禽蛋裂紋檢測技術進展

1、 據(jù)統(tǒng)計，破損蛋 和裂紋蛋占產蛋總量的 6%以上， 禽蛋蛋殼破損檢測對于新鮮蛋、種蛋和蛋制品都極為重要。鮮食蛋：禽蛋出現(xiàn)破損后，禽蛋內容物無法得到有效保護，微生物會侵入禽蛋內部，隨著儲藏期的延長加速變質，會產生較大的食品安全問題，且從破損處流出的內容物會污染其他禽蛋。 種蛋：蛋殼破損會造成孵化過程中水分過度蒸發(fā)，增加了胚胎的死亡率，且會發(fā)生種蛋爆裂，污染其他種蛋，因此需要對出現(xiàn)裂紋的種蛋采取進一步處理以保證孵化質量; 蛋制品：破損禽蛋內部極易在腌制環(huán)境中被有害菌侵入、繁殖，不僅其本身失去了食用價值，而且會污染腌制環(huán)境，對其他禽蛋產生交叉感染。 一方面破損和裂紋禽蛋的及時檢出有利于提高鮮蛋的可食

2、率、種蛋的孵化率以及蛋制品品質；另一方面對蛋殼強度的預測可避免生產、加工和銷售過程中由于過載產生二次損傷。 目前禽蛋蛋殼品質的檢測仍以人工檢測為主，人工檢測較為費時費力，效率低，而且對檢測人員的身體條件和技術有較高的要求。 隨著禽蛋生產和加工各個環(huán)節(jié)自動化程度不斷提高，傳統(tǒng)的手工檢測與破壞性抽檢方法難以滿足實際應用，快速、無損、精確的檢測方法更加適合現(xiàn)代農業(yè)化發(fā)展的需求。 產生了禽蛋蛋殼檢測的新技術紅外光譜技術機器視覺檢測技術敲擊振動技術 機器視覺檢測技術主要通過分析禽蛋表面的顏色特征識別雞蛋表面的裂紋，當禽蛋表面出現(xiàn)裂紋后會破壞其表面紋理特征，在外界光照條件下裂紋部位的反射、折射出現(xiàn)差異性，

3、可通過數(shù)字圖像處理方法識別。機器視覺檢測技術具有全面、直觀反應蛋殼信息的優(yōu)點。機器視覺檢測裂紋的步驟1.獲取禽蛋圖像2.處理和分析禽蛋圖像3.建立禽蛋裂紋識別模式 一個典型的禽蛋視覺識別系統(tǒng)系統(tǒng)包括：光源、相機、暗室、圖像處理平臺、數(shù)據(jù)傳輸模塊等。大多數(shù)學者通過采集多幅圖像，并采用較為復雜的圖像處理方法以克服表面反光差異和污漬所引起的干擾。 潘磊慶等通過所采集的雞蛋表面圖像，運用 BP( back propagation) 神經網絡模型識別雞蛋表面裂紋區(qū)域，所建立模型對裂紋雞蛋的識別準確率達到929%，對整批雞蛋分級準確率為 968%。 Pourreza等通過彩色圖像中由雞蛋缺陷引起的不連續(xù)性

4、找到目標區(qū)域，對圖像進行二值化處理得到目標區(qū)域大小，并計算其與雞蛋投影外切矩形面積的比例值，根據(jù)該比例值與閾值的比較結果進行判斷，結果顯示對雞蛋表面缺陷的正確識別率為99%。Cho 等用CCD 攝像頭獲取白織燈照射下的禽蛋蛋殼表面圖像，用 Sobel濾波后的圖像輪廓圓滑度和幾何形狀作為檢測蛋殼的標準，建立的回歸模型對破損禽蛋和完好雞蛋的檢測正確率分別為 975%和 905%。 熊利榮等從 5 個不同視角提取13 個能夠表征無裂紋蛋和裂紋蛋的特征參數(shù)，并采用 Adaboosting 算子對特征參數(shù)進行優(yōu)化，所建立的 SVM( support vector machine) 判別模型對蛋殼表面的亮

5、斑、微小裂紋和普通裂紋均具有識別能力，模型判別正確率達 975%。 負壓擠壓方法：為了克服禽蛋裂紋自愈合能力和小裂紋所造成的漏檢影響，把具有微小裂紋的雞蛋放置在小于大氣壓力的環(huán)境，微小裂紋會因為負壓力而變大，增強了裂紋的可視化程度，提高了裂紋蛋的識別率。并且負壓擠壓方法對蛋殼品質和安全均不造成影響。a.常壓下得到圖像 b.負壓下得到圖像Lawrence 等對禽蛋裂紋負壓視覺檢測系統(tǒng)進行進一步優(yōu)化，高分辨率單色相機單次可采集 20 個禽蛋圖像，采用步進電機帶動禽蛋轉動，拍攝4 組不同角度的大氣壓強和負壓條件下的圖像，通過對比同組圖像的差異性以實現(xiàn)蛋殼裂紋的識別，該系統(tǒng)整體耗時約為 40 s; 。

6、楊冬風等使用空氣壓力調節(jié)增大微小裂紋，根據(jù)完好和裂紋蛋的紋理特征，使用分形維數(shù)對圖像進行分析，以分形規(guī)律曲線的維數(shù)和圖像整體盒維數(shù)作為神經網絡的特征向量，對240 個預測集樣本的識別正確率達到了9836%。1. 對于小裂紋和蛋清填充裂紋的檢測、污漬干擾和光照一致性等方面的影響仍需要進一步研究。2. 采用較為復雜的圖像處理及判別模型會降低檢測效率，難以滿足實時、在線需求，采用負壓方法可放大裂紋的可視性，但難以實現(xiàn)在線檢測裝置的設計。 從振動力學角度看，當禽蛋的蛋殼強度發(fā)生變化時，其結構剛度和阻尼系數(shù)將隨之變化，必然會反映到其模態(tài)固有頻率和阻尼比上，通過分析敲擊響應產生的振動信號實現(xiàn)對裂紋的識別。

7、 根據(jù)傳感器與被檢禽蛋之間的接觸情況，敲擊振動技術可分為 （1）接觸式檢測方式 （2）非接觸式檢測方式 接觸式檢測方式是指采用加速度傳感器等測振傳感器與被檢禽蛋緊密貼合，分析被檢禽蛋受外界機械激勵后在其表面所產生振動的分布、擴散和衰減情況以實現(xiàn)對禽蛋品質的檢測。敲擊瞬間的振動特性研究目前還處于基礎研究階段。Zhao 等分別提取了 10 個和 20 個區(qū)間頻率、最大振幅及其對應頻率作為特征參數(shù)輸入至主成分分析和線性判別模型，結果表明采用 10 個主頻頻率的線性判別模型具有更高的識別能力。胥沛霆等搭建了多傳感器禽蛋表面振動檢測裝置，通過電機帶動敲擊棒作為激勵源，并在禽蛋短軸上等間隔布置 3個加速度

8、傳感器以檢測通過敲擊激勵所產生的振動響應信號用于表征完好雞蛋和裂紋雞蛋的抗壓性，完好雞蛋與裂紋雞蛋的振動響應信號有明顯區(qū)別。 非接觸式檢測方式是指外界對禽蛋表面產生激勵后，采用聲波傳感器采集禽蛋與激振點之間的機械振動，分析該聲學響應信號與禽蛋蛋殼品質之間的關系。其優(yōu)點在于所獲取信號可表征蛋殼特征，且信號的信息量相對較少，可快速完成蛋殼品質檢測。 Jindal 等采用人工神經網絡建立檢測模型，分析判別裂紋蛋和完好蛋的聲音頻譜，結果顯示裂紋蛋的誤判率為 2%，完好雞蛋誤判率為1017%。 Lin 等自行搭建了禽蛋裂紋檢測裝置，對信號進行了濾波處理，并采用支持向量數(shù)據(jù)描述實現(xiàn)分類，總體識別率能達到

9、90%。 丁天華等構建了基于磁致伸縮振子掃頻式振動的禽蛋裂紋檢測系統(tǒng)，采用 Welch 法 功 率 譜 分 析，所 建 立 的 GNN( generalized regression neural network) 模型對無損蛋與裂紋蛋的判別率分別達到 967%和 983%。接觸式的檢測方式必須將傳感器與禽蛋緊密接觸，且加速度傳感器具有很強的方向性，禽蛋外形一定程度上會影響信號的一致性。 非接觸式的檢測方式目前大多數(shù)研究處于在試驗室靜態(tài)條件下，采用較為復雜的信號處理、分類方法以及理想的實驗裝置對該技術的可行性進行分析，但目前在蛋殼檢測的全面性、不同品種蛋殼與小裂紋信號差異性、不同尺寸禽蛋敲擊信

10、號一致性等方面仍存在問題。1 Pourreza H R，Pourreza-Shahri R，F(xiàn)azeli S，et al Automatic detection of eggshell defects based on machine visionJ JAnim Veter Adv ，2008，7( 10) : 120012032 Lawrence K C，Yoon S C，Jones D R，et al Modified pressure system for imaging egg cracksJ Trans ASABE，2009，52( 3) : 983990 3 潘磊慶，屠 康，蘇子鵬

11、，等 基于計算機視覺和神經網絡檢測雞蛋裂紋的研究J 農業(yè)工程學報，2007，23( 5) : 154158 4 熊利榮，謝 燦，祝志慧 基于 Adaboosting_SVM 算法的多特征蛋殼裂紋識別J 華中農業(yè)大學學報，2015，34( 2) : 1361405 楊冬風，馬秀蓮 基于分形紋理分析的蛋殼裂紋識別J吉林大學學報: 工學版，2011，S1:348352 6 Jones D R，Lawrence K C，Yoon S C，et al Modified pressure imaging for egg crack detection and resulting egg quality J

12、 Poultry Sci，2010，89( 4) : 7617657 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 internatio8 Li Y Y，Dhakal S，Peng Y K A machine vision system for identification of micro-crack in egg shellJ J

13、Food Engin，2012，109( 1) : 127134 9李競. 基于機器視覺的鴨蛋蛋殼檢測系統(tǒng)D.中南大學,2013. 10孫力. 禽蛋品質在線智能化檢測關鍵技術研究D.江蘇大學,2013. 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) : 76176512 Yoon S C，Lawrence K C，Jones D R，et al Improv

14、ed 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，2011，2021202813 Li Y Y，Dhakal S，Peng Y K A machine vision system for identification of micro-crack in egg shellJ J Food Engin，

15、2012，109( 1) : 127134 14 王巧華，鄧小炎，文友先 雞蛋敲擊響應的奇異性特征與蛋殼裂紋多層檢測J 農業(yè)機械學報，2008，39( 12) : 127131 15 丁天華，盧 偉，張 超，等 基于 Welch 法功率譜和廣義回歸神經網絡的禽蛋裂紋辨識J 食品科學，2015，14: 15616016 Lin H，Zhao J W，Chen Q S，et al Eggshell crack detection based on acoustic response and support vector data description algorithmJ Eur Food es Technol，2009，230 ( 1) ：9510017 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) : 24024518 Jin C，Xie L J，Ying Y B Eggshell crack detection based on the time-domain acoustic signal of rolling eggs on a