我国禽蛋无损检测的现状及分析

李敏+李芳环+黄丽

摘 要：禽蛋的品质检测是禽蛋生产、加工过程中的重要环节之一，该文从禽蛋的内部品质、外部品质、储存时间、孵化蛋成活性检测以及禽蛋大小分级等方面对我国禽蛋无损检测的现状进行了阐述，内部品质检测和禽蛋大小分级主要以机器视觉技术结合图像处理技术为主；外部品质和储存时间的检测可以利用光学特性和声学特性等，建立相关数学模型实现无损检测；孵化蛋成活性检测目前的方法是通过光谱技术并结合图像信息，建立有效的数学模型，实现孵化前种蛋的定性检测。

关键词：禽蛋 无损检测 机器视觉技术 光学无损检测 新鲜度 大小分级 孵化蛋成活性检测

中图分类号：TS253 文献标识码：A 文章编号：1672-3791（2017）04（b）-0109-02

1 国内禽蛋产业发展现状

我国是世界第一禽蛋生产大国，禽蛋产业不但在我国农业中占有重要地位，而且是关系国计民生和社会稳定的重要产业。据统计数据分析，鸡蛋消费以鲜蛋为主，鸭蛋大部分是经过再制和加工后再使用，鹌鹑蛋的鲜销和再加工比例接近1∶1。

相比较产业集中、加工趋升、品质提升的国际蛋业未来发展趋势而言，我国蛋品的集中化程度和产业发展水平都较低，而且相比较发达国家集约化产销体系规模大、产业集中度高等特征，我国较大型的蛋品加工企业较少，蛋品集中化程度和产业化发展水平较低。但是，近年来，我国的禽蛋加工业也有了一定的发展，尤其是禽蛋的无损检测方面。

无损检测，即非破坏性检测，是在不破坏待测物原来的状态、化学性质等前提下，为了获取与待测物品质有关的内容、性质或成分等物理、化学情报所采用的检测方法。

目前，我国禽蛋的无损检测主要集中在以下几个方面：禽蛋的内部品质检测、外部品质检测、禽蛋储存时间的检测、孵化蛋成活性的检测以及大小的自动分级等方面。

2 禽蛋无损检测的现状

2.1 禽蛋的内部品质检测

禽蛋的内部品质检测主要是针对新鲜度的检测。禽蛋新鲜度的主要检测指标包括3个方面：气室的大小、蛋黄哈夫值、蛋黄指数。根据国际上新鲜禽蛋内部品质的检测标准，用蛋黄指数和蛋黄哈夫值作为禽蛋新鲜度的评价标准[1]。禽蛋新鲜度的检测可以利用光学特性、计算机视觉等方法来实现。

光学无损检测的原理是：光照射到物体上以后，光能一部分被外表面反射；一部分进入物体内遇到细胞结构或产生散射，或被物体所吸收；其余部分则透过物体。由于被测物体的内部成分、表面状况、入射光波长以及折射率等因素都各不相同，因此通过入射光照射物体得到反射、折射和散射等比例不一样。2002年，刘燕德等利用光学无损检测原理，取波长为200～600 nm的入射光，通过实验分析该波段内鸡蛋新鲜度的光特性，分析鸡蛋内部品质与透射特性的关系，对鸡蛋新鲜度做出估量，证实了利用鸡蛋投射特性对鸡蛋进行无损检测和分级是可行的[2]。

机器视觉技术是人工智能的一个分支。简单来说，机器视觉就是用机器代替人眼来做测量和判断。计算机视觉系统利用相机获得被测目标的图像并将其转换为数字信号，再将该信号传送给专用的图像处理系统，得到被摄对象目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；并通过合适的算法提取图像特征值作为图像分析的依据。2014年，杨简等人利用机器视觉装置获取鸡蛋透射图像，进行图像处理并提取合适的特征参数，在BP神经网络中引入灰色理论，建立灰色神经网络，并以该参数集为样本训练灰色神经网络，预测鸡蛋哈夫值，检测鸡蛋的新鲜度。试验结果表明，灰色神经网络预测精度较高，哈夫值残差为5.268 4，鸡蛋分级的正确率为92.7%[3]。2015年，刘艳等人通过冷光源照射获取鸡蛋彩色透光图像，在自适应灰度调整和改进空间滤波等预处理的基础上，利用阈值分割法并结合最小二乘法进行蛋黄椭圆拟合，提取与鸡蛋新鲜度相关的3个特征参数，采用梯度下降算法得到鸡蛋透光图像三元新鲜度模型。经检验，该模型具有较高的可靠性，可对禽蛋进行实施新鲜度检测与分级[4]。

2.2 禽蛋的外部品质检测

禽蛋分级检测的主要指标是轮廓特征，可用蛋形指数（蛋形指数=蛋的纵轴/蛋的横轴）表示。根据国内外禽蛋分级标准，蛋壳颜色、外形轮廓、质量、颜色等都可以作为禽蛋外部品质分级的特征参数。禽蛋外部品质检测的主要方法有利用动力学、声学特性和机器视觉等。2003年，丁幼春利用机器视觉技术，分别对鸭蛋蛋心颜色、蛋壳厚度、蛋的新鲜度以及质量进行检测，利用光密度值进行模糊识别，建立相应模型并得到鸭蛋大小及蛋心颜色自动分级系统[5]。2004年，王树才等人利用敲击声音信号进行禽蛋破损检测和模糊识别，该试验结果表明，可以利用正常蛋、破损蛋、钢壳蛋、尖嘴蛋的敲击声音信号在衰竭时间、最小共振峰频率和四点最大频率差等参数上存在的差异性，实现破损蛋的识别，准确率达95% [6]。2006年，熊利荣等人利用机器视觉系统得到鸡蛋图像，经图像处理技术提取能够表征鸡蛋大小的特征参数（蛋的像素和A、长轴长L、短轴长S、蛋型指数K），建立了重量和短轴之间的线性回归模型，该模型能够检测鸡蛋的外形尺寸。试验结果表明，鸡蛋的大小与像素和A以及短轴之间均存在显著线性相关关系，修正后的模型相关系数达到了0.981[7]。

2.3 孵化蛋成活性的检测

种蛋孵化率的高低是影响养殖业经济效益的一个重要因素，而种蛋受精率的高低在很大程度上决定了孵化率的高低。据统计数据研究表明，种蛋的受精率一般低于90%。鉴别孵前或孵化早期无精蛋是禽蛋生产的难题之一，目前主要有有机器视觉、利用近红外光谱和高光谱等方法实现孵前种蛋的检测。2000年，陈家娟等人在获取孵化鸡蛋色度直方图的基础上提取孵化鸡蛋表面颜色作为特征值，并结合遗传神经网络，建了一套适合于孵化鸡蛋可成活性自动检测的机器视觉系统[8]。 2012年，祝志慧等人利用近红外漫反射光谱分析技术对种蛋中的无精蛋和受精蛋进行检测，通过对不同波段范围、不同主成分因子数和不同光谱预处理方法对种蛋类型检测结果的比较分析，建立种蛋的定性检测模型。该研究为孵前无精蛋和受精蛋的无损检测提供了新的途径[9]。2015年，祝志慧等人运用高光谱成像技术将图像信息与光谱信息结合起来，通过研究孵化前受精蛋与无精蛋的图像差异、光谱差异，运用高光谱成像技术，结合圖像信息和光谱信息，提取图像的特征值，运用不同的方法建立关于孵化前受精蛋和无精蛋分类的判别模型，并比较。实验结果表明，利用RVM检测孵化前受精信息具有可行性，可以提高检测模型的精度[10]。

3 禽蛋无损检测的现状分析

在广泛阅读国内禽蛋品质无损检测技术相关文献的基础上，了解到，目前我国禽蛋品质的无损检测主要集中在禽蛋新鲜度，储藏时间；禽蛋大小、颜色分级以及禽蛋蛋壳裂缝检测；孵化蛋、种蛋和无精蛋检测等方面。禽蛋新鲜度和大小颜色分级的检测方法主要通过有机器视觉技术、光学无损检测技术、利用声学特性结合机器视觉技术，建立新鲜度相关的数学模型和大小分级模型；孵化前种蛋和无精蛋的鉴别虽然暂时还没有实现精度很高的鉴别方法和模型，但是近红外光谱漫反射光谱分析技术和高光谱成像技术的运用，为禽蛋孵化前受精信息的定性检测提供了新的方法和思路。但是，综合以上分析来看，目前我国禽蛋品质的无损检测仍存在一些问题有待改进。

（1）目前，有关禽蛋品质检测的研究和实验品种及检测功能都比较单一，相关研究应该在现有成熟技术手段和方法的基础上结合实际生产的需要，适当拓展试验品种，综合检测项目，以满足禽蛋业发展品质提升的趋势。

（2）利用光学、声学特性无损检测虽然已经取得一定成果，但与实际生产需要仍有距离。可以考虑将这些成熟技术与一些精密仪器和机械结合起来，投入到实际的生产线中。

（3）禽蛋孵化前种蛋的鉴别检测仍然是需要攻克的难题，虽然目前已经提出了可行的检测方法，并实现了定性的检测，但是孵化中死胚蛋的鉴别检测方法有待进一步研究。

针对以上问题，在今后的禽蛋品质检测的探索中，研究者一方面需要跟踪世界先进技术，另一方面寻求图像增强、分割、特征提取、提高无损检测准确性的算法和判别模型。

参考文献

[1] 杨旭，郑丽敏.计算机视觉在禽蛋品质检测中的应用研究进展[J].农机化研究，2008，9（9）：168-170.

[2] 刘燕德，乔振先.鸡蛋光特性及其与新鲜度的相关性研究[J].江西农业大学学报，2002，24（1）：45-48.

[3] 杨简，潘贺，李太浩，等.基于灰色神經网络的蛋品新鲜度无损检测的研究[J].中国农机化学报，2014，35（1）：229-234.

[4] 刘艳，李庆武，黄小微，等.鸡蛋图像特征提取与新鲜度检测模型研究[J].科学技术与工程，2015，15（25）：72-77.

[5] 丁幼春.基于机器视觉鸭蛋品质无损自动检测分级系统的改进[D].华中农业大学，2003.

[6] 王树才，任奕林，陈红，等.利用敲击声音信号进行禽蛋破损检测和模糊识别[J].农业工程学报，2004，20（4）：130-133.

[7] 熊利荣，王树才，任奕林，等.鸡蛋大小等级模型的修正[J].农机化研究，2006（2）：104-105.

[8] 陈佳娟，陈晓光.采用计算机视觉进行孵化鸡蛋成活率可能性的自动检测[J].计算应用与软件，2001（18）：5-10.

[9] 祝志慧，王巧华，王树才，等.基于近红外光谱的孵前种蛋检测[J].光谱学与光谱分析，2012，32（4）：962-965.

[10] 祝志慧，刘婷，马美湖.基于高光谱信息融合和相关向量机的种蛋无损检测[J].农业工程学报，2015，31（15）：285-292.