基于物联网的皮蛋生产过程管理系统研发及应用

于国龙 崔忠伟 桑海伟 王桥 赵建川

摘 要：为了提升皮蛋生产过程的智能化，利用物联网技术智能实时监控皮蛋生产车间的温湿度，利用机器视觉和深度学习技术代替人工筛选皮蛋生产原材料鲜蛋的质量。实验测试显示，鲜蛋尺寸检测准确率达98%以上，鲜蛋表面破损检测准确率达84%以上，鲜蛋蛋黄形状检测准确率达92%以上，生产车间温度检测准确率达98%以上，生产车间湿度检测准确率达98%以上。

关键词：物联网;深度学习;温湿度;机器视觉;破损检测;尺寸检测

中图分类号：TP301.6文献标识码：A文章编号：2095-1302（2019）12-0-03

0 引 言

传统的皮蛋生产主要依靠人工对皮蛋生产环境及皮蛋质量进行筛选，不仅人工成本高，而且人工操作对皮蛋生产环境和皮蛋质量的把握都有很大误差，造成不合格产品过多，给经济效益带来很大损失，因此本文研究探索研发一种智能物联网自动化的皮蛋生产技术。

本文基于计算机视觉技术选择鲜蛋的理论，利用物联网技术监控皮蛋生产环境，开发计算机视觉判别鲜蛋品质的方法和装置，为实现多技术融合，快速准确检测鲜蛋品质，以及实现生产环境智能监控奠定基础，主要目标与任务需求如下。

（1）鲜蛋大小及表面破损检测

利用机器视觉技术对鲜蛋大小进行检测，使腌制出的皮蛋大小均匀，同时检测鲜蛋表面是否有破损，以免破损的鲜蛋影响腌制出的皮蛋质量。

（2）利用深度学习精确判断鲜蛋是否变质

建立利用深度学习检测新蛋质量的方法和装置模型，开发新蛋图像处理和分析软件，采用深度学习技术提高识别精度，并探讨计算机视觉检测蛋存在的问题和优缺点。

（3）利用物联网技术监控皮蛋生产环境

本文研究利用物联网技术采集皮蛋生产环境温湿度参数，对正常的生产环境温湿度参数进行建模分析，建立标准模型，对皮蛋生产环境进行监测与报警。

通过上述目标为企业皮蛋生产过程提供基于物联网的智能化生产技术，为企业降低生产成本，提高生产效率，提升產品质量提供技术支持。通过上述技术研究，不仅可以减轻工人的劳动强度，减少经济损失，提高皮蛋加工行业的自动化、机械化、现代化水平，而且对于推动我国蛋品行业的发展和产业升级都具有十分重要的意义。

1 系统设计

1.1 鲜蛋大小及表面破损检测设计

（1）鲜蛋大小检测

利用OpenCV工具，首先对样本图片进行二值化处理，然后增加所得图片的对比度，利用Canny对皮蛋轮廓进行边缘检测，再利用矩形逼近框出皮蛋轮廓，同时滤除干扰点，最后测量矩形尺寸。其中，原始样本如图1所示，鲜蛋大小和破损检测如图2所示，Canny处理的图片如图3所示，膨胀处理如图4所示[1-4]。

同样利用OpenCV工具，对鲜蛋表面进行破损检测。首先对样本图像进行灰度处理，并增加图像对比度，然后利用Canny进行鲜蛋表面裂缝边缘检测，再利用形态学寻找出所有连通域，并除噪，最后对每个连通域提取骨架，判断鲜蛋是否破损[5-7]。

1.2 鲜蛋蛋黄形状检测设计

在皮蛋生产过程中，前期选蛋是很重要的环节。前期鲜蛋不能出现变质情况，才能保证生产的皮蛋质量没有问题。一旦前期选择了变质的蛋，无论后续的过程多么严格，生产出来的皮蛋都不合格。

本文通过建立深度学习CNN模型，将采集到的未变质的鲜蛋蛋黄灯下照片作为深度学习的正样本模型，将采集到的已变质的蛋黄灯下照片作为深度学习的负样本模型。首先，利用Caffe工具将采集到的样本进行训练，然后将训练好的模型用来检测新测鲜蛋是否变质。检测系统[8-9]如图5所示。

1.3 温湿度检测设计

在皮蛋生产过程中，最重要的就是生产车间的温度和湿度控制。温度和湿度决定了生产出来的皮蛋质量。研究过程中考虑成本、稳定性、易操作等因素，本文设计以STC89C52单片机作为控制单元，以DHT11集成温湿度传感器采集皮蛋厂房的温湿度[10-11]。整个监测系统分为硬件系统与上位机软件系统两部分。

（1）硬件温湿度采集系统

硬件核心包括STC89C52单片机、DHT11传感器、1602LCD、蜂鸣器等。STC89C52单片机将DHT11传感器采集到的厂房温湿度数据处理后显示在LCD上，并将数据发至上位机。

（2）上位机温湿度监测系统

上位机接收到硬件监测系统发来的厂房温湿度数据，以曲线的形式实时动态显示出来，并可设置温湿度的上下限。如果采集到的实时温度超过了要求的上下限，就报警提示，使皮蛋生产厂房温湿度控制在合理范围内。

为了监测皮蛋生产厂房的温湿度，利用温湿度传感器设计一套温湿度实时采集系统，如图6所示。同时，为了对温湿度进行控制与报警，设计一套温湿度上位机管理软件，如图7所示。通过温湿度检测的软、硬件系统配合，可以实现对皮蛋生产环境中温湿度的实时监测与报警。

2 检测准确率测试分析

2.1 鲜蛋尺寸及蛋黄形状检测

通过随机抽取样本库中一定数量的鲜蛋样本图片，将机器视觉检测技术测量的鲜蛋尺寸与实际测量尺寸进行对比，将机器视觉检测的破损蛋与实际破损情况对比，将深度学习检测的蛋黄形状与实际变质蛋进行对比，得到的对比结果见表1～表3所列。测试结果显示，经过多次测试对比，鲜蛋尺寸的机器视觉检测准确率达98%以上，鲜蛋表面破损检测准确率达84%以上，鲜蛋蛋黄形状检测准确率达92%以上。

2.2 生产车间温度和湿度检测

随机抽取皮蛋生产车间的温湿度值，将其与实际温湿度值进行对比，检测结果见表4、表5所列。测试结果显示，本文方法测得的皮蛋生产车间温度检测准确率达98%以上，生产车间湿度检测准确率达98%以上。

3 结 语

本文通过利用机器视觉与深度学习相关技术，对皮蛋生产原材料鲜蛋的尺寸和表面是否有裂痕，以及蛋黄形状是否规则进行了检测。测试结果表明，本文方法效果良好，各项指标检测准确率均达到80%以上。同时，利用温湿度传感器对皮蛋生产车间温湿度进行测量，测试结果表明，本文设计的系统温湿度检测准确率均达到90%以上。

参 考 文 献

[1]郭瑞峰，袁超峰，杨柳，等.基于OpenCV的机器视觉尺寸测量研究[J].计算机工程与应用，2017，53（9）：253-257.

[2]韩茜茜，耿世勇，路向阳.基于机器视觉的尺寸测量应用综述[J].河南科技，2019（5）：8-10.

[3]冯西，吴静静，安伟.基于机器视觉的大尺寸工件自动测量系统[J].传感器与微系统，2019，38（4）：104-107.

[4]仲月娇，张新敏，徐阳.基于机器视觉塑料螺母尺寸测量方法研究[J].机械工程师，2019（3）：37-39.

[5]马旭，袁志成，王宇唯，等.基于机器视觉的育秧盘裂缝缺陷检测方法研究[J].现代农业装备，2019，40（1）：25-31.

[6]韩晓健，赵志成.基于计算机视觉技术的结构表面裂缝检测方法研究[J].建筑结构学报，2018，39（z1）：418-427.

[7]王睿，漆泰岳.基于机器视觉检测的裂缝特征研究[J].土木工程学报，2016，49（7）：123-128.

[8]赵欣洋，蔡超鹏，王思，等.基于深度学习的不规则特征识别检测技术[J].轻工机械，2019，37（3）：60-65.

[9]徐仙伟，曹霁.基于深度学习的交通标志识别算法[J].计算机时代，2019（6）：67-70.

[10]胡国南.基于物联网的温湿度采集系统[J].电子世界，2018（7）：192-193.

[11]杨凡，王宜怀，宋洪儒.基于窄带物联网应用架构的温湿度控制系统设计[J].电子技术应用，2018，44（7）：59-63.