陈静,梁俊毅
广西工业职业技术学院(南宁 530000)
随着生活水平的不断提高,人们对禽蛋的日均消耗量不断增多,对禽蛋品质要求越来越高。禽蛋外壳裂纹极易受到细菌污染而发生腐败变质,及时检测挑选出次品禽蛋,有利于保障食品安全,提升禽蛋生产企业形象,提高产品品质。实现禽蛋外观品质检测的高速化、智能化具有重要的实际意义和现实意义,对禽蛋的包装、运输起着决定性作用[1-3]。
国内企业对禽蛋外观进行检测,通常采用人工检测方法,人工检测方法对禽蛋裂纹和污点检测准确率低,劳动工人强度大,检测效率和准确率均依赖在线检测人员技术熟练程度,这严重制约生产企业的快速发展。
机器视觉,通过相机获取待检测物图像,利用图像处理技术进行处理、分析得到控制参数,进而实现生产过程控制的一种人工智能技术。在整个检测过程中,检测设备不会直接接触产品,可以避免二次损害或污染。依靠红外线、微波等扫描技术,可以最大程度地扩展检测范围。机器检测的稳定性比较好,能够长时间工作且不受环境因素影响。但是,当前的检测系统仍存在漏检、误检等情况,检测精度有待进一步提高[4-5]。
因此,设计一种用于禽蛋外观缺陷的视觉检测方法。通过CCD相机采集禽蛋外观图像,利用模板匹配、边缘检测、中值滤波等图像处理技术获得禽蛋外观信息,实现外观缺陷检测。
机器视觉禽蛋检测系统主要由图像采集卡、光源、传送装置、摄像机、计算机以及其他辅助设备组成,机器视觉检测系统如图1所示。机器视觉在线检测系统通过CCD摄像机和图像采集卡对图像进行采集,并将图像传送到计算机中,计算机通过图像处理算法对图像进行处理和分析计算,最终获取图像的所有数据,并将数据与数据库中数据进行比对,最终做出品质判断。
禽蛋图像采集装置的作用是采集禽蛋外观图像,采集装置包括CCD工业相机、光源、传送装置等。
相机选择时不仅需要考虑其工作性能是否能够满足检测系统的设计要求,还要兼顾其数据传输过程中是否对系统产生影响。相机选型过程中需综合考虑分辨率、图像传输速度、曝光时间及接口形式等。试验选用VCC-3CL5M相机,相机具体参数如表1所示。
图1 机器视觉检测系统结构
表1 工业相机参数
在机器视觉系统中,图像采集卡主要负责控制CCD相机进行拍摄,并将采集的图像进行放大和数字化处理;图像采集卡还与PC机通过总线连接将数据快速地输送到PC机,传输速率为130 MB/s。
选用加拿大Matrox公司研制的Matrox Meteor-Ⅱ系列图像采集卡,采集卡功能强大,拥有32位PCI总线,可将图像信息快传送到PC机中,并内置4 MB SGRAM缓存,保证图像数据的实时传送。支持2路RGB信号,能够实现黑白视频信号采集,拥有多个可编程LUT。采用通用的32-bit/33MHz PCI总线,总线模式以更高传输速度进行传送而不需要连续占用主机资源。
待检测禽蛋在传送装置的带动下匀速运动,每枚禽蛋依次经过传送装置上的传感器,进入到CCD摄像机的拍摄范围,当传感器检测到信号后相机拍照指令便被触发进行图像采集。相机将采集信息依次传送到图像采集卡和PC计算机中,计算机对得到的原始图像依次进行预处理,并计算出禽蛋的特征参数,对禽蛋进行识别分类,判断其是否合格。禽蛋不合格时,PC机发出相应指令控制剔除机构将次品挑出。
系统运用模板匹配算法对采集到的图像中的禽蛋区域进行定位。模板匹配是通过设置1个模板图像,在采集图像K(m,n)中通过相关的搜索,寻找与模板图像T(h,w)最相似部分,模板匹配数学模型为[6-8]:
式中:E(i,j)为相似度;H为沿着横坐标搜索范围最大值;W为沿着纵坐标搜索范围最大值;(h,w)为图像中像素点坐标;T为模板图像。
利用相互关联法判断两幅图像的相似性,相互法数学模型为:
在经过模板匹配算法后,使用边缘检测算法对采集的图像进行处理,采用拉普拉斯算法对图像进行检测和边缘目标提取,拉普拉斯算法数学模型为:
以f(m,n)为中心的对角线4邻点的集合表示为:
拉普拉斯数学模型转化为模板,模板对应数学模型为:
图像在传输过程中由于受外部因素干扰,容易使图像受到噪声污染。噪声污染后的图像,其图像边缘模糊。为滤除图像中噪声,使用中值滤波算法解决这一缺陷,中值滤波算法不仅能够有效滤除图像中噪声,同时又能保留图像中的边缘。中值滤波算法数学模型为:
采用中值滤波算法对禽蛋图像进行去噪处理后,得到的滤波图像如图2所示。禽蛋噪声得到有效滤除,而图像中其他细节也被很好地保留,从而有利于图像中有用信息保留。
图2 滤波图像
为了验证设计的机器视觉的禽蛋外观品质在线检测系统有效性,进行相关试验分析。
图3 禽蛋采集图像
鸡蛋表面的情况通常存在裂纹、污点等,禽蛋外观检测就是要检测出表面存在问题的禽蛋。通过设计的机器视觉检测系统对传送过来的禽蛋进行检测,采集图像如图3所示。图3(a)为裂纹禽蛋原图,图3(b)为裂纹禽蛋采集图像,图3(c)为污点禽蛋原图,图3(d)为污点禽蛋采集图像。
为进一步验证检测系统的准确性,利用设计的方法对100枚禽蛋分别进行检测,其中表面裂纹禽蛋30枚、划痕禽蛋20枚、污点禽蛋40枚、正常禽蛋10枚,检测识别结果如表2所示。结合图3可以看出,采用设计的机器视觉检测系统能够实现禽蛋外表100%破损检测。
表2 检测识别结果
设计一种基于机器视觉技术的禽蛋外观品质检测系统,采用CCD相机、光源、图像采集卡、计算机等作为系统硬件,采集到的图像经过图像模板匹配、图像边缘检测及图像中值滤波算法处理,试验结果表明,视觉检测系统能够实现禽蛋外观图像的采集,基于机器视觉检测系统能够实现禽蛋外观多种缺陷的检测,检测准确率可达100%。