行分析，以分形规 律曲线的维数和图像整体盒维数作为神经网络的特征向量， 对240 个预测集样本的识别正确率达到了98．36%。
பைடு நூலகம்
1. 对于小裂纹和蛋清填充裂纹的检测、污渍干扰和光照一致
性等方面的影响仍需要进一步研究。 2. 采用较为复杂的图像处理及判别模型会降低检测效率，难 以满足实时、在线需求，采用负压方法可放大裂纹的可视性， 但难以实现在线检测装置的设计。
从振动力学角度看，当禽蛋的蛋壳强度发生变化时，其
结构刚度和阻尼系数将随之变化，必然会反映到其模态固有
非接触式检测方式是指外界对禽蛋表面产生激励后，采用声波 传感器采集禽蛋与激振点之间的机械振动，分析该声学响应信号与 禽蛋蛋壳品质之间的关系。其优点在于所获取信号可表征蛋壳特征， 且信号的信息量相对较少，可快速完成蛋壳品质检测。
Jindal 等采用人工神经网络建立检测模型，分析判别裂 纹蛋和完好蛋的声音频谱，结果显示裂纹蛋的误判率为 2% ，完好鸡蛋误判率为10．17%。
[11] Jones D R，Lawrence K C，Yoon S C，et al．． Modified pressure imaging for egg crack detection and resulting egg quality ［J］． Poultry Sci．，2010，89( 4) : 761－765． ［12］ Yoon S C，Lawrence K C，Jones D R，et al．． Improved egg crack detection algorithm for modified pressure imaging system ［A］． In: SPIE defense，security，and sensing international society for optics and photonics ［C］． US: Orlando FL，2011，2021－2028． ［13］ Li Y Y，Dhakal S，Peng Y K． A machine vision system for identification of microcrack in egg shell［J］． J． Food Engin．，2012，109( 1) : 127－134． [14] 王巧华，邓小炎，文友先． 鸡蛋敲击响应的奇异性特征与蛋壳裂纹多层检测［J］． 农业机械 学报，2008，39( 12) : 127－131． [15] 丁天华，卢 伟，张 超，等． 基于 Welch 法功率谱和广义回归神经网络的禽蛋裂纹辨识［J］ ． 食品科学，2015，14: 156－160． ［16］ Lin H，Zhao J W，Chen Q S，et al．． Eggshell crack detection based on acoustic response and support vector data description algorithm ［J］． Eur． Food Ｒes． Technol． ，2009，230 ( 1) ：95－100． ［17］ Sun L，Bi X K，Lin H，et al．． On-line detection of eggshell crack based on acoustic resonance analysis ［J］． J． Food Engin．，2013，116( 1) : 240－245． ［18］ Jin C，Xie L J，Ying Y B． Eggshell crack detection based on the time-domain acoustic signal of rolling eggs on a step-plate［J］． J． Food Engin．，2015，153:53－62 ． [19] 张 超，卢 伟，丁为民，等． 基于扫频振动的禽蛋裂纹检测方法［J］． 食品与发酵工业， 2015，41( 6) :181－186． ［20］ Jin C，Xie L J，Ying Y B． Eggshell crack detection based on the time-domain acoustic signal of rolling eggs on a step-plate［J］． J． Food Engin．，2015，153:53－62 ．
潘磊庆等通过所采集的鸡蛋表面图像，运用 BP( back propagation) 神经网络模型识别鸡蛋表面裂纹区域，所建立模型
对裂纹鸡蛋的识别准确率达到92．9%，对整批鸡蛋分级准确率为
96．8%。 Pourreza等通过彩色图像中由鸡蛋缺陷引起的不连续性找到 目标区域，对图像进行二值化处理得到目标区域大小，并计算其与 鸡蛋投影外切矩形面积的比例值，根据该比例值与阈值的比较结果
接触式的检测方式必须将传感器与禽蛋紧密接触，且加速度
传感器具有很强的方向性，禽蛋外形一定程度上会影响信号的
一致性。
非接触式的检测方式目前大多数研究处于在试验室静态条件
下，采用较为复杂的信号处理、分类方法以及理想的实验装置 对该技术的可行性进行分析，但目前在蛋壳检测的全面性、不 同品种蛋壳与小裂纹信号差异性、不同尺寸禽蛋敲击信号一致 性等方面仍存在问题。
［1］ Pourreza H R，Pourreza-Shahri R，Fazeli S，et al．． Automatic detection of eggshell defects based on machine vision ［J］． J．Anim． Veter． Adv． ，2008，7( 10) : 1200－1203． ［2］ Lawrence K C，Yoon S C，Jones D R，et al．． Modified pressure system for imaging egg cracks［J］． Trans． ASABE，2009，52( 3) : 983－990． [3] 潘磊庆，屠 康，苏子鹏，等． 基于计算机视觉和神经网络检测鸡蛋裂纹的研究［J］． 农业工 程学报，2007，23( 5) : 154－158． [4] 熊利荣，谢 灿，祝志慧． 基于 Adaboosting_SVM 算法的多特征蛋壳裂纹识别［J］． 华中农 业大学学报，2015，34( 2) : 136－140． ［5］ 杨冬风，马秀莲． 基于分形纹理分析的蛋壳裂纹识别［J］．吉林大学学报: 工学版，2011， S1:348－352． [6] Jones D R，Lawrence K C，Yoon S C，et al．． Modified pressure imaging for egg crack detection and resulting egg quality ［J］． Poultry Sci．，2010，89( 4) : 761－765． ［7］ Yoon S C，Lawrence K C，Jones D R，et al．． Improved egg crack detection algorithm for modified pressure imaging system ［A］． In: SPIE defense，security，and sensing internatio ［8］ Li Y Y，Dhakal S，Peng Y K． A machine vision system for identification of microcrack in egg shell［J］． J． Food Engin．，2012，109( 1) : 127－134． [9]李竞. 基于机器视觉的鸭蛋蛋壳检测系统[D].中南大学,2013. [10]孙力. 禽蛋品质在线智能化检测关键技术研究[D].江苏大学,2013.