我國禽蛋無損檢測的現(xiàn)狀及分析

李敏+李芳環(huán)+黃麗

摘 要：禽蛋的品質檢測是禽蛋生產、加工過程中的重要環(huán)節(jié)之一，該文從禽蛋的內部品質、外部品質、儲存時間、孵化蛋成活性檢測以及禽蛋大小分級等方面對我國禽蛋無損檢測的現(xiàn)狀進行了闡述，內部品質檢測和禽蛋大小分級主要以機器視覺技術結合圖像處理技術為主；外部品質和儲存時間的檢測可以利用光學特性和聲學特性等，建立相關數(shù)學模型實現(xiàn)無損檢測；孵化蛋成活性檢測目前的方法是通過光譜技術并結合圖像信息，建立有效的數(shù)學模型，實現(xiàn)孵化前種蛋的定性檢測。

關鍵詞：禽蛋 無損檢測 機器視覺技術 光學無損檢測 新鮮度 大小分級 孵化蛋成活性檢測

中圖分類號：TS253 文獻標識碼：A 文章編號：1672-3791（2017）04（b）-0109-02

1 國內禽蛋產業(yè)發(fā)展現(xiàn)狀

我國是世界第一禽蛋生產大國，禽蛋產業(yè)不但在我國農業(yè)中占有重要地位，而且是關系國計民生和社會穩(wěn)定的重要產業(yè)。據(jù)統(tǒng)計數(shù)據(jù)分析，雞蛋消費以鮮蛋為主，鴨蛋大部分是經(jīng)過再制和加工后再使用，鵪鶉蛋的鮮銷和再加工比例接近1∶1。

相比較產業(yè)集中、加工趨升、品質提升的國際蛋業(yè)未來發(fā)展趨勢而言，我國蛋品的集中化程度和產業(yè)發(fā)展水平都較低，而且相比較發(fā)達國家集約化產銷體系規(guī)模大、產業(yè)集中度高等特征，我國較大型的蛋品加工企業(yè)較少，蛋品集中化程度和產業(yè)化發(fā)展水平較低。但是，近年來，我國的禽蛋加工業(yè)也有了一定的發(fā)展，尤其是禽蛋的無損檢測方面。

無損檢測，即非破壞性檢測，是在不破壞待測物原來的狀態(tài)、化學性質等前提下，為了獲取與待測物品質有關的內容、性質或成分等物理、化學情報所采用的檢測方法。

目前，我國禽蛋的無損檢測主要集中在以下幾個方面：禽蛋的內部品質檢測、外部品質檢測、禽蛋儲存時間的檢測、孵化蛋成活性的檢測以及大小的自動分級等方面。

2 禽蛋無損檢測的現(xiàn)狀

2.1 禽蛋的內部品質檢測

禽蛋的內部品質檢測主要是針對新鮮度的檢測。禽蛋新鮮度的主要檢測指標包括3個方面：氣室的大小、蛋黃哈夫值、蛋黃指數(shù)。根據(jù)國際上新鮮禽蛋內部品質的檢測標準，用蛋黃指數(shù)和蛋黃哈夫值作為禽蛋新鮮度的評價標準[1]。禽蛋新鮮度的檢測可以利用光學特性、計算機視覺等方法來實現(xiàn)。

光學無損檢測的原理是：光照射到物體上以后，光能一部分被外表面反射；一部分進入物體內遇到細胞結構或產生散射，或被物體所吸收；其余部分則透過物體。由于被測物體的內部成分、表面狀況、入射光波長以及折射率等因素都各不相同，因此通過入射光照射物體得到反射、折射和散射等比例不一樣。2002年，劉燕德等利用光學無損檢測原理，取波長為200～600 nm的入射光，通過實驗分析該波段內雞蛋新鮮度的光特性，分析雞蛋內部品質與透射特性的關系，對雞蛋新鮮度做出估量，證實了利用雞蛋投射特性對雞蛋進行無損檢測和分級是可行的[2]。

機器視覺技術是人工智能的一個分支。簡單來說，機器視覺就是用機器代替人眼來做測量和判斷。計算機視覺系統(tǒng)利用相機獲得被測目標的圖像并將其轉換為數(shù)字信號，再將該信號傳送給專用的圖像處理系統(tǒng)，得到被攝對象目標的形態(tài)信息，根據(jù)像素分布和亮度、顏色等信息，轉變成數(shù)字化信號；并通過合適的算法提取圖像特征值作為圖像分析的依據(jù)。2014年，楊簡等人利用機器視覺裝置獲取雞蛋透射圖像，進行圖像處理并提取合適的特征參數(shù)，在BP神經(jīng)網(wǎng)絡中引入灰色理論，建立灰色神經(jīng)網(wǎng)絡，并以該參數(shù)集為樣本訓練灰色神經(jīng)網(wǎng)絡，預測雞蛋哈夫值，檢測雞蛋的新鮮度。試驗結果表明，灰色神經(jīng)網(wǎng)絡預測精度較高，哈夫值殘差為5.268 4，雞蛋分級的正確率為92.7%[3]。2015年，劉艷等人通過冷光源照射獲取雞蛋彩色透光圖像，在自適應灰度調整和改進空間濾波等預處理的基礎上，利用閾值分割法并結合最小二乘法進行蛋黃橢圓擬合，提取與雞蛋新鮮度相關的3個特征參數(shù)，采用梯度下降算法得到雞蛋透光圖像三元新鮮度模型。經(jīng)檢驗，該模型具有較高的可靠性，可對禽蛋進行實施新鮮度檢測與分級[4]。

2.2 禽蛋的外部品質檢測

禽蛋分級檢測的主要指標是輪廓特征，可用蛋形指數(shù)（蛋形指數(shù)=蛋的縱軸/蛋的橫軸）表示。根據(jù)國內外禽蛋分級標準，蛋殼顏色、外形輪廓、質量、顏色等都可以作為禽蛋外部品質分級的特征參數(shù)。禽蛋外部品質檢測的主要方法有利用動力學、聲學特性和機器視覺等。2003年，丁幼春利用機器視覺技術，分別對鴨蛋蛋心顏色、蛋殼厚度、蛋的新鮮度以及質量進行檢測，利用光密度值進行模糊識別，建立相應模型并得到鴨蛋大小及蛋心顏色自動分級系統(tǒng)[5]。2004年，王樹才等人利用敲擊聲音信號進行禽蛋破損檢測和模糊識別，該試驗結果表明，可以利用正常蛋、破損蛋、鋼殼蛋、尖嘴蛋的敲擊聲音信號在衰竭時間、最小共振峰頻率和四點最大頻率差等參數(shù)上存在的差異性，實現(xiàn)破損蛋的識別，準確率達95% [6]。2006年，熊利榮等人利用機器視覺系統(tǒng)得到雞蛋圖像，經(jīng)圖像處理技術提取能夠表征雞蛋大小的特征參數(shù)（蛋的像素和A、長軸長L、短軸長S、蛋型指數(shù)K），建立了重量和短軸之間的線性回歸模型，該模型能夠檢測雞蛋的外形尺寸。試驗結果表明，雞蛋的大小與像素和A以及短軸之間均存在顯著線性相關關系，修正后的模型相關系數(shù)達到了0.981[7]。

2.3 孵化蛋成活性的檢測

種蛋孵化率的高低是影響?zhàn)B殖業(yè)經(jīng)濟效益的一個重要因素，而種蛋受精率的高低在很大程度上決定了孵化率的高低。據(jù)統(tǒng)計數(shù)據(jù)研究表明，種蛋的受精率一般低于90%。鑒別孵前或孵化早期無精蛋是禽蛋生產的難題之一，目前主要有有機器視覺、利用近紅外光譜和高光譜等方法實現(xiàn)孵前種蛋的檢測。2000年，陳家娟等人在獲取孵化雞蛋色度直方圖的基礎上提取孵化雞蛋表面顏色作為特征值，并結合遺傳神經(jīng)網(wǎng)絡，建了一套適合于孵化雞蛋可成活性自動檢測的機器視覺系統(tǒng)[8]。 2012年，祝志慧等人利用近紅外漫反射光譜分析技術對種蛋中的無精蛋和受精蛋進行檢測，通過對不同波段范圍、不同主成分因子數(shù)和不同光譜預處理方法對種蛋類型檢測結果的比較分析，建立種蛋的定性檢測模型。該研究為孵前無精蛋和受精蛋的無損檢測提供了新的途徑[9]。2015年，祝志慧等人運用高光譜成像技術將圖像信息與光譜信息結合起來，通過研究孵化前受精蛋與無精蛋的圖像差異、光譜差異，運用高光譜成像技術，結合圖像信息和光譜信息，提取圖像的特征值，運用不同的方法建立關于孵化前受精蛋和無精蛋分類的判別模型，并比較。實驗結果表明，利用RVM檢測孵化前受精信息具有可行性，可以提高檢測模型的精度[10]。

3 禽蛋無損檢測的現(xiàn)狀分析

在廣泛閱讀國內禽蛋品質無損檢測技術相關文獻的基礎上，了解到，目前我國禽蛋品質的無損檢測主要集中在禽蛋新鮮度，儲藏時間；禽蛋大小、顏色分級以及禽蛋蛋殼裂縫檢測；孵化蛋、種蛋和無精蛋檢測等方面。禽蛋新鮮度和大小顏色分級的檢測方法主要通過有機器視覺技術、光學無損檢測技術、利用聲學特性結合機器視覺技術，建立新鮮度相關的數(shù)學模型和大小分級模型；孵化前種蛋和無精蛋的鑒別雖然暫時還沒有實現(xiàn)精度很高的鑒別方法和模型，但是近紅外光譜漫反射光譜分析技術和高光譜成像技術的運用，為禽蛋孵化前受精信息的定性檢測提供了新的方法和思路。但是，綜合以上分析來看，目前我國禽蛋品質的無損檢測仍存在一些問題有待改進。

（1）目前，有關禽蛋品質檢測的研究和實驗品種及檢測功能都比較單一，相關研究應該在現(xiàn)有成熟技術手段和方法的基礎上結合實際生產的需要，適當拓展試驗品種，綜合檢測項目，以滿足禽蛋業(yè)發(fā)展品質提升的趨勢。

（2）利用光學、聲學特性無損檢測雖然已經(jīng)取得一定成果，但與實際生產需要仍有距離?？梢钥紤]將這些成熟技術與一些精密儀器和機械結合起來，投入到實際的生產線中。

（3）禽蛋孵化前種蛋的鑒別檢測仍然是需要攻克的難題，雖然目前已經(jīng)提出了可行的檢測方法，并實現(xiàn)了定性的檢測，但是孵化中死胚蛋的鑒別檢測方法有待進一步研究。

針對以上問題，在今后的禽蛋品質檢測的探索中，研究者一方面需要跟蹤世界先進技術，另一方面尋求圖像增強、分割、特征提取、提高無損檢測準確性的算法和判別模型。

參考文獻

[1] 楊旭，鄭麗敏.計算機視覺在禽蛋品質檢測中的應用研究進展[J].農機化研究，2008，9（9）：168-170.

[2] 劉燕德，喬振先.雞蛋光特性及其與新鮮度的相關性研究[J].江西農業(yè)大學學報，2002，24（1）：45-48.

[3] 楊簡，潘賀，李太浩，等.基于灰色神經(jīng)網(wǎng)絡的蛋品新鮮度無損檢測的研究[J].中國農機化學報，2014，35（1）：229-234.

[4] 劉艷，李慶武，黃小微，等.雞蛋圖像特征提取與新鮮度檢測模型研究[J].科學技術與工程，2015，15（25）：72-77.

[5] 丁幼春.基于機器視覺鴨蛋品質無損自動檢測分級系統(tǒng)的改進[D].華中農業(yè)大學，2003.

[6] 王樹才，任奕林，陳紅，等.利用敲擊聲音信號進行禽蛋破損檢測和模糊識別[J].農業(yè)工程學報，2004，20（4）：130-133.

[7] 熊利榮，王樹才，任奕林，等.雞蛋大小等級模型的修正[J].農機化研究，2006（2）：104-105.

[8] 陳佳娟，陳曉光.采用計算機視覺進行孵化雞蛋成活率可能性的自動檢測[J].計算應用與軟件，2001（18）：5-10.

[9] 祝志慧，王巧華，王樹才，等.基于近紅外光譜的孵前種蛋檢測[J].光譜學與光譜分析，2012，32（4）：962-965.

[10] 祝志慧，劉婷，馬美湖.基于高光譜信息融合和相關向量機的種蛋無損檢測[J].農業(yè)工程學報，2015，31（15）：285-292.