本发明涉及农产品无损检测技术领域，尤其涉及一种基于机器视觉的皮蛋裂纹在线检测方法及检测装置。
背景技术：
皮蛋(松花蛋)在生产过程中，由于生产工艺、工人的操作等常见原因很容易造成皮蛋破损，而一旦外壳有了破损和裂纹，皮蛋腌料中的有毒有害物质便会进入皮蛋内部。因此破损有裂纹的皮蛋是不能食用的，为避免有害产品流入市场，必须在出厂之前，就将裂纹皮蛋剔除。
在我国，皮蛋的生产过程中，对皮蛋品质的把控采用的最多的依然是人工的方式，费时费力，长时间工作易出差错，效率低下且人力成本高。研究皮蛋裂纹的在线检测方法具有重要的理论价值和实际生产意义。
目前，已有学者针对禽蛋裂纹的检测进行了研究。王芳等采用自然光和偏振光采集皮蛋图像分别进行了静态皮蛋裂纹检测，并结合两种检测方法融合多特征提高检测精度；王海军等采用声学的方式分选裂纹禽蛋，提取了与禽蛋裂纹相关的声学信号特征，并利用人工神经网络构建判别模型，设计了基于fpga dsp的禽蛋裂纹在线检测系统，并探究了在线检测系统对完好蛋和裂纹蛋的判别效果；潘磊庆等融合了计算机视觉与声学信号，实现鸡蛋表面裂纹的无损检测和分级，其中计算机视觉方面，对图像分析处理，提取了裂纹区域和噪声区域的几何特征参数，建立了基于matlab的三层bp神经网络模型，对裂纹进行识别和鸡蛋的自动分级。
经相关检索现有的检测技术存在以下问题：
1、由于需要在实际生产线上进行在线的裂纹检测，机器设备的强烈干扰使得声学检测手段并不适合实际在线的皮蛋检测。2、目前禽蛋裂纹检测主要以鲜蛋的裂纹为主，采用的方法主要为光源下置透射照亮目标蛋。而皮蛋经过腌制已经凝胶，光照极难透过，更无法通过透射凸显裂纹。3、目前国内皮蛋的静态裂纹检测有之，而动态在线的检测方法则是空白。4、大多检测方法算法繁琐，计算量大。因此，中、小型禽蛋加工企业更迫切需要简单直接性价比高的图像检测技术及设备来代替人工。
技术实现要素：
本发明的目的是提供一种基于机器视觉的皮蛋裂纹在线检测方法及检测装置，以解决上述现有技术存在的问题，本发明模型简单有效，计算速度快，能够实现基于机器视觉的皮蛋裂纹在线检测。
为实现上述目的，本发明提供了如下方案：本发明提供一种基于机器视觉的皮蛋裂纹在线检测方法，包括：
①皮蛋图像的采集
连续采集待测皮蛋的不同角度实时图像信息，若干实时图像构成全表面图像信息；
②皮蛋图像的自动裁剪
a、得到拍摄的包含皮蛋的实时图像,利用训练好的基于haar特征的级联分类器对图像进行识别；
b、根据得到的结果在原图上进行裁剪，得到包含单个皮蛋的原图i1；
③皮蛋图像的预处理
a、提取原图i1的g分量，获得灰度图像i2。通过边缘检测算子进行边缘检测，获得原图的边缘信息二值图像bw1；
b、在二值图像bw1中央固定填充一个全黑的椭圆，盖住皮蛋边缘内部中央面积50％—60％的区域，得到二值图像bw2；
c、去除bw2中占据1‰—1.5‰面积的连通域后，进行椭圆拟合，得到皮蛋形状的二值图像bw3，此时用二值图像bw3与灰度图i2进行点乘运算，得到去背景图像i3；
d、对图像i3进行灰度增强，接着进行高通滤波操作，得到灰度图像i4；
④判断皮蛋是否有裂纹
a、从得到的图像i4计算提取平均灰度值、平滑度、均匀性三个特征参数；
b、将图像i4的平均灰度值、平滑度、均匀性特征参数输入至svm判别模型进行计算判别；
c、综合得到的一个皮蛋的多张不同方向的图像的判别结果，若有一张及以上的图像被判别为裂纹，那该枚皮蛋就被判别成为裂纹蛋。
优选的，采集大量皮蛋图像样本和非皮蛋图像样本，提取图像样本类harr特征，使用adaboost算法训练分类器，区分出皮蛋与非皮蛋，使用筛选式级联把分类器级联在一起，逐层进行训练，所有级联层数训练至误检率不高于5％，保存分类器，得到所述基于haar特征的级联分类器。
优选的，将采集到正常蛋图像样本、裂纹蛋图像样本按照1:1的比例组成训练集，分别提取样本的平均灰度值、平滑度、均匀性特征参数，输入至svm支持向量机中进行二分类训练，找出最佳参数，保存支持向量机模型，得到所述svm判别模型。
基于机器视觉的皮蛋裂纹在线检测法的检测装置，包括传送带、暗箱、光源、工业相机、电磁阀、控制器和计算机，在所述传送带上方设置暗箱，所述暗箱顶部居中放置光源，所述暗箱正上方开设相机孔放置工业相机，所述工业相机通过数据传输线与计算机相连，所述控制器分别通过信号线与电磁阀和计算机连接，电磁阀安装在所述传送带出蛋口一侧。
优选的，所述传送带上设置有蛋托，蛋托为黑色或者其他与皮蛋外壳区分度较大的颜色。
优选的，所述暗箱为立方形空心不锈钢箱体。
优选的，所述光源为环形光源。
优选的，所述计算机置有图像处理软件。
本发明公开了以下技术效果：
1、利用机器视觉进行检测，能够实现皮蛋裂纹在线检测与分级，对应用环境要求低，设备成本低，对比声学检测具有更好的应用推广前景；
2、模型简单有效，计算速度快，能够满足在线检测的精度与速度需求。
3、针对皮蛋裂纹在线检测比较空缺部分提出一种有效检测方法，不仅本身鲁棒性强，本框架稍作修改还可适用于其他禽蛋或相似产品的在线检测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明装置的结构示意图，图中：
传送带1；皮蛋2；暗箱3；光源4；工业相机5；电磁阀6；控制器7；计算机8；
图2是本发明图像处理过程和图像处理软件的工作流程图，其中图2-1是图像处理过程形成的图片，图2-2是图像处理软件的工作流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参考图1所示，本发明提供一种基于视觉的皮蛋裂纹在线检测装置，包括传送带1、暗箱3、光源4、工业相机5、电磁阀6、控制器7和计算机8。在所述传送带1上方设置暗箱3，所述暗箱3顶部居中放置光源4，所述暗箱正上方开设相机孔放置工业相机5，所述工业相机5通过数据传输线与计算机8相连，所述控制器7分别通过信号线与电磁阀6和计算机8连接，所述电磁阀6安装在所述传送带1出蛋口一侧。
进一步优化方案，传送带1为实际生产中的输送皮蛋2的装置，传送带1设置有蛋托，蛋托需要为黑色或者其他与皮蛋外壳不同的颜色，便于后续的图像处理操作。其功能为传送并翻滚皮蛋2；
进一步优化方案，暗箱3是一种立方形空心不锈钢箱体，其正上方开有相机孔，便于安装固定工业相机5；
进一步优化方案，光源4是一种通用外购件，如led环形光源，其功能是照亮被测物皮蛋2，同时确保照明均匀。
进一步优化方案，工业相机5是一种通用外购件，如选用basler工业相机，其功能是采集皮蛋2的原始图像；
进一步优化方案，电磁阀6为目标蛋剔除装置，其功能是通电后立即跳动一次，将面前的一个皮蛋2推出传送带1轨道；
进一步优化方案，控制器7是一种通用外购件，如选用s7-200plc，其功能是接受计算机8对图片处理结果的信号，控制电磁阀6的动作。
进一步优化方案，计算机8是一种通用外购件，如选用cpuamdr536003.60ghz/内存16g，windows10系统。计算机可以根据检测需求通过更改时间间断的设定来对皮蛋具体每次翻转角度与运动一周处理次数进行任意调整，有较大的灵活性与可操控性。
进一步优化方案，计算机8内置有图像处理软件，依据图2-2其工作流程是：
a、采集原始图像；
b、原始图像通过haar特征检测自动裁剪分割，得到单个皮蛋原图i1；
c、提取图像i1的g分量，获得灰度图像i2；
d、通过边缘检测算子进行边缘检测，获得原图的边缘信息二值图像bw1；
e、在bw1中填充大小恒定的全0椭圆，得到二值图像bw2；
f、去除bw2中较小面积的连通域后，进行椭圆拟合，得到二值图像bw3；
g、用拟合出的椭圆bw3与灰度图像i2相乘，得到去背景灰度图像i3；
h、对图像i3进行灰度增强，接着进行高通滤波操作，得到增强后的裂纹图像i4；
i、计算出图像i4的平均灰度值、平滑度、均匀性三个特征参数；
j、利用训练好的svm判别模型进行计算判别；
k、综合得到的一个皮蛋的多张不同方向的图像的判别结果，若有一张及以上的图像判别结果为裂纹，那该枚皮蛋就被判别成为裂纹蛋；
l、结束。
利用上述检测装置进行皮蛋裂纹在线检测的方法是：
步骤一皮蛋图像的采集
连续采集待测皮蛋的不同角度实时图像信息，若干实时图像构成全表面图像信息；
步骤二皮蛋图像的自动裁剪
a、得到拍摄的包含皮蛋的实时图像,利用训练好的基于haar特征的级联分类器对图像进行识别，并且针对捕捉到的图像中的每一帧都进行一次图片的特征提取，若能通过级联的强分类器的判定，得到一组保存有坐标和宽高的返回值数组；
b、根据得到的实时皮蛋位置的坐标与宽高信息在原图上进行裁剪，得到包含单个皮蛋的原图i1；
步骤三皮蛋图像的预处理
a、提取图像i1的g分量，获得灰度图像i2。接着通过边缘检测算子进行边缘检测，获得原图的边缘轮廓信息二值图像bw1；
b、在二值图像bw1中固定填充一个大小恒定的椭圆，经过边缘检测之后，较大的裂纹的边缘通过去除小面积连通域的方法可能难以奏效，因此通过生成一个全黑的椭圆用以盖住较大面积的中央区域，椭圆大小占皮蛋面积的50％—60％，得到二值图像bw2，目的是防止检测出的较大面积的噪声轮廓影响后续的椭圆拟合操作；
c、去除bw2中占据1‰—1.5‰面积的连通域后，进行椭圆拟合，得到二值图像bw3，并用拟合出的椭圆与灰度图像i2进行点乘运算，得到去背景灰度图像i3；
d、对图像i3进行灰度增强，接着进行高通滤波操作，得到增强后的裂纹图像i4；
步骤四判断皮蛋是否有裂纹
a、将得到的i4进行提取平均灰度值、平滑度、均匀性三个特征参数的操作。平均灰度值即为此刻的图片平均亮度，平滑度为图片的过度平滑程度，即变量标准化之后的方差，均匀度即为图片的度量一致性，为灰度直方图的各元素平方之和。
c、利用训练好的svm判别模型进行判断；
d、综合得到的一个皮蛋的多张不同方向的图像的判别结果，若有一张及以上的图像判别结果为裂纹蛋图片，那该枚皮蛋就被判别成为裂纹蛋。
进一步优化方案，采集大量皮蛋图像样本和非皮蛋图像样本，提取图片的类harr特征，使用adaboost算法训练强分类器，区分出皮蛋与非皮蛋，使用筛选式级联把强分类器级联在一起，提高检测准确度。对级联分类器逐层进行训练，只有当一层的误检率不高于5％时，才能够进入下一层进行训练所有级联层数训练完毕后保存分类器，得到训练好的基于haar特征的级联分类器。
进一步优化方案，采集大量的正常蛋图像样本、裂纹蛋图像样本，将采集到正常蛋图像样本、裂纹蛋图像样本按照1:1的比例组成训练集，分别提取样本的平均灰度值、平滑度、均匀性特征参数，输入至svm支持向量机中进行二分类训练，找出最佳参数，保存支持向量机模型，得到训练好的svm判别模型。
依据图2-1皮蛋图像处理过程图片依次是：
1、图2-1-1原始图像自动裁剪分割图；
2、图2-1-2单个皮蛋的原图i1；
3、图2-1-3灰度图像i2；
4、图2-1-4原图的边缘轮廓信息二值图像bw1；
5、图2-1-5二值图像bw2；
6、图2-1-6二值图像bw3
7、图2-1-7灰度图像i3；
8、图2-1-8裂纹图像i4。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
1.一种基于机器视觉的皮蛋裂纹在线检测方法，其特征在于，包括如下步骤：
①皮蛋图像的采集
连续采集待测皮蛋的不同角度实时图像信息，若干实时图像构成全表面图像信息；
②皮蛋图像的自动裁剪
a、得到拍摄的包含皮蛋的实时图像,利用基于haar特征的级联分类器对图像进行识别；
b、根据得到的结果在皮蛋实时图像上进行裁剪，得到包含单个皮蛋的原图i1；
③皮蛋图像的预处理
a、提取原图i1的g分量，获得灰度图像i2，通过边缘检测算子进行边缘检测，获得原图i1的边缘信息二值图像bw1；
b、在二值图像bw1中央固定填充一个全黑椭圆，盖住皮蛋边缘内部中央较大面积区域，得到二值图像bw2；
c、去除bw2中较小面积的连通域后，进行椭圆拟合，得到皮蛋形状的二值图像bw3，二值图像bw3与灰度图像i2相点乘，得到去背景图像i3；
d、对图像i3进行灰度增强，接着进行高通滤波操作，得到灰度图像i4；
④判断皮蛋是否有裂纹
a、从得到的灰度图像i4计算提取平均灰度值、平滑度、均匀性三个特征参数；
b、将灰度图像i4的平均灰度值、平滑度、均匀性特征参数输入至svm判别模型进行计算判别；
c、综合得到的一个皮蛋的多张不同方向的图像的判别结果，若有一张及以上的图像被判别为裂纹，则被检测的皮蛋就被判别成为裂纹蛋。
2.根据权利要求1所述的基于机器视觉的皮蛋裂纹在线检测方法，其特征在于，采集大量皮蛋图像样本和非皮蛋图像样本，提取图像样本类harr特征，使用adaboost算法训练分类器，区分出皮蛋与非皮蛋，使用筛选式级联把分类器级联在一起，逐层进行训练，所有级联层数训练至误检率不高于5％，保存分类器，得到所述基于haar特征的级联分类器。
3.根据权利要求1所述的基于机器视觉的皮蛋裂纹在线检测方法，其特征在于，将采集到正常蛋图像样本、裂纹蛋图像样本按照1:1的比例组成训练集，分别提取样本的平均灰度值、平滑度、均匀性特征参数，输入至svm支持向量机中进行二分类训练，找出最佳参数，保存支持向量机模型，得到所述svm判别模型。
4.一种用于实施权利要求1所述的基于机器视觉的皮蛋裂纹在线检测方法的检测装置，其特征在于：检测装置包括传送带(1)、暗箱(3)、光源(4)、工业相机(5)、电磁阀(6)、控制器(7)和计算机(8)，在所述传送带(1)上方设置暗箱(3)，所述暗箱(3)顶部居中放置光源(4)，所述暗箱正上方开设相机孔放置工业相机(5)，所述工业相机(5)通过数据传输线与计算机(8)相连，所述控制器(7)分别通过信号线与电磁阀(6)和计算机(8)连接，所述电磁阀(6)安装在所述传送带(1)出蛋口一侧。
5.根据权利要求4所述的基于机器视觉的皮蛋裂纹在线检测方法的检测装置，其特征在于：所述传送带(1)上设置有蛋托，所述蛋托为黑色或者其他与皮蛋外壳不同的颜色。
6.根据权利要求4所述的基于机器视觉的皮蛋裂纹在线检测方法的检测装置，其特征在于：所述暗箱(3)为立方形空心不锈钢箱体。
7.根据权利要求4所述的基于机器视觉的皮蛋裂纹在线检测方法的检测装置，其特征在于：所述光源(4)为环形光源。
8.根据权利要求4所述的基于机器视觉的皮蛋裂纹在线检测方法的检测装置，其特征在于：所述计算机(8)内置有图像处理软件。
技术总结