基于機(jī)器視覺的禽蛋外觀品質(zhì)在線檢測系統(tǒng)設(shè)計(jì)

陳靜，梁俊毅

廣西工業(yè)職業(yè)技術(shù)學(xué)院（南寧 530000）

隨著生活水平的不斷提高，人們對禽蛋的日均消耗量不斷增多，對禽蛋品質(zhì)要求越來越高。禽蛋外殼裂紋極易受到細(xì)菌污染而發(fā)生腐敗變質(zhì)，及時檢測挑選出次品禽蛋，有利于保障食品安全，提升禽蛋生產(chǎn)企業(yè)形象，提高產(chǎn)品品質(zhì)。實(shí)現(xiàn)禽蛋外觀品質(zhì)檢測的高速化、智能化具有重要的實(shí)際意義和現(xiàn)實(shí)意義，對禽蛋的包裝、運(yùn)輸起著決定性作用[1-3]。

國內(nèi)企業(yè)對禽蛋外觀進(jìn)行檢測，通常采用人工檢測方法，人工檢測方法對禽蛋裂紋和污點(diǎn)檢測準(zhǔn)確率低，勞動工人強(qiáng)度大，檢測效率和準(zhǔn)確率均依賴在線檢測人員技術(shù)熟練程度，這嚴(yán)重制約生產(chǎn)企業(yè)的快速發(fā)展。

機(jī)器視覺，通過相機(jī)獲取待檢測物圖像，利用圖像處理技術(shù)進(jìn)行處理、分析得到控制參數(shù)，進(jìn)而實(shí)現(xiàn)生產(chǎn)過程控制的一種人工智能技術(shù)。在整個檢測過程中，檢測設(shè)備不會直接接觸產(chǎn)品，可以避免二次損害或污染。依靠紅外線、微波等掃描技術(shù)，可以最大程度地?cái)U(kuò)展檢測范圍。機(jī)器檢測的穩(wěn)定性比較好，能夠長時間工作且不受環(huán)境因素影響。但是，當(dāng)前的檢測系統(tǒng)仍存在漏檢、誤檢等情況，檢測精度有待進(jìn)一步提高[4-5]。

因此，設(shè)計(jì)一種用于禽蛋外觀缺陷的視覺檢測方法。通過CCD相機(jī)采集禽蛋外觀圖像，利用模板匹配、邊緣檢測、中值濾波等圖像處理技術(shù)獲得禽蛋外觀信息，實(shí)現(xiàn)外觀缺陷檢測。

1 機(jī)器視覺檢測系統(tǒng)介紹

1.1 機(jī)器視覺檢測系統(tǒng)組成

機(jī)器視覺禽蛋檢測系統(tǒng)主要由圖像采集卡、光源、傳送裝置、攝像機(jī)、計(jì)算機(jī)以及其他輔助設(shè)備組成，機(jī)器視覺檢測系統(tǒng)如圖1所示。機(jī)器視覺在線檢測系統(tǒng)通過CCD攝像機(jī)和圖像采集卡對圖像進(jìn)行采集，并將圖像傳送到計(jì)算機(jī)中，計(jì)算機(jī)通過圖像處理算法對圖像進(jìn)行處理和分析計(jì)算，最終獲取圖像的所有數(shù)據(jù)，并將數(shù)據(jù)與數(shù)據(jù)庫中數(shù)據(jù)進(jìn)行比對，最終做出品質(zhì)判斷。

1.2 圖像采集裝置

禽蛋圖像采集裝置的作用是采集禽蛋外觀圖像，采集裝置包括CCD工業(yè)相機(jī)、光源、傳送裝置等。

相機(jī)選擇時不僅需要考慮其工作性能是否能夠滿足檢測系統(tǒng)的設(shè)計(jì)要求，還要兼顧其數(shù)據(jù)傳輸過程中是否對系統(tǒng)產(chǎn)生影響。相機(jī)選型過程中需綜合考慮分辨率、圖像傳輸速度、曝光時間及接口形式等。試驗(yàn)選用VCC-3CL5M相機(jī)，相機(jī)具體參數(shù)如表1所示。

圖1 機(jī)器視覺檢測系統(tǒng)結(jié)構(gòu)

表1 工業(yè)相機(jī)參數(shù)

在機(jī)器視覺系統(tǒng)中，圖像采集卡主要負(fù)責(zé)控制CCD相機(jī)進(jìn)行拍攝，并將采集的圖像進(jìn)行放大和數(shù)字化處理；圖像采集卡還與PC機(jī)通過總線連接將數(shù)據(jù)快速地輸送到PC機(jī)，傳輸速率為130 MB/s。

選用加拿大Matrox公司研制的Matrox Meteor-Ⅱ系列圖像采集卡，采集卡功能強(qiáng)大，擁有32位PCI總線，可將圖像信息快傳送到PC機(jī)中，并內(nèi)置4 MB SGRAM緩存，保證圖像數(shù)據(jù)的實(shí)時傳送。支持2路RGB信號，能夠?qū)崿F(xiàn)黑白視頻信號采集，擁有多個可編程LUT。采用通用的32-bit/33MHz PCI總線，總線模式以更高傳輸速度進(jìn)行傳送而不需要連續(xù)占用主機(jī)資源。

2 圖像處理算法

待檢測禽蛋在傳送裝置的帶動下勻速運(yùn)動，每枚禽蛋依次經(jīng)過傳送裝置上的傳感器，進(jìn)入到CCD攝像機(jī)的拍攝范圍，當(dāng)傳感器檢測到信號后相機(jī)拍照指令便被觸發(fā)進(jìn)行圖像采集。相機(jī)將采集信息依次傳送到圖像采集卡和PC計(jì)算機(jī)中，計(jì)算機(jī)對得到的原始圖像依次進(jìn)行預(yù)處理，并計(jì)算出禽蛋的特征參數(shù)，對禽蛋進(jìn)行識別分類，判斷其是否合格。禽蛋不合格時，PC機(jī)發(fā)出相應(yīng)指令控制剔除機(jī)構(gòu)將次品挑出。

2.1 模板匹配算法

系統(tǒng)運(yùn)用模板匹配算法對采集到的圖像中的禽蛋區(qū)域進(jìn)行定位。模板匹配是通過設(shè)置1個模板圖像，在采集圖像K(m,n)中通過相關(guān)的搜索，尋找與模板圖像T(h,w)最相似部分，模板匹配數(shù)學(xué)模型為[6-8]：

式中：E(i,j)為相似度；H為沿著橫坐標(biāo)搜索范圍最大值；W為沿著縱坐標(biāo)搜索范圍最大值；(h,w)為圖像中像素點(diǎn)坐標(biāo)；T為模板圖像。

利用相互關(guān)聯(lián)法判斷兩幅圖像的相似性，相互法數(shù)學(xué)模型為：

2.2 邊緣檢測算法

在經(jīng)過模板匹配算法后，使用邊緣檢測算法對采集的圖像進(jìn)行處理，采用拉普拉斯算法對圖像進(jìn)行檢測和邊緣目標(biāo)提取，拉普拉斯算法數(shù)學(xué)模型為：

以f(m,n)為中心的對角線4鄰點(diǎn)的集合表示為：

拉普拉斯數(shù)學(xué)模型轉(zhuǎn)化為模板，模板對應(yīng)數(shù)學(xué)模型為：

2.3 中值濾波算法

圖像在傳輸過程中由于受外部因素干擾，容易使圖像受到噪聲污染。噪聲污染后的圖像，其圖像邊緣模糊。為濾除圖像中噪聲，使用中值濾波算法解決這一缺陷，中值濾波算法不僅能夠有效濾除圖像中噪聲，同時又能保留圖像中的邊緣。中值濾波算法數(shù)學(xué)模型為：

采用中值濾波算法對禽蛋圖像進(jìn)行去噪處理后，得到的濾波圖像如圖2所示。禽蛋噪聲得到有效濾除，而圖像中其他細(xì)節(jié)也被很好地保留，從而有利于圖像中有用信息保留。

圖2 濾波圖像

3 試驗(yàn)分析

為了驗(yàn)證設(shè)計(jì)的機(jī)器視覺的禽蛋外觀品質(zhì)在線檢測系統(tǒng)有效性，進(jìn)行相關(guān)試驗(yàn)分析。

圖3 禽蛋采集圖像

雞蛋表面的情況通常存在裂紋、污點(diǎn)等，禽蛋外觀檢測就是要檢測出表面存在問題的禽蛋。通過設(shè)計(jì)的機(jī)器視覺檢測系統(tǒng)對傳送過來的禽蛋進(jìn)行檢測，采集圖像如圖3所示。圖3（a）為裂紋禽蛋原圖，圖3（b）為裂紋禽蛋采集圖像，圖3（c）為污點(diǎn)禽蛋原圖，圖3（d）為污點(diǎn)禽蛋采集圖像。

為進(jìn)一步驗(yàn)證檢測系統(tǒng)的準(zhǔn)確性，利用設(shè)計(jì)的方法對100枚禽蛋分別進(jìn)行檢測，其中表面裂紋禽蛋30枚、劃痕禽蛋20枚、污點(diǎn)禽蛋40枚、正常禽蛋10枚，檢測識別結(jié)果如表2所示。結(jié)合圖3可以看出，采用設(shè)計(jì)的機(jī)器視覺檢測系統(tǒng)能夠?qū)崿F(xiàn)禽蛋外表100%破損檢測。

表2 檢測識別結(jié)果

4 結(jié)語

設(shè)計(jì)一種基于機(jī)器視覺技術(shù)的禽蛋外觀品質(zhì)檢測系統(tǒng)，采用CCD相機(jī)、光源、圖像采集卡、計(jì)算機(jī)等作為系統(tǒng)硬件，采集到的圖像經(jīng)過圖像模板匹配、圖像邊緣檢測及圖像中值濾波算法處理，試驗(yàn)結(jié)果表明，視覺檢測系統(tǒng)能夠?qū)崿F(xiàn)禽蛋外觀圖像的采集，基于機(jī)器視覺檢測系統(tǒng)能夠?qū)崿F(xiàn)禽蛋外觀多種缺陷的檢測，檢測準(zhǔn)確率可達(dá)100%。