基于计算机视觉和神经网络的鸡蛋新鲜度检测

邢志中　张海东　王孟　翟超男　郭小军+陈腾

摘要：为了提高鸡蛋新鲜度分级的准确率，利用计算机视觉技术，通过所搭建的鸡蛋透射光图像采集系统获取鸡蛋透射光图像信息，提取鸡蛋的5个形状特征和6个颜色特征参数，结合BP神经网络与鸡蛋的哈夫单位值进行对照，从而建立鸡蛋新鲜度检测分级模型。其训练集和测试集的分级正确率分别为99.583 3%和98.333 3%。该分级模型的分级正确率达98.000 0%以上，具有较好的泛化功能及鲁棒性。结果表明，用鸡蛋的形状参数与颜色参数，结合神经网络对鸡蛋新鲜度分级是可行的，具有较高的分级正确率。

关键词：鸡蛋；计算机视觉；新鲜度；神经网络

中图分类号： S126文献标志码： A

文章编号：1002-1302（2017）11-0160-04[HS）][HT9.SS]

研究开发新的鸡蛋品质检测与分级技术，对提升我国鸡蛋标准化生产和规模化生产，增强我国鸡蛋产业的国际竞争力都有极其重要的意义。目前，我国评价鸡蛋品质的传统检测法主要有人工感官法和理化指标法[1-3]。感官评价法简单易行，能够保证鸡蛋的完整，但受品质测评人员主观因素的影响较大，结果也不够准确，且检测效率低[4]；理化指标法的评价结果比感官法客观，但要求测评人员具备熟练的参数测定技能，测定后样品鸡蛋有损坏，还存在检测效率低的问题，不适于在线快速品质检测。

鉴于上述传统检测方法的不足，近年来，有不少学者将农产品无损检测技术用于蛋品品质的检测研究[5-6]。王巧华等为获得鸡蛋新鲜度，通过计算机视觉系统以及数学软件 Matlab 软件获得鸡蛋的色调、强度、饱和度，并建立了神经网络对蛋品新鲜度进行检测，该模型对褐壳蛋及白壳蛋正确识别率分别为87.258%、89.029%[7]；……