雞蛋新鮮度與雞蛋指數(shù)的關系研究

雞蛋新鮮度與雞蛋指數(shù)的關系研究

0彩色圖像采集技術的應用檢測雞的新鮮度在儲存、加工和流通蛋產品中起著重要作用。然而，長期以來，對雞的新鮮度損害的檢測一直是一個難題。中國的許多中小企業(yè)使用人工蛋皮薄、重量等物理方法來檢測雞的質量。因此，它們受到主觀因素的影響，產水效率低。近些年來,國內外一些高校、研究機構研究人員利用圖像處理和計算機視覺技術探索檢測雞蛋新鮮度的方法。丁幼春,提出鴨蛋動態(tài)圖像預處理和獲取顏色特征參數(shù)的算法,利用圖像的紅色分量R來判定蛋圖像邊界點,并以此識別蛋圖像輪廓,并搜索到蛋圖像邊界和計算出蛋內像素和;同時用圓形自動搜索法求出蛋芯顏色特征區(qū)域并提取圖像特征顏色參數(shù)。王巧華提出基于BP神經網絡的雞蛋新鮮度無損檢測方法,采用HIS模型中圖像亮度(I)分量提取雞蛋蛋殼顏色信息,有效地分級白殼和褐殼蛋,建立蛋心顏色與色度(H)、亮度(I)、飽和度(S)分量之間的關系模型,并利用神經網絡檢測雞蛋的新鮮度。以上兩種分析方法主要是利用禽蛋的蛋心顏色特征分析禽蛋的新鮮度,對不同顏色的蛋殼具有局限性。美國佐治亞大學Patel提出了基于計算機視覺和神經網絡的彩色圖像采集系統(tǒng)檢測有裂紋、血斑、污點的雞蛋,利用顏色直方圖訓練神經網絡,比利用灰度直方圖訓練更優(yōu)越,尤其在裂紋檢測方面更具有容錯能力,血斑的檢測率達92.8%,污點的為85%,裂紋為87.8%,但該系統(tǒng)僅能檢測白殼蛋。本文采用2臺高分辨率工業(yè)數(shù)字攝像鏡頭,每次自動捕獲25只雞蛋圖像,基于計算機視覺技術分析雞蛋的圖像特征,利用雞蛋的圖像特征(蛋黃指數(shù)、氣室等)與實際特征建立相關性,探尋一種基于計算機視覺的雞蛋新鮮度、貯藏期快速無損的檢測方法。1材料和方法1.1實驗測定雞蛋圖像供試實驗雞蛋由北京德青源農業(yè)科技股份有限公司2008年6月10日提供,實驗在中國農業(yè)大學實驗室進行。在26~28℃條件下保存,實驗從第1天開始,每隔1d測量一次蛋重和哈夫值(即為新鮮度),并獲取雞蛋圖像信息,直至測到雞蛋散黃為止。試驗進行了40d,選用“德青源”紅皮雞蛋樣本240枚。1.2雞蛋圖像的采集本試驗裝置由中國農業(yè)大學自行設計,采用陜西維視公司的MV-3000UCCOMS數(shù)字攝像頭2臺,其分辨率最大為1568×1280,ComputerTM公司的定焦鏡頭(焦距為5mm),光源采用功率為5W的LED燈,且每盞燈的光照度均可達到10000Lx,光源數(shù)量與雞蛋數(shù)量相同,為了得到雞蛋完整圖像,兩個攝像頭相對,采用背向照明方式采集雞蛋得正面圖像后,再采集背面圖像,利用固定尺寸分割,處理單個雞蛋圖像。根據(jù)鏡頭焦距和視角范圍及拍攝要求,計算公式設計暗箱尺寸(正面拍攝尺寸304mm×330mm×340mm,反面拍攝尺寸320mm×330mm×340mm),同時采集25枚雞蛋的圖像信息,見圖1所示。2完善雞蛋資源2.1雞蛋實際圖像的圖像增強本試驗品種的雞蛋蛋心顏色為近紅色,因此根據(jù)RGB顏色空間中的R空間圖像提取蛋黃特征。根據(jù)本研究的特點,選擇迭代閾值與自適應閾值法的結合的方法,即改進的自適應閾值法。改進的區(qū)域增長算法描述如下:預先得到雞蛋的R圖像,利用冪指數(shù)方法進行圖像增強:1)利用下面微分方法銳化圖像利用二階差分公式:得到銳化后的圖像,然后利用區(qū)域生長算法分割蛋黃;2)選擇雞蛋質心(即蛋黃中心)為初始種子點;3)設定如果增長像素點與中心點像素差值小于某設定閾值,則包含。即初始時以種子點為中心點,考慮中心點4個鄰域像素,分別為上、左、下及右4個方向,如果其鄰域像素與中心點的差值滿足閾值,則將其鄰近像素點壓入堆棧;4)從堆棧中取出一個像素,并設置為中心點,重復步驟(3);5)直至堆棧為空,增長結束。圖2中表示的為經過上述方法進行處理的雞蛋蛋黃輪廓圖像。該方法結合自適應算法和迭代算法得到估計的閾值(即t),適合用于本試驗禽蛋透光不均勻、禽蛋表面噪聲等特點的圖像。2.2a,負端和負端正數(shù)綠色對雞蛋氣室特征提取,本研究采用Lab顏色模型,其中L表示亮度;a的正數(shù)代表紅色,負端代表綠色;b的正數(shù)代表黃色,負數(shù)表示藍色。因此預先得到圖像的L(亮度)圖像(如圖3a),利用指數(shù)函數(shù)法增強圖像(如圖3b)。2.2.1特定閾值分割法其區(qū)域合并方法實現(xiàn)如下:1)從整幅圖像開始把圖像每個像素定義成一個獨立的區(qū)域,建立一個鄰接區(qū)域矩陣,從圖像的(0,0)像素點開始搜索;2)計算每個區(qū)域和其8鄰域像素點的差值,如果小于特定閾值,則合并標記該連通區(qū)域,并以這區(qū)域與其鄰域像素的最小差值填充合并區(qū)域,否則繼續(xù)搜索下一個區(qū)域;直至整幅圖像搜索完畢。由于上述分割方法可能產生一些小的干擾噪聲(如圖4a),因此需要對分割圖像進行濾波干擾處理。3)利用固定閾值分割圖像,平滑圖像,濾除細小的干擾。4)根據(jù)本系統(tǒng)的實際需要,設置(如下圖4b)參數(shù),可剔除分割后最小面積小于某個預定像素值T,這里的T是通過大量的試驗方法得到最佳像素值,根據(jù)本試驗研究對象的特征,定義T=200像素,當最小面積小于T時濾除掉,大于則保留,最終得到氣室圖像,如圖4c、4d所示。2.2.2氣室面積和高度采用SN/T0422-95行業(yè)標準,氣室高度計算的方法單靠提取氣室的高度,不能有效的表示雞蛋的新鮮度。本研究提出利用氣室所包圍的面積和雞蛋總面積的比值作為評價雞蛋氣室特征的一個標志。具體方法如下:1)根據(jù)上述區(qū)域合并分割算法得到圖像,可以清晰分割出氣室的特征;2)通過處理圖像中物體的邊界像素,進行邊界編碼計算,根據(jù)曲率公式尋找曲率的局部最大值定位拐點,得到拐點C,取氣室的左右端點A和B點兩點到C點的距離,利用上述的氣室高度計算方法計算氣室的高度;同時取到氣室的左右端點A和B點兩點的距離AB,即為氣室直徑距離,見圖4d所示;3)近似氣室所包圍的圖形為橢圓形,利用橢圓面積公式:氣室高度近似為橢圓短軸,氣室直徑近似為橢圓長軸,最終得到氣室面積S。4)計算氣室面積S與雞蛋總面積area的比值。3新鮮度檢測模型3.1蛋黃指數(shù)的建立用在26~28℃下存儲“德清源”紅皮雞蛋75枚,用其每天測出雞蛋的新鮮度(即哈夫值),與蛋黃指數(shù)(即蛋黃面積與禽蛋總面積的比值)建立關系模型為式中:xyolk——圖像蛋黃指數(shù);y——實際禽蛋的哈夫值(即為新鮮度),R2=0.931,α<0.05,經F檢驗差異顯著,由上述可知蛋黃指數(shù)與新鮮度成線性關系(文中所有統(tǒng)計模型采用統(tǒng)計軟件SPASS10.0計算)。3.2紅皮雞蛋哈夫值測定由于雞蛋隨著存儲時間的增加,蛋的新鮮都會逐漸下降。仍用在26~28℃下存儲“德清源”紅皮雞蛋75枚,用其每天測出雞蛋的哈夫值(新鮮度),與貯藏天數(shù)建立關系模型為式中:xhaugh——蛋質量變化量;t——貯藏天數(shù)。經檢驗R2=0.976,α<0.05,經F檢驗差異顯著,由此可知貯藏天數(shù)與禽蛋的新鮮度有顯著函數(shù)關系。3.3貯藏期與雞蛋圖像特征的關系從圖5可以看出雞蛋貯藏期與雞蛋的新鮮度存在二次函數(shù)關系,從3.1得出雞蛋的新鮮度與雞蛋的圖像特征(雞蛋蛋黃指數(shù))的關系,因此可以推知雞蛋貯藏期與雞蛋的圖像特征(雞蛋蛋黃指數(shù)、雞蛋氣室指數(shù))有密切的關系,從而建立貯藏期與圖像特征的關系模型如下式中xBI——氣室指數(shù),R2=0.974,α<0.05,經過檢驗F檢驗差異顯著。4模型試驗和結果分析4.1貯藏期的預測從關系模型(1)可知雞蛋新鮮度與圖像蛋黃指數(shù)呈線性相關性,表1的預測哈夫值的相對平均誤差為6%,結果中只有兩個相對誤差大于10%,這也可能試驗誤差所致,總之表明從雞蛋圖像提取的蛋黃指數(shù)值,可以預測雞蛋的新鮮度。從關系模型(2)看出貯藏時間與雞蛋新鮮度具有二次函數(shù)關系,又從模型(1)得知,貯藏時間和雞蛋圖像特征的蛋黃指數(shù)會有關系,而氣室指數(shù)跟雞蛋氧化特性,與貯藏期相關,進而得到關系模型(3),即可利用獲取雞蛋圖像特征的蛋黃指數(shù)和氣室指數(shù)預測雞蛋貯藏期,由于氣室指數(shù)的引入,減少了文獻中蛋黃指數(shù)受到了禽蛋大小的干擾。從表1的結果看出禽蛋的蛋黃指數(shù)和氣室指數(shù)的特征可以預測雞蛋的新鮮度以及雞蛋大概貯藏時間,檢驗結果表明與雞蛋的實際貯藏天數(shù)的絕對誤差不超過2d,結果基本符合實際情況,該模型的建立不僅可以使企業(yè)、個人能更直觀的鑒別雞蛋新鮮度,還可以預測雞蛋的貯藏期。另外本試驗系統(tǒng)采用計算機處理器為IntelCore21.86GHz,物理內存為1GB,硬盤為120GB,顯存為512MB,測得每個雞蛋平均檢測速度為0.83s。由于雞蛋的新鮮度受許多因素的影響,如不同的品種的雞、不同的飼料喂養(yǎng)、不同的貯藏環(huán)境、溫度等,這些可能使禽蛋新鮮度產生變化,因此需要對該模型參數(shù)的選擇和使用上進一步完善和研究。5準雞蛋新鮮度定量分析1)為去除禽蛋蛋黃因禽蛋個體的差異而影響檢測準確性,本文經過試驗研究發(fā)現(xiàn)雞蛋的蛋黃和氣室的大小與雞蛋的新鮮度有密切關系,因此引入了雞蛋的氣室特征,該特征的提取不局限于雞蛋蛋殼的顏色,同時對雞蛋的品質無損傷,對于分析同種不同顏色不同時期的雞蛋的新鮮度特性具有重要意義。2)本文利用圖像處理技術,通過改進區(qū)域增長算法分割并成功提取了雞蛋的蛋黃和氣室圖像特征,這兩個雞蛋圖像特征蛋黃指數(shù)和氣室