禽蛋食品在線品質(zhì)檢測控制系統(tǒng)設(shè)計
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了禽蛋食品在線品質(zhì)檢測控制系統(tǒng)設(shè)計范文，希望能給你帶來靈感和參考，敬請閱讀。
摘要：對禽蛋食品品質(zhì)進行高效、快速、準確的無損檢測,在禽蛋生產(chǎn)、流通、包裝等領(lǐng)域具有重要意義。為實現(xiàn)禽蛋生產(chǎn)無損品質(zhì)檢測,設(shè)計一套基于計算機技術(shù)和DCS相結(jié)合的禽蛋品質(zhì)在線智能檢測控制系統(tǒng)。介紹禽蛋無損檢測系統(tǒng)整體結(jié)構(gòu),根據(jù)在線檢測要求設(shè)計一套由CMOS數(shù)字攝像機、圖像采集卡、運動控制模塊及計算機等相關(guān)硬件組成的視覺采集系統(tǒng)。在上述硬件結(jié)構(gòu)基礎(chǔ)上,開發(fā)在線檢測系統(tǒng)軟件。經(jīng)過相關(guān)試驗驗證,該控制系統(tǒng)能夠?qū)崿F(xiàn)96%禽蛋裂紋識別率、94%污斑別率,總體識別準確率達95.6%,基本能夠滿足禽蛋在線檢測需求。
關(guān)鍵詞：禽蛋食品;DCS;圖像采集卡;計算機
禽蛋品質(zhì)檢測是禽蛋加工生產(chǎn)、經(jīng)營、運輸中的一種重要環(huán)節(jié)，禽蛋在收購、儲存、包裝過程中損失的主要原因是禽蛋外殼破損或外殼被污染并摻雜在正常的禽蛋中，從而導(dǎo)致交叉污染[1-2]。因此快速、準確發(fā)現(xiàn)并挑選出破損的禽蛋，既能保證后續(xù)禽蛋加工，又能減小生產(chǎn)企業(yè)損失。國內(nèi)對于禽蛋檢測還主要停留在人工檢測階段，即通過工人在燈光下對禽蛋進行觀察，將外觀品質(zhì)存在缺陷的挑選出。人工檢測方法勞動強度大、檢測速度慢、檢測效率低下，且檢測準確率受人工注意力、工人經(jīng)驗等因素影響。隨著人民生活水平不斷提高，對于禽蛋的消耗量日益增多，研究高效、快速、準確的禽蛋品質(zhì)自動化檢測方法，實現(xiàn)禽蛋食品的自動檢測是農(nóng)業(yè)機械化和食品自動化加工的必然趨勢[3-5]。近年來隨著計算機硬件性能不斷提高及圖像處理技術(shù)的快速發(fā)展，機器視覺逐漸作為一種非接觸式的無損檢測技術(shù)逐漸被應(yīng)用于食品外觀質(zhì)量檢測中，如禽蛋檢測、蘋果檢測、西紅柿檢測等，可有效提高食品在線檢測效率和準確率[6-8]。與傳統(tǒng)人工檢測方法相比，機器視覺檢測技術(shù)具有檢測速度快、效率高、降低勞動強度等優(yōu)點，能夠快速地對檢測食品進行圖像采集并處理，可根據(jù)處理結(jié)果做出實時在線判斷。為有效對禽蛋外表面缺陷進行檢測，設(shè)計一套基于機器視覺的智能在線檢測控制系統(tǒng)。禽蛋機器視覺檢測技術(shù)主要通過圖像采集裝置對禽蛋進行采集，并將圖像傳送到圖像采集卡中，由圖像采集卡完成圖像處理，并獲得禽蛋外表面的具體特征，禽蛋外表面出現(xiàn)裂痕或污染等特征時，在外界光照條件下禽蛋外表面的反射、折射差異會通過數(shù)字圖像進行識別。試驗結(jié)果表明，設(shè)計的機器視覺檢測控制系統(tǒng)穩(wěn)定可靠，能夠保證禽蛋外觀缺陷總體識別準確率（93%）。
1禽蛋在線檢測系統(tǒng)
禽蛋在線機器視覺檢測系統(tǒng)主要由光源設(shè)備、圖像采集卡、運動控制裝置及圖像處理系統(tǒng)組成，如圖1所示。為實現(xiàn)禽蛋全表面的完全檢測，禽蛋運輸采用輸送鏈條對其進行傳輸，并采用錐式滾子實現(xiàn)禽蛋的翻轉(zhuǎn)。通過鏈條帶動錐式滾子進行運動，禽蛋被存放在錐式滾子之間，當(dāng)錐式滾子運動到下端的傳送帶時便產(chǎn)生摩擦，由于靜止的摩擦帶與運動的錐式滾子之間的速度差，速度差使得錐式滾子發(fā)生轉(zhuǎn)動，從而實現(xiàn)禽蛋的翻轉(zhuǎn)，進而保證禽蛋的所有表面都暴露在采集系統(tǒng)下。
2控制系統(tǒng)硬件設(shè)計
禽蛋品質(zhì)在線檢測系統(tǒng)是一種利用CCD相機對禽蛋進行采集、圖像處理及機械自動控制等技術(shù)于一體的自動在線檢測技術(shù)，通過圖像采集模塊采集到禽蛋多面圖像，再經(jīng)過圖像處理算法，如圖像濾波算法、圖像分割算法等，進一步獲得禽蛋圖像的特征值，通過對圖像特征值的分析獲得禽蛋外觀品質(zhì)的缺陷情況。禽蛋品質(zhì)在線檢測系統(tǒng)的核心技術(shù)便是圖像采集以及對采集后的圖像進行在線處理，檢測系統(tǒng)硬件結(jié)構(gòu)如圖2所示。在線檢測體統(tǒng)主要由圖像采集系統(tǒng)、圖像處理系統(tǒng)、顯示屏通信系統(tǒng)等組成，擴展單元主要由信息存儲、外部I/O、顯示單元等組成。檢測系統(tǒng)主要通過串口下發(fā)禽蛋圖像采集和檢測命令，由CCD相機完成圖像信息收集并將信息傳送到DSP內(nèi)部中，利用圖像處理算法對圖像進行各種處理，從而獲得有價值的圖像信息，同時根據(jù)最終的處理結(jié)果，對控制器發(fā)出命令控制執(zhí)行機構(gòu)挑選出外觀存在問題的禽蛋，同時將處理結(jié)果顯示在顯示觸摸屏上。圖像采集單元中使用的攝像頭擁有緊湊型USB接口的高分辨率CMOS工業(yè)數(shù)字照相機。由DSP的DMA將禽蛋圖像存儲到SDRAM中，等待對采集的圖像做進一步處理。數(shù)字信號處理器（DSP）具有運算速度快和實時處理能力，能夠使用編程語言實現(xiàn)各種復(fù)雜的控制算法，同時DSP能夠?qū)崿F(xiàn)強大的擴展功能。選TMS320F28335作為主要控制芯片，該芯片是由TI公司推出的高性能集成外設(shè)的32位微型處理控制器，具有強大的數(shù)字信號處理功能，該款處理器能夠滿足智能圖像處理，使用該款處理器能夠大大降低系統(tǒng)硬件成本，檢測系統(tǒng)中主要通過FLASH閃存和同步動態(tài)隨機存取內(nèi)存對程序進行存儲。顯示系統(tǒng)主要由LCD、LCD控制器（S3C2400）、觸摸屏組成。I/O單元可以實現(xiàn)檢測系統(tǒng)傳感器信息采集及執(zhí)行機構(gòu)控制。
3控制系統(tǒng)軟件設(shè)計
對于禽蛋品質(zhì)在線檢測系統(tǒng)，要獲得快速、準確的檢測結(jié)果，不僅需要采集高質(zhì)量的禽蛋圖像，快速識別、邊緣處理、圖像分割等圖像處理算法，還需要一套穩(wěn)定可靠、高效運行的軟件系統(tǒng)作為保障。系統(tǒng)軟件是使用C程序語言開發(fā)的，在Windows環(huán)境下運行。C#是微軟公司的一種面向?qū)ο蟆⑦\行于.NETFramework之上的高級程序設(shè)計語言。禽蛋品質(zhì)在線智能檢測系統(tǒng)軟件設(shè)計按照系統(tǒng)實現(xiàn)的功能，將軟件設(shè)計為四大部分：用戶關(guān)系系統(tǒng)、禽蛋圖像采集系統(tǒng)、圖像算法處理系統(tǒng)及檢測結(jié)果存儲與管理系統(tǒng)。檢測系統(tǒng)軟件整體結(jié)構(gòu)如圖3所示。禽蛋品質(zhì)在線檢測系統(tǒng)是擁有多功能的程序結(jié)構(gòu)。禽蛋圖像采集、禽蛋外觀圖像處理算法均需要占用較長的芯片處理時間，為了不影響主要程序的響應(yīng)，在軟件設(shè)計編程過程中采用多段子程序處理技術(shù)。程序的子程序主要有圖像采集子程序、禽蛋圖像處理算法子程序。通過主程序和子程序共同實現(xiàn)禽蛋品質(zhì)在線檢測系統(tǒng)的功能。其中，主程序主要負責(zé)畫面的顯示、更新、人機交互，并負責(zé)整個在線檢測系統(tǒng)軟件流程邏輯。
4試驗分析
為了驗證設(shè)計的禽蛋品質(zhì)在線檢測控制系統(tǒng)的準確性和穩(wěn)定性，進行相關(guān)試驗統(tǒng)計分析。選取200枚某農(nóng)貿(mào)市場采購的新鮮雞蛋，其中100枚進行人為破壞，其中50枚裂紋蛋、50枚外殼存在污斑雞蛋，每個樣本采集3個側(cè)面圖像，因此裂紋蛋和污斑蛋總共采集180幅禽蛋圖像。利用設(shè)計的禽蛋檢測控制系統(tǒng)對其進行檢測，綜合所有采集圖像對外觀缺陷雞蛋進行識別，具體工作流程如圖4所示，試驗結(jié)果如表1所示。從試驗結(jié)果可以看出，設(shè)計的禽蛋食品在線智能檢測控制方法能夠?qū)崿F(xiàn)95.6%禽蛋外觀識別率。試驗結(jié)果表明該檢測系統(tǒng)完全能夠滿足檢測需求。系統(tǒng)能夠穩(wěn)定可靠運行，能夠大幅提高禽蛋生產(chǎn)企業(yè)生產(chǎn)效果，并提高禽蛋檢測效率。
5結(jié)語
以禽蛋食品外觀缺陷檢測為研究對象，為解決傳統(tǒng)人工檢測效率低、檢測精度低等問題，設(shè)計一種基于機器視覺檢測的禽蛋外觀缺陷檢測控制系統(tǒng)。詳細介紹檢測系統(tǒng)硬件結(jié)構(gòu)，利用圖像采集、圖像處理等技術(shù)實現(xiàn)禽蛋外觀缺陷檢測。在硬件結(jié)構(gòu)基礎(chǔ)上對檢測系統(tǒng)軟件進行設(shè)計，并給出檢測系統(tǒng)軟件整體結(jié)構(gòu)。試驗結(jié)果表明，通過該檢測控制系統(tǒng)對禽蛋進行檢測，其檢測準確率可達95.6%，該檢測方法完全能夠滿足檢測要求。
參考文獻：
[1]丁幼春,任奕林,熊利榮,等.蛋動態(tài)圖像預(yù)處理和獲取顏色特征參數(shù)的算法[J].華中農(nóng)業(yè)大學(xué)學(xué)報,2005,24(5):512-515.
[2]李清清.我國蛋及蛋制品行業(yè)質(zhì)量調(diào)研報告[J].質(zhì)量與標準化,2013(9):42-45.
[3]勵慧敏.蛋及蛋制品加工與發(fā)展[J].食品研究與開發(fā),2014(11):127-129.
[4]虞華,張士洲,虞麗娜.2016年我國禽蛋生產(chǎn)形勢回顧及2017年走勢分析[J].飼料廣角,2017:14-17.
[5]屠康,潘磊慶,楊佳麗,等.基于計算機視覺的雞蛋污斑檢測[J].江蘇大學(xué)學(xué)報(自然科學(xué)版),2007,28(3):189-192.
[6]潘磊慶,屠康,蘇子鵬,等.基于計算機視覺和神經(jīng)網(wǎng)絡(luò)檢測雞蛋裂紋的研究[J].農(nóng)業(yè)工程學(xué)報,2007,23(5):154-158.
[7]段茜,陳普春,鄒其徽.基于計算機視覺的雞蛋表面積估算方法[J].安徽農(nóng)業(yè)大學(xué)學(xué)報,2013,40(2):342-344.
[8]應(yīng)義斌,饒秀勤,趙斌.等.機器視覺技術(shù)在農(nóng)產(chǎn)品品質(zhì)自動識別中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報,2000,16(1):103-106.
作者：湯欽林 單位：荊州職業(yè)技術(shù)學(xué)院