本發(fā)明屬于圖像處理領(lǐng)域，具體涉及一種利用圖像處理技術(shù)鑒別禽蛋品質(zhì)的方法。

背景技術(shù)：

禽蛋產(chǎn)業(yè)不僅是我國(guó)農(nóng)業(yè)的支柱產(chǎn)業(yè)，也是關(guān)系國(guó)計(jì)民生和社會(huì)穩(wěn)定的重要產(chǎn)業(yè)。目前國(guó)內(nèi)外已有的禽蛋品質(zhì)鑒別方法有：通過(guò)人的感官直接鑒別的方法，即通過(guò)肉眼觀測(cè)禽蛋表面是否清潔完整；還有采用物理指標(biāo)衡量禽蛋品質(zhì)的方法，例如測(cè)量禽蛋尺寸及密度并與國(guó)際標(biāo)準(zhǔn)值比較；針對(duì)表面品質(zhì)的無(wú)損鑒別方法，即通過(guò)采用多個(gè)ccd攝像頭拍攝禽蛋，并對(duì)采集到的數(shù)據(jù)進(jìn)行綜合處理；還有通過(guò)近紅外光譜投射或紅外光漫反射來(lái)觀測(cè)禽蛋結(jié)構(gòu)與內(nèi)部化學(xué)成分的變化。

然而這些方法都或多或少存在著缺點(diǎn)。首先，通過(guò)人的感官指標(biāo)來(lái)對(duì)禽蛋進(jìn)行直接鑒別缺少科學(xué)嚴(yán)謹(jǐn)性，采用物理衡量指標(biāo)方法的理論支撐不夠充分，此外密度檢測(cè)屬于有損檢測(cè)，不利于禽蛋的銷售。對(duì)禽蛋表面的無(wú)損檢測(cè)方法，只著眼于蛋殼表面情況包括裂紋、污斑，無(wú)法檢測(cè)其內(nèi)部是否發(fā)生變質(zhì)，無(wú)法應(yīng)用到生產(chǎn)線中。同時(shí)，紅外光譜分析是利用不同物質(zhì)對(duì)不同頻率的紅外光的不同吸收性來(lái)鑒別物質(zhì)種類的，利用近紅外光譜分析禽蛋品質(zhì)也存在不能檢測(cè)到禽蛋內(nèi)部是否變質(zhì)的問(wèn)題。近紅外主要表征的是禽蛋殼表面的性質(zhì)，其內(nèi)部蛋白質(zhì)、脂質(zhì)等有機(jī)物特性很難通過(guò)不透明的蛋殼反映到外部，故不能很好地判斷禽蛋內(nèi)部有機(jī)物的情況，無(wú)法有效判斷禽蛋變質(zhì)與否。同時(shí)，近紅外光譜分析技術(shù)存在靈敏度低、抗干擾性差等缺點(diǎn)。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于紅外圖像的禽蛋品質(zhì)鑒別方法，用于解決現(xiàn)有技術(shù)中的禽蛋鑒別方法不能準(zhǔn)確、高效的對(duì)禽蛋內(nèi)部品質(zhì)進(jìn)行無(wú)損鑒別的技術(shù)問(wèn)題，突破了通過(guò)觀測(cè)禽蛋表面性質(zhì)無(wú)法深入內(nèi)部品質(zhì)的局限性，能夠通過(guò)檢測(cè)禽蛋表面性質(zhì)快速準(zhǔn)確的檢測(cè)出禽蛋內(nèi)部是否變質(zhì)，能對(duì)禽蛋品質(zhì)進(jìn)行等級(jí)區(qū)分，對(duì)禽蛋不會(huì)產(chǎn)生損害和誘發(fā)變質(zhì)。

為了解決上述技術(shù)問(wèn)題，本發(fā)明采用了如下的技術(shù)方案：一種基于紅外圖像的禽蛋品質(zhì)鑒別方法，包括以下步驟：

步驟1：利用紅外熱像儀采集禽蛋的紅外圖像并將紅外圖像輸入給計(jì)算機(jī)；

步驟2：對(duì)紅外圖像進(jìn)行預(yù)處理，然后進(jìn)行二值化，得到二值圖像；

步驟3：對(duì)二值圖像的白色區(qū)域進(jìn)行連通性檢測(cè)，得到若干個(gè)白色連通區(qū)域，并根據(jù)禽蛋外形特征對(duì)白色連通區(qū)域進(jìn)行約束，去除掉不符合要求的連通區(qū)域，得到禽蛋的位置分布圖；

步驟4：對(duì)位置分布圖進(jìn)行降噪，得到表征禽蛋區(qū)域的連通區(qū)域圖像，每一個(gè)連通區(qū)域?qū)?yīng)一個(gè)禽蛋，從1到n對(duì)各連通區(qū)域進(jìn)行編號(hào)；

步驟5：根據(jù)紅外圖像和連通區(qū)域圖像，計(jì)算禽蛋分割圖；

步驟6：根據(jù)禽蛋分割圖計(jì)算每個(gè)禽蛋區(qū)域的灰度均值μi、均方差σi以及面積si，構(gòu)成特征向量xi＝[μi,σi,si]^t，i＝{1,2,...n}；

步驟7：將特征向量xi帶入采用訓(xùn)練樣本預(yù)先訓(xùn)練好的判決模型，計(jì)算出模型值ni；

步驟8：將計(jì)算出的模型值ni與判決閾值進(jìn)行比較，從而完成對(duì)禽蛋品質(zhì)的鑒別。

優(yōu)選的，訓(xùn)練樣本中包含品質(zhì)合格禽蛋、品質(zhì)差禽蛋以及品質(zhì)更差禽蛋；判決閾值包括nt、nr，其中，nt為訓(xùn)練樣本中品質(zhì)差禽蛋按照判決模型所計(jì)算出的模型值；nr為訓(xùn)練樣本中品質(zhì)更差禽蛋按照判決模型所計(jì)算出的模型值；當(dāng)ni＞nt，則為品質(zhì)良好禽蛋；當(dāng)nt≥ni≥nr，則為品質(zhì)較差禽蛋；當(dāng)ni＜nr，則為變質(zhì)禽蛋。

優(yōu)選的，判決模型按照如下步驟訓(xùn)練：

步驟201：收集已知品質(zhì)的禽蛋作為訓(xùn)練樣本，令禽蛋的樣本特征向量為變量x，按照所述步驟1～6計(jì)算出訓(xùn)練樣本中各個(gè)禽蛋的樣本特征向量；其中，訓(xùn)練樣本中包含品質(zhì)合格禽蛋、品質(zhì)差禽蛋以及品質(zhì)更差禽蛋；

步驟202：采用品質(zhì)合格禽蛋訓(xùn)練一個(gè)三維空間的高斯模型，并計(jì)算模型參數(shù)以及∑，為樣本特征向量均值，∑為樣本特征向量協(xié)方差，

步驟203：將模型參數(shù)以及∑代入由品質(zhì)合格禽蛋訓(xùn)練的高斯模型，得到判決模型如下：

步驟204：將品質(zhì)差禽蛋以及品質(zhì)更差禽蛋的特征向量代入判決模型，計(jì)算出若干模型值，選取品質(zhì)差禽蛋模型值的平均值作為判決閾值nt，選取品質(zhì)更差禽蛋模型值的平均值作為判決閾值nr。

優(yōu)選的，步驟2中圖像預(yù)處理按照如下步驟進(jìn)行：首先，對(duì)紅外圖像采用3×3模板進(jìn)行均值濾波降噪；然后對(duì)紅外圖像中各像素點(diǎn)的灰度值進(jìn)行線性變換，將灰度值變換到0～255范圍內(nèi)，保證亮度和對(duì)比度的統(tǒng)一。

優(yōu)選的，步驟3中按如下步驟去掉不符合要求的連通區(qū)域：

步驟301：根據(jù)各個(gè)連通區(qū)域的像素點(diǎn)的數(shù)量計(jì)算各個(gè)連通區(qū)域的面積s′；根據(jù)拍攝的實(shí)際情況設(shè)定參數(shù)c1與c2；其中，c1為紅外圖像中最小禽蛋區(qū)域的像素點(diǎn)的數(shù)量，c2為紅外圖像中最大禽蛋區(qū)域的像素點(diǎn)的數(shù)量；

步驟302：計(jì)算各個(gè)連通區(qū)域的外接矩形，設(shè)外接矩形的寬度為w，高度為h；

步驟303：將外接矩形的寬度w與參數(shù)c1與c2進(jìn)行比較，去掉w＜c1和w＞c2的連通區(qū)域；

步驟304：根據(jù)禽蛋形狀近似于橢圓的特點(diǎn)，去掉w/h＞1.5和h/w＞1.5的連通區(qū)域；

步驟305：根據(jù)禽蛋形狀近似于橢圓的特點(diǎn)，去掉s′/(w*h)＜0.7的連通區(qū)域。

與現(xiàn)有技術(shù)相比，本發(fā)明的具有以下有益效果：

1、由于禽蛋內(nèi)部因微生物侵入或滋生會(huì)產(chǎn)生生命代謝而釋放熱量，因此變質(zhì)禽蛋表面的溫度會(huì)比未變質(zhì)禽蛋高，那么通過(guò)紅外圖像就能間接檢測(cè)到禽蛋品質(zhì)的變化情況：紅外圖像的灰度值反映了禽蛋表面的溫度分布情況。這種間接檢測(cè)方法，突破了觀測(cè)禽蛋外表面性質(zhì)無(wú)法深入內(nèi)部品質(zhì)檢測(cè)的局限性，同時(shí)使得評(píng)價(jià)標(biāo)準(zhǔn)更加統(tǒng)一客觀，符合工業(yè)上標(biāo)準(zhǔn)化的要求。

2、本發(fā)明的檢測(cè)方法采用非接觸式的檢測(cè)，而且是采用被動(dòng)式紅外成像，不會(huì)對(duì)禽蛋造成物理?yè)p傷或者產(chǎn)生誘發(fā)其變質(zhì)的不利因素。

3、本發(fā)明的檢測(cè)方法不僅采用溫度作為鑒別禽蛋品質(zhì)的因素，還同時(shí)將禽蛋的大小作為品質(zhì)因素，使得禽蛋品質(zhì)的分級(jí)更加客觀、科學(xué)。

4、本發(fā)明方便易行，大大提升了禽蛋品質(zhì)檢測(cè)速度，適合工業(yè)化生產(chǎn)場(chǎng)景下的應(yīng)用。

5、本發(fā)明通過(guò)灰度值線性變換、濾波降噪以及根據(jù)禽蛋外形的約束去除不符合要求的連通區(qū)域，大大提高了檢測(cè)的精度。

附圖說(shuō)明

圖1是具體實(shí)施方式的流程圖；

圖2是禽蛋的紅外圖像；

圖3是禽蛋的連通區(qū)域圖像；

圖4是禽蛋分割圖；

圖5禽蛋的特征向量的三維坐標(biāo)圖。

具體實(shí)施方式

下面結(jié)合附圖和優(yōu)選實(shí)施方式對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。

首先對(duì)本發(fā)明的原理進(jìn)行說(shuō)明：禽蛋內(nèi)部因?yàn)槲⑸锴秩牖蜃躺鷷?huì)有生命代謝，釋放熱量，造成禽蛋外表面溫度升高；紅外熱像儀能夠捕捉到不同品質(zhì)禽蛋熱輻射信號(hào)，得到禽蛋的紅外圖像，紅外圖像的灰度值反映了禽蛋表面溫度的分布情況。對(duì)禽蛋的紅外圖像進(jìn)行處理，實(shí)現(xiàn)圖像中的禽蛋分割，對(duì)得到禽蛋圖像信息進(jìn)行分析計(jì)算，獲取溫度分布及面積特征，然后根據(jù)樣本訓(xùn)練結(jié)構(gòu)對(duì)禽蛋品質(zhì)進(jìn)行鑒別，得到禽蛋品質(zhì)等級(jí)的客觀評(píng)價(jià)。

如圖1所示，一種基于紅外圖像的禽蛋品質(zhì)鑒別方法，包括以下步驟：

步驟1：利用紅外熱像儀采集禽蛋的紅外圖像并將紅外圖像輸入給計(jì)算機(jī)；采用紅外熱像儀，對(duì)禽蛋進(jìn)行拍攝獲得圖像，將圖像信號(hào)通過(guò)熱像儀的數(shù)字接口傳輸?shù)街骺赜?jì)算機(jī)，在主控計(jì)算機(jī)上編寫(xiě)軟件實(shí)現(xiàn)網(wǎng)絡(luò)協(xié)議、鏡頭對(duì)焦、數(shù)據(jù)收發(fā)及圖像解碼，獲得清晰的紅外圖像，禽蛋的紅外圖像如圖2所示。本具體實(shí)施方式中采用采用flir公司的photon160x120紅外熱像儀拍攝禽蛋獲得禽蛋的紅外圖像，為了后續(xù)處理方便，拍攝時(shí)使各禽蛋留有一定間隔，使得在圖像中容易區(qū)分。

步驟2：對(duì)紅外圖像進(jìn)行預(yù)處理，然后進(jìn)行二值化，得到二值圖像；

步驟3：對(duì)二值圖像的白色區(qū)域(灰度為255)進(jìn)行連通性檢測(cè)，如果兩個(gè)白色的像素點(diǎn)在橫向、縱向和斜向相鄰，則認(rèn)為它們連通，屬于同一個(gè)連通區(qū)域，從而得到若干個(gè)白色連通區(qū)域。由于白色連通區(qū)域包括禽蛋區(qū)域，也包括干擾區(qū)域，需要根據(jù)禽蛋外形特征對(duì)白色連通區(qū)域進(jìn)行約束，去除掉不符合要求的連通區(qū)域，得到禽蛋的位置分布圖；

步驟4：對(duì)位置分布圖進(jìn)行降噪，得到表征禽蛋區(qū)域的連通區(qū)域圖像，如圖3所示，每一個(gè)連通區(qū)域?qū)?yīng)一個(gè)禽蛋，從1到n對(duì)各連通區(qū)域進(jìn)行編號(hào)；

步驟5：根據(jù)紅外圖像和連通區(qū)域圖像，計(jì)算禽蛋分割圖，圖4為禽蛋分割圖；

步驟6：根據(jù)禽蛋分割圖計(jì)算每個(gè)禽蛋區(qū)域的灰度均值μi、均方差σi以及面積si，構(gòu)成特征向量xi＝[μi,σi,si]^t，i＝{1,2,...n}；禽蛋的特征向量參數(shù)如下表所示：

禽蛋的特征向量xi在三維空間中可表示為一個(gè)點(diǎn)，如圖5所示。

步驟7：將特征向量xi帶入采用訓(xùn)練樣本預(yù)先訓(xùn)練好的判決模型，計(jì)算出模型值ni；

步驟8：將計(jì)算出的模型值ni與閾值進(jìn)行比較，從而完成對(duì)禽蛋品質(zhì)的鑒別。

本具體實(shí)施方式中，訓(xùn)練樣本中包含品質(zhì)合格禽蛋、品質(zhì)差禽蛋以及品質(zhì)更差禽蛋；閾值包括nt、nr，其中，nt為訓(xùn)練樣本中品質(zhì)差禽蛋按照判決模型所計(jì)算出的模型值；nr為訓(xùn)練樣本中品質(zhì)更差禽蛋按照判決模型所計(jì)算出的模型值；當(dāng)ni＞nt，則為品質(zhì)良好禽蛋；當(dāng)nt≥ni≥nr，則為品質(zhì)較差禽蛋；當(dāng)ni＜nr，則為變質(zhì)禽蛋。

本具體實(shí)施方式中，判決模型按照如下步驟訓(xùn)練：

步驟201：收集已知品質(zhì)的禽蛋作為訓(xùn)練樣本，樣本訓(xùn)練是為了得得模型參數(shù)和判決閾值令禽蛋的樣本特征向量為變量x，按照所述步驟1～6計(jì)算出訓(xùn)練樣本中各個(gè)禽蛋的樣本特征向量；其中，訓(xùn)練樣本中包含品質(zhì)合格禽蛋、品質(zhì)差禽蛋以及品質(zhì)更差禽蛋；

步驟202：采用品質(zhì)合格禽蛋訓(xùn)練一個(gè)三維空間的高斯模型，并計(jì)算模型參數(shù)以及∑，為樣本特征向量均值，∑為樣本特征向量協(xié)方差，

步驟203：將模型參數(shù)以及∑代入由品質(zhì)合格禽蛋訓(xùn)練的高斯模型，得到判決模型如下：

步驟204：將品質(zhì)差禽蛋以及品質(zhì)更差禽蛋的特征向量代入判決模型，計(jì)算出若干模型值，選取品質(zhì)差禽蛋模型值的平均值作為判決閾值nt，選取品質(zhì)更差禽蛋模型值的平均值作為判決閾值nr，本具體實(shí)施方式中nt＝0.25，nr＝0.1。

本具體實(shí)施方式中的判決模型是在夏季、晴天、常溫下進(jìn)行訓(xùn)練的；若是季節(jié)、氣候、環(huán)境溫度發(fā)生較大變化，則需要采用訓(xùn)練樣本重新對(duì)判決模型進(jìn)行訓(xùn)練。

本具體實(shí)施方式中，步驟2中圖像預(yù)處理按照如下步驟進(jìn)行：首先，對(duì)紅外圖像采用3×3模板進(jìn)行均值濾波降噪，3×3模板是指橫向、縱向分別有3個(gè)像素點(diǎn)的像素區(qū)域，均值濾波能夠有效減弱紅外圖像中的噪聲干擾；然后對(duì)紅外圖像中各像素點(diǎn)的灰度值進(jìn)行線性變換，將灰度值變換到0～255范圍內(nèi)，保證亮度和對(duì)比度的統(tǒng)一。這樣，能夠避免不同批次的禽蛋因?yàn)榕臄z光線等原因造成拍攝出的紅外圖像的亮度和對(duì)比度存在較大差異，而引起的灰度值差異較大，從而使得基于紅外圖像進(jìn)行的禽蛋品質(zhì)鑒定能夠具有統(tǒng)一的標(biāo)準(zhǔn)，使得禽蛋品質(zhì)鑒定更加規(guī)范化、標(biāo)準(zhǔn)化。

本具體實(shí)施方式中，紅外圖像進(jìn)行線性變換的方法如下：

找到紅外圖像中灰度值最大的像素點(diǎn)以及灰度值最小的像素點(diǎn)，獲取紅外圖像的最大灰度值hmax和最小灰度值hmin；令線性變換前的灰度值為h，變換后的灰度值為g，構(gòu)造如下方程組以求解線性變換參數(shù)k和b：

根據(jù)求解到的線性變換參數(shù)k和b，得到線性變換方程g＝kh+b，按照該線性變換方程對(duì)紅外圖像中各像素點(diǎn)的灰度值進(jìn)行線性變換。

本具體實(shí)施方式中，步驟3中按如下步驟去掉不符合要求的連通區(qū)域：

步驟301：根據(jù)各個(gè)連通區(qū)域的像素點(diǎn)的數(shù)量計(jì)算各個(gè)連通區(qū)域的面積s′；根據(jù)拍攝的實(shí)際情況設(shè)定參數(shù)c1與c2；其中，c1為紅外圖像中最小禽蛋區(qū)域的像素點(diǎn)的數(shù)量，c2為紅外圖像中最大禽蛋區(qū)域的像素點(diǎn)的數(shù)量；本具體實(shí)施方式中，c1＝1000，c2＝3000；

步驟302：計(jì)算各個(gè)連通區(qū)域的外接矩形，設(shè)外接矩形的寬度為w，高度為h；外接矩形的寬度w是指在寬度方向上的像素點(diǎn)的數(shù)量，外接矩形的高度h是指在高度方向上的像素點(diǎn)的數(shù)量。

步驟303：將外接矩形的寬度w與參數(shù)c1與c2進(jìn)行比較，去掉w＜c1和w＞c2的連通區(qū)域；這樣能夠去除掉紅外圖像中的長(zhǎng)條形連通區(qū)域。

步驟304：根據(jù)禽蛋形狀近似于橢圓的特點(diǎn)，去掉w/h＞1.5和h/w＞1.5的連通區(qū)域；

步驟305：根據(jù)禽蛋形狀近似于橢圓的特點(diǎn)，去掉s′/(w*h)＜0.7的連通區(qū)域。

本具體實(shí)施方式中，步驟4中采用5×5模板對(duì)位置分布圖進(jìn)行中值濾波，以去除圖像中孤立的噪聲點(diǎn)。中值濾波可以做到既去除噪聲又能較好保護(hù)圖像的細(xì)節(jié)，從而獲得較滿意的復(fù)原效果，而且運(yùn)算方便快速，特別適合點(diǎn)、線及尖頂細(xì)節(jié)很少的禽蛋圖像。

本具體實(shí)施方式中，步驟2中采用最大類間方差法計(jì)算二值化閾值；將灰度值大于等于二值化閾值的像素點(diǎn)賦值為255，將灰度值小于二值化閾值的像素點(diǎn)賦值為0，從而得到二值圖像。采用最大類間方差法能夠在對(duì)背景和目標(biāo)進(jìn)行分割時(shí)，降低錯(cuò)分概率，從而保證后續(xù)步驟能夠準(zhǔn)確地在二值圖像上分割出禽蛋區(qū)域和背景區(qū)域。