雞蛋新鮮度與雞蛋指數(shù)的關(guān)系研究

雞蛋新鮮度與雞蛋指數(shù)的關(guān)系研究

0彩色圖像采集技術(shù)的應(yīng)用檢測(cè)雞的新鮮度在儲(chǔ)存、加工和流通蛋產(chǎn)品中起著重要作用。然而，長(zhǎng)期以來(lái)，對(duì)雞的新鮮度損害的檢測(cè)一直是一個(gè)難題。中國(guó)的許多中小企業(yè)使用人工蛋皮薄、重量等物理方法來(lái)檢測(cè)雞的質(zhì)量。因此，它們受到主觀因素的影響，產(chǎn)水效率低。近些年來(lái),國(guó)內(nèi)外一些高校、研究機(jī)構(gòu)研究人員利用圖像處理和計(jì)算機(jī)視覺(jué)技術(shù)探索檢測(cè)雞蛋新鮮度的方法。丁幼春,提出鴨蛋動(dòng)態(tài)圖像預(yù)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(lái)判定蛋圖像邊界點(diǎn),并以此識(shí)別蛋圖像輪廓,并搜索到蛋圖像邊界和計(jì)算出蛋內(nèi)像素和;同時(shí)用圓形自動(dòng)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(jīng)網(wǎng)絡(luò)的雞蛋新鮮度無(wú)損檢測(cè)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(jí)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(guān)系模型,并利用神經(jīng)網(wǎng)絡(luò)檢測(cè)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(duì)不同顏色的蛋殼具有局限性。美國(guó)佐治亞大學(xué)Patel提出了基于計(jì)算機(jī)視覺(jué)和神經(jīng)網(wǎng)絡(luò)的彩色圖像采集系統(tǒng)檢測(cè)有裂紋、血斑、污點(diǎn)的雞蛋,利用顏色直方圖訓(xùn)練神經(jīng)網(wǎng)絡(luò),比利用灰度直方圖訓(xùn)練更優(yōu)越,尤其在裂紋檢測(cè)方面更具有容錯(cuò)能力,血斑的檢測(cè)率達(dá)92.8%,污點(diǎn)的為85%,裂紋為87.8%,但該系統(tǒng)僅能檢測(cè)白殼蛋。本文采用2臺(tái)高分辨率工業(yè)數(shù)字?jǐn)z像鏡頭,每次自動(dòng)捕獲25只雞蛋圖像,基于計(jì)算機(jī)視覺(jué)技術(shù)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(shí)際特征建立相關(guān)性,探尋一種基于計(jì)算機(jī)視覺(jué)的雞蛋新鮮度、貯藏期快速無(wú)損的檢測(cè)方法。1材料和方法1.1實(shí)驗(yàn)測(cè)定雞蛋圖像供試實(shí)驗(yàn)雞蛋由北京德青源農(nóng)業(yè)科技股份有限公司2008年6月10日提供,實(shí)驗(yàn)在中國(guó)農(nóng)業(yè)大學(xué)實(shí)驗(yàn)室進(jìn)行。在26~28℃條件下保存,實(shí)驗(yàn)從第1天開始,每隔1d測(cè)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(cè)到雞蛋散黃為止。試驗(yàn)進(jìn)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(yàn)裝置由中國(guó)農(nóng)業(yè)大學(xué)自行設(shè)計(jì),采用陜西維視公司的MV-3000UCCOMS數(shù)字?jǐn)z像頭2臺(tái),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(dá)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(gè)攝像頭相對(duì),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(gè)雞蛋圖像。根據(jù)鏡頭焦距和視角范圍及拍攝要求,計(jì)算公式設(shè)計(jì)暗箱尺寸(正面拍攝尺寸304mm×330mm×340mm,反面拍攝尺寸320mm×330mm×340mm),同時(shí)采集25枚雞蛋的圖像信息,見(jiàn)圖1所示。2完善雞蛋資源2.1雞蛋實(shí)際圖像的圖像增強(qiáng)本試驗(yàn)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(diǎn),選擇迭代閾值與自適應(yīng)閾值法的結(jié)合的方法,即改進(jìn)的自適應(yīng)閾值法。改進(jìn)的區(qū)域增長(zhǎng)算法描述如下:預(yù)先得到雞蛋的R圖像,利用冪指數(shù)方法進(jìn)行圖像增強(qiáng):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(zhǎng)算法分割蛋黃;2)選擇雞蛋質(zhì)心(即蛋黃中心)為初始種子點(diǎn);3)設(shè)定如果增長(zhǎng)像素點(diǎn)與中心點(diǎn)像素差值小于某設(shè)定閾值,則包含。即初始時(shí)以種子點(diǎn)為中心點(diǎn),考慮中心點(diǎn)4個(gè)鄰域像素,分別為上、左、下及右4個(gè)方向,如果其鄰域像素與中心點(diǎn)的差值滿足閾值,則將其鄰近像素點(diǎn)壓入堆棧;4)從堆棧中取出一個(gè)像素,并設(shè)置為中心點(diǎn),重復(fù)步驟(3);5)直至堆棧為空,增長(zhǎng)結(jié)束。圖2中表示的為經(jīng)過(guò)上述方法進(jìn)行處理的雞蛋蛋黃輪廓圖像。該方法結(jié)合自適應(yīng)算法和迭代算法得到估計(jì)的閾值(即t),適合用于本試驗(yàn)禽蛋透光不均勻、禽蛋表面噪聲等特點(diǎn)的圖像。2.2a,負(fù)端和負(fù)端正數(shù)綠色對(duì)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(fù)端代表綠色;b的正數(shù)代表黃色,負(fù)數(shù)表示藍(lán)色。因此預(yù)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(qiáng)圖像(如圖3b)。2.2.1特定閾值分割法其區(qū)域合并方法實(shí)現(xiàn)如下:1)從整幅圖像開始把圖像每個(gè)像素定義成一個(gè)獨(dú)立的區(qū)域,建立一個(gè)鄰接區(qū)域矩陣,從圖像的(0,0)像素點(diǎn)開始搜索;2)計(jì)算每個(gè)區(qū)域和其8鄰域像素點(diǎn)的差值,如果小于特定閾值,則合并標(biāo)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(gè)區(qū)域;直至整幅圖像搜索完畢。由于上述分割方法可能產(chǎn)生一些小的干擾噪聲(如圖4a),因此需要對(duì)分割圖像進(jìn)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(xì)小的干擾。4)根據(jù)本系統(tǒng)的實(shí)際需要,設(shè)置(如下圖4b)參數(shù),可剔除分割后最小面積小于某個(gè)預(yù)定像素值T,這里的T是通過(guò)大量的試驗(yàn)方法得到最佳像素值,根據(jù)本試驗(yàn)研究對(duì)象的特征,定義T=200像素,當(dāng)最小面積小于T時(shí)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(biāo)準(zhǔn),氣室高度計(jì)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(píng)價(jià)雞蛋氣室特征的一個(gè)標(biāo)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(guò)處理圖像中物體的邊界像素,進(jìn)行邊界編碼計(jì)算,根據(jù)曲率公式尋找曲率的局部最大值定位拐點(diǎn),得到拐點(diǎn)C,取氣室的左右端點(diǎn)A和B點(diǎn)兩點(diǎn)到C點(diǎn)的距離,利用上述的氣室高度計(jì)算方法計(jì)算氣室的高度;同時(shí)取到氣室的左右端點(diǎn)A和B點(diǎn)兩點(diǎn)的距離AB,即為氣室直徑距離,見(jiàn)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(zhǎng)軸,最終得到氣室面積S。4)計(jì)算氣室面積S與雞蛋總面積area的比值。3新鮮度檢測(cè)模型3.1蛋黃指數(shù)的建立用在26~28℃下存儲(chǔ)“德清源”紅皮雞蛋75枚,用其每天測(cè)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(guān)系模型為式中:xyolk——圖像蛋黃指數(shù);y——實(shí)際禽蛋的哈夫值(即為新鮮度),R2=0.931,α<0.05,經(jīng)F檢驗(yàn)差異顯著,由上述可知蛋黃指數(shù)與新鮮度成線性關(guān)系(文中所有統(tǒng)計(jì)模型采用統(tǒng)計(jì)軟件SPASS10.0計(jì)算)。3.2紅皮雞蛋哈夫值測(cè)定由于雞蛋隨著存儲(chǔ)時(shí)間的增加,蛋的新鮮都會(huì)逐漸下降。仍用在26~28℃下存儲(chǔ)“德清源”紅皮雞蛋75枚,用其每天測(cè)出雞蛋的哈夫值(新鮮度),與貯藏天數(shù)建立關(guān)系模型為式中:xhaugh——蛋質(zhì)量變化量;t——貯藏天數(shù)。經(jīng)檢驗(yàn)R2=0.976,α<0.05,經(jīng)F檢驗(yàn)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(guān)系。3.3貯藏期與雞蛋圖像特征的關(guān)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(guān)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(guān)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(guān)系,從而建立貯藏期與圖像特征的關(guān)系模型如下式中xBI——?dú)馐抑笖?shù),R2=0.974,α<0.05,經(jīng)過(guò)檢驗(yàn)F檢驗(yàn)差異顯著。4模型試驗(yàn)和結(jié)果分析4.1貯藏期的預(yù)測(cè)從關(guān)系模型(1)可知雞蛋新鮮度與圖像蛋黃指數(shù)呈線性相關(guān)性,表1的預(yù)測(cè)哈夫值的相對(duì)平均誤差為6%,結(jié)果中只有兩個(gè)相對(duì)誤差大于10%,這也可能試驗(yàn)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(yù)測(cè)雞蛋的新鮮度。從關(guān)系模型(2)看出貯藏時(shí)間與雞蛋新鮮度具有二次函數(shù)關(guān)系,又從模型(1)得知,貯藏時(shí)間和雞蛋圖像特征的蛋黃指數(shù)會(huì)有關(guān)系,而氣室指數(shù)跟雞蛋氧化特性,與貯藏期相關(guān),進(jìn)而得到關(guān)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(yù)測(cè)雞蛋貯藏期,由于氣室指數(shù)的引入,減少了文獻(xiàn)中蛋黃指數(shù)受到了禽蛋大小的干擾。從表1的結(jié)果看出禽蛋的蛋黃指數(shù)和氣室指數(shù)的特征可以預(yù)測(cè)雞蛋的新鮮度以及雞蛋大概貯藏時(shí)間,檢驗(yàn)結(jié)果表明與雞蛋的實(shí)際貯藏天數(shù)的絕對(duì)誤差不超過(guò)2d,結(jié)果基本符合實(shí)際情況,該模型的建立不僅可以使企業(yè)、個(gè)人能更直觀的鑒別雞蛋新鮮度,還可以預(yù)測(cè)雞蛋的貯藏期。另外本試驗(yàn)系統(tǒng)采用計(jì)算機(jī)處理器為IntelCore21.86GHz,物理內(nèi)存為1GB,硬盤為120GB,顯存為512MB,測(cè)得每個(gè)雞蛋平均檢測(cè)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(chǎn)生變化,因此需要對(duì)該模型參數(shù)的選擇和使用上進(jìn)一步完善和研究。5準(zhǔn)雞蛋新鮮度定量分析1)為去除禽蛋蛋黃因禽蛋個(gè)體的差異而影響檢測(cè)準(zhǔn)確性,本文經(jīng)過(guò)試驗(yàn)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(guān)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(shí)對(duì)雞蛋的品質(zhì)無(wú)損傷,對(duì)于分析同種不同顏色不同時(shí)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(shù),通過(guò)改進(jìn)區(qū)域增長(zhǎng)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(gè)雞蛋圖像特征蛋黃指數(shù)和氣室