1.本发明涉及一种基于机器视觉技术的羽化鸡小胸品质检测装置及分级系统，涉及羽化鸡小胸品质等级判定及分级，属于农产品加工与检测技术领域。
背景技术：2.鸡肉中的鸡小胸因其高蛋白、低脂肪、高嫩度等因素更是深受消费者青睐。近年来，为了满足人们对鸡小胸的需求，家禽养殖企业不断筛选生长周期短、鸡胸出肉率高的肉鸡品种进行养殖。目前养殖42日的肉鸡其鸡小胸的重量约为60g。然而，这些生产性状的改善导致了鸡小胸出现了一系列鸡肉病理问题，如深胸肌病、肌肉水肿硬化及羽化鸡小胸(鸡小胸出现裂口缺陷)等。其中羽化鸡小胸问题在今年来发展不断普片且更为突出，其会为后续禽肉加工产品带来劣质口感、营养流失等问题，直接导致流失大量消费者，使得禽肉加工企业出现严重经济损失。
3.目前针对禽肉生产线上羽化鸡小胸的致病机理相关研究并未做出完全的解释，羽化鸡小胸品质分级方法仍采用人工主观视觉去识别羽化鸡小胸的裂口缺陷数进行品质等级判定，其主要缺点有：一、人工主观性强，准确性低，不同的评级人员可能因鸡小胸表面颜色及大小等因素而未准确识别裂纹个数，从而出现错判，误判等情况；二、人工视觉易疲劳，连续性高强度的识别工作会导致无法准确识别裂纹个数；三、细节不可控，由于受到生产线速度的影响，人工识别裂纹容易出现漏查细小裂纹个数，从而出现错判、误判现象；因此急需对羽化鸡小胸品质分级方法进行深入研究，开发一种客观、准确、高效的羽化鸡小胸品质自动分级系统和分级方法，弥补人工主观识别的缺陷，实现羽化鸡小胸品质在线式无损分级检测。
技术实现要素：4.本发明所要解决的技术问题：本发明设计了一种基于机器视觉技术的羽化鸡小胸品质检测装置及分级系统，其适用于鸡小胸加工检测生产线上，可实现在线式无损识别羽化鸡小胸品质特征，并将鸡小胸品质划分为正常鸡小胸、中度羽化鸡小胸及严重羽化鸡小胸。本设计系统能够有效解决在羽化鸡小胸进行人工评级时产生的主观判断性差、工作效率低、检出速率慢及人工成本高等问题，为禽肉加工企业提供了在线式实时检测羽化鸡小胸品质分级方案。
5.为解决上述技术问题，本发明提供以下的技术方案：
6.一种羽化鸡小胸品质分级系统，由硬件模块、鸡小胸图像信息提取模块及鸡小胸品质分级模块组成，所述硬件模块、鸡小胸图像信息提取模块及鸡小胸品质分级模块均由工控机控制；所述鸡小胸图像信息提取模块及鸡小胸品质分级模块均包含在工控机内；
7.所述硬件模块包括鸡小胸运输模块和鸡小胸图像特征采集模块，所述鸡小胸运输模块包括输送带和触发传感器，所述输送带上方设有固定支架；
8.所述鸡小胸图像特征采集模块包括ccd工业相机；所述输送带用于将中间位置放
置的鸡小胸运输到ccd工业相机下方；
9.所述触发传感器和ccd工业相机均设于固定支架上；所述工控机与ccd工业相机和输送带电性连接；
10.所述硬件模块用于连续采集原始俯视鸡小胸图像；
11.所述鸡小胸图像信息提取模块用于接受ccd工业相机采集的原始俯视鸡小胸图像，并对原始俯视鸡小胸图像进行提取处理，得到原始俯视鸡小胸图像参数；
12.所述鸡小胸品质分级模块用于提取并处理原始俯视鸡小胸图像参数，采用svm多类分类器模型进行输出羽化鸡小胸等级，所述羽化鸡小胸等级分为正常鸡小胸、中度羽化鸡小胸、严重羽化鸡小胸三个等级。
13.优选地，所述硬件模块的图像采集过程为：工控机控制输送带运行输送鸡小胸，当鸡小胸运输到触发传感器正下方时，触发传感器接收信号并将信号传递至工控机，由工控机控制输送带停止3s，并对ccd工业相机传输拍照指令，此时工控机控制ccd工业相机对鸡小胸进行拍照，完成原始俯视鸡小胸图像的采集；3s后由工控机控制输送带继续运输，重复上述过程进行下一个鸡小胸的图像特征提取。
14.优选地，所述鸡小胸品质分级模块所处理的原始俯视鸡小胸图像参数为原始俯视鸡小胸图像中所有符合裂口缺陷条件处的凹点总数。
15.一种羽化鸡小胸品质检测方法，采用上述羽化鸡小胸品质分级系统进行检测，包括以下步骤：
16.步骤1、由经过专业化训练且具有一定评判经验的研究人员或工作人员对羽化鸡小胸品质进行评级，分类标准为：裂口缺陷数为0即凹点数为0则为正常鸡小胸，裂口缺陷数为1或2即凹点数为1或2则为中度羽化鸡小胸，裂口缺陷数大于2即凹点数大于2时则为严重羽化鸡小胸；
17.步骤2、对原始俯视鸡小胸图像进行图像处理和信息提取：将鸡小胸放置在输送带上，由输送带运送至ccd工业相机下时，触发传感器，传感器将信号传输至工控机，由工控机终端接受信号后控制输送带停止，并传输信号至ccd工业相机进行图像采集，此时ccd工业相机对鸡小胸进行俯拍，得到原始俯视鸡小胸图像，首先将原始俯视鸡小胸图像进行灰度化处理，接着利用ostu算法进行图像二值化，并利用gaussian filter算法进行图像平滑降噪及形态学开运算填充小孔，然后使用canny轮廓检测算法提取图像外轮廓，再对外轮廓进行逐点检索，找出每个裂口缺陷处符合条件的凹点，最后计算出所有的凹点数目；
18.步骤3、建立羽化鸡小胸品质分类数据库：根据鸡小胸表面每一处裂口缺陷处均存在一个凹点的特性，重复步骤1～2，建立羽化鸡小胸品质分类数据库，数据库中每条记录均为终端设备将原始俯视鸡小胸图像进行图像预处理所得到裂口缺陷处的凹点总数；
19.步骤4、建立svm多类分类器模型：将所建立的羽化鸡小胸品质分类数据库中80％的数据作为训练集，建立羽化鸡小胸品质分类模型，将20％的数据作为测试集，用于测试模型的准确性；
20.步骤5、对未进行人工评判的羽化鸡小胸品质进行分类。
21.优选地，所述步骤5的具体步骤为：将未进行人工评判的鸡小胸放置于输送带中心，由输送带运送至ccd工业相机下时，发出相应传感器信号，由工控机终端接受后控制输送带停止，同时ccd工业相机对鸡小胸进行俯拍，得到原始的鸡小胸俯视图像，再将原始图
像进行图像二值化处理并提取其外轮廓，再对外轮廓进行检索找出符合裂口缺陷条件的所有凹点，将得到相关参数传输至工控机终端进行处理，最后根据步骤4所建立的svm多类分类器模型，根据凹点个数，计算出鸡小胸羽化程度的情况。
22.优选地，步骤5中所述的鸡小胸等级判定规则为：
23.svm多类分类器模型计算所得数值范围为0～1，为正常鸡小胸；
24.svm多类分类器模型计算所得数值范围为1～2(包含1和2)，为中度羽化鸡小胸；
25.svm多类分类器模型计算所得数值范围大于2，为严重羽化鸡小胸。
26.本发明获得的有益效果：
27.本发明可实现在线式无损识别羽化鸡小胸品质特征，大大减少了人工成本，降低了原材料浪费，缩减了禽肉加工企业损失，同时提升了产品质量，实现羽化鸡小胸品质等级评定的在线检测及分级方案。
28.本发明硬件模块中的ccd工业相机和传感器的安装位置的确定是经过测量大量鸡小胸的平均面积和实际ccd工业相机与传感器的尺寸大小及大量理论实验反复试验得出的结果，此位置可以在鸡小胸输送过程中精确检测到鸡小胸位置并采集俯视鸡小胸图像，确保鸡小胸的位置在照片中间，拍摄测量误差仅为0.1％。
29.本发明中建立的svm多类分类器模型，在ccd工业相机安装位置、鸡小胸摆放位置、传感器安装位置、ccd工业相机选型均一致时，可以直接将所得数据输入到svm多类分类器模型当中不做任何修改，就可适用于不同禽肉加工生产线规模的鸡小胸品质分级检测。
30.本发明的预测模型可根据不同的应用场景和不同检测特征的产品进行调整，在未来用于工业持续加工检测情况下，可对采集产品的图像进行预处理后再进行机器学习实现模型的建立和调整，以满足不同禽肉品质检测需求。
附图说明
31.图1整体品质分类系统流程图；
32.图2整体品质分类系统结构示意图；
33.图3不同品质鸡小胸外观示意图；
34.其中，图3中的标号说明：a-正常鸡小胸图像；b-中度羽化鸡小胸图像；c-严重羽化鸡小胸图像。
35.图4鸡小胸图像处理示意图；
36.其中，图4中的标号说明：d-原始俯视鸡小胸图像；e-图像灰度化处理；f-图像二值化处理；g-图像高斯滤波及形态学开运算处理；h-图像轮廓提取及凹点检测；i-图像凹点筛选(剔除错误凹点)。
37.图5svm多类分类器模型示意图；
38.图6鸡小胸品质分类系统工作流程图；
具体实施方式
39.下面通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
40.实施例1：一种基于机器视觉技术的羽化鸡小胸品质检测装置及分级系统，整体工
作流程图如图1所示，系统包括硬件模块、鸡小胸图像信息提取模块及鸡小胸品质分级模块；所述硬件模块、鸡小胸图像信息提取模块及鸡小胸品质分级模块均由工控机1控制；所述鸡小胸图像信息提取模块及鸡小胸品质分级模块均包含在工控机1内；
41.本实施例中，硬件模块包括触发传感器3、输送带5、工控机1、电动机、输送带挡板和ccd工业相机2。触发传感器3选用m18型激光传感器，能够快速准确识别出到达触发传感器3下方的鸡小胸6，并实时传输信号到工控机1；输送带5选用pvc食品级输送带直条纹带，防止损坏鸡小胸品质；输送带挡板采用聚乙烯食品级pp塑料，防止鸡小胸在输送过程中脱落；ccd工业相机2选用mv－ch120－10um型，本型号下的工业相机能够自动曝光，无需另加光源且缓存容量大能够应对工控机意外停工或损坏等情况下的图片暂存；工控机1，接收与传输信号，进行图像接收及提取图像信息。
42.所述硬件模块分为鸡小胸运输模块和鸡小胸图像特征采集模块，所述鸡小胸运输模块包括输送带5和触发传感器3，所述输送带5上方设有固定支架4；
43.所述鸡小胸图像特征采集模块包括ccd工业相机2；所述输送带5用于将中间位置放置的鸡小胸6运输到ccd工业相机2下方；
44.所述触发传感器3和ccd工业相机2均设于固定支架4上；所述工控机1与ccd工业相机2和输送带5电性连接；输送带5的动力源由电动机提供，工控机1控制电动机的转动。
45.所述硬件模块用于连续采集原始俯视鸡小胸图像，图像采集过程为：工控机1控制输送带5运行输送鸡小胸6，当鸡小胸6运输到触发传感器3正下方时，触发传感器3接收信号并将信号传递至工控机1，由工控机1控制输送带5停止3s，并对ccd工业相机2传输拍照指令，此时工控机1控制ccd工业相机2对鸡小胸6进行拍照，完成原始俯视鸡小胸图像的采集；3s后由工控机1控制输送带5继续运输，重复上述过程进行下一个鸡小胸6的图像特征提取。
46.所述鸡小胸图像信息提取模块用于接受ccd工业相机2采集的原始俯视鸡小胸图像，并对原始俯视鸡小胸图像进行提取处理，得到原始俯视鸡小胸图像参数，即俯视鸡小胸6图像的各个裂口缺陷的凹点数目。再将处理后的数据上传至svm多类分类器进行品质分类。
47.所述鸡小胸品质分级模块提取并处理原始俯视鸡小胸图像参数，采用svm多类分类器模型进行输出羽化鸡小胸等级，所述羽化鸡小胸等级分为正常鸡小胸、中度羽化鸡小胸、严重羽化鸡小胸三个等级。
48.鸡小胸图像信息提取模块由采集图像的ccd工业相机2和图像处理的工控机终端组成。ccd工业相机2采集俯视鸡小胸图像并将其传输至工控机1终端，由工控机1终端对原始俯视鸡小胸图像进行处理，首先将鸡小胸图像进行灰度化处理，接着利用ostu算法进行图像二值化，并利用gaussian filter算法进行图像平滑降噪，然后使用canny轮廓检测算法提取图像外轮廓，再对外轮廓进行逐点检索，找出每个符合条件的裂口缺陷处的凹点(一般一个裂口缺陷对应一个凹点)，最后计算出所有的凹点数目。
49.正常及不同羽化程度鸡小胸等级如图3所示，箭头指向裂口缺陷的凹点处，其中a为正常鸡小胸，b为中度羽化鸡小胸，c为严重羽化鸡小胸，划分规则如下：
50.一般鸡小胸表面平滑无裂口缺陷即凹点数目为0如图3a所示，则判定为正常鸡小胸；鸡小胸表面存在裂口缺陷但裂口缺陷数小于等于2即凹点数目为1或者2如图3b所示，则判定为中度羽化鸡小胸；鸡小胸表面出现裂口缺陷数超过2即凹点数目超过2如图3c所示，
则判定为严重羽化鸡小胸。
51.凹点检测及判别方法：鸡小胸品质分级主要依托于其表面处的裂口缺陷数进行人工评级，但在分级系统中识别裂口缺陷数效果一般，而分级系统可准确识别每个裂口缺陷处的凹点，且经观察一般每个裂口缺陷处一般对应一个凹点数，故用凹点数目代替裂口缺陷数；其步骤如下：首先提取图4g图的鸡小胸边缘轮廓信息；其次建立一个圆形模板，其半径为r(可根据实际检测效果进行调整)，定义圆心j在边缘轮廓上逐点前进，n为边缘轮廓上点的总数，j＝1,2
…
n；然后可得凹点检测及判别公式如下，其中cj为图4中h图中每个点的圆形模板处白色区域面积，sj为每个待检测的凹点，为保证凹点初步检测效果良好将检测标准定为为sj＞0.6则为凹点，sj≤0.6为非凹点；最后进一步判别凹点，经过多次调整参数发现当sj＞0.75时凹点判别准确率可达98.97％，即当sj＞0.75为凹点，sj≤0.75为非凹点，其检测效果图如图4i图所示。
[0052][0053]
鸡小胸品质分级模块通过鸡小胸图像信息提取模块所得到的裂口缺陷的凹点数目对鸡小胸进行品质分类，最后输出正常鸡小胸、中度羽化鸡小胸、严重羽化鸡小胸三种鸡小胸品质。
[0054]
鸡小胸品质分级模块由工控机终端建立的svm多类分类器模型组成，其主要进行羽化鸡小胸羽化程度等级评定，其示意图如图5所示。首先从原始数据集中采集数据，数据采集准则为无论训练集还是测试集其正常鸡小胸，中度羽化鸡小胸，严重羽化鸡小胸数目比例均为7：2：1，训练集与测试集初始总数为1600，其初始比例为8：2。然后根据其分类类别为正常、中度、严重三个等级，建立了3个svm分类器，其中svm分类模型1判别正常与中度，训练集为s1；svm分类模型2判别正常与严重，训练集为s2；svm分类模型3判别中度与严重，训练集为s3。最后根据每个分类器所得出的分类结果进行统计投票得出最终分类结果，其中若分类模型的结果不在模型所能判别的能力之内，则此分类模型结果当作废票，不参与投票统计。
[0055]
svm多类分类器模型以鸡小胸裂口缺陷处的凹点数作为参数输入，鸡小胸品质作为模型输出。为防止分类器出现过拟合现象从而无法找到最优分类超平面，引入松弛变量ε为0.6。由于此分类为非线性分类，所有引入了核函数gaussian radial basis function(rbf)，其gamma参数设置为1/k(k为类别数)即0.5。由于训练集与测试集总数为1600，样本数较大，所以分类器初始迭代次数设为1500次。为进一步平衡分类间隔，提高分类的准确度，引入了惩罚参数c，初始设定为3.0。其模型停止训练的误差精度为0.001。令分类器的损失函数为li＝σmax(0，s
j-s
yi
+τ)，其中s
yi
为真实类别得分，sj为其他类别得分，τ表示为边界值，li表示为输入图像的损失值，其中权重w初始设定为0.8，偏差b设定为1.2。分类器中参数根据结果进行调整，其测试准确率如下表1所示。由表1可知，分类器3所得最终测试准确率并未达到理想效果，分析原因可能为训练集中中度羽化鸡小胸与严重羽化鸡小胸数目太少。因此针对分类器3，增加训练集s3中中度羽化鸡小胸与严重羽化鸡小胸数目分别为768和384，并得出最终测试准确率为97.24％，达到预测效果。
[0056]
为进一步突出svm多类分类器的效果，将其与人工神经网络ann及bp神经网络bpnn进行各项评估指标对比，评估结果如下表2所示。其中f1值是精度和召回率的一种调和平
均，测试准确率反映模型预测正确的样本比例，精度反映正确预测的正样本占所有预测为正样本的比例，召回率反映正样本中被正确预测的比例，特异度反映负样本中被正确预测比例。
[0057]
通过表2评估数据可知svm多类分类器模型可取的很好的效果，相比较下bp神经网络模型与人工神经网络模型也可取得较好的效果，但是在执行效率上svm多类分类器模型因其简单的内部架构将明显优于以上两个神经模型，因此采用svm多类分类器模型。
[0058]
表1三种不同品质鸡小胸在svm多类分类器的预测结果
[0059][0060]
表2不同模型训练与测试的评估结果
[0061][0062][0063]
实施例2：鸡小胸品质分类系统工作流程图如图5所示：
[0064]
:一种基于机器视觉技术的羽化鸡小胸品质检测方法，包括以下步骤：
[0065]
(1)人工评判鸡小胸品质并进行分类
[0066]
由具有一定鸡小胸品级评判经验的工作人员随机抓取鸡小胸进行鸡小胸品质评判并分类，评判规则为：正常鸡小胸表面光滑、无裂口缺陷；中度羽化鸡小胸表面有明显裂口，裂口缺陷数为1或2；严重羽化鸡小胸表面裂口缺陷严重，裂口缺陷数在2个以上。最终将鸡小胸品质等级人工划分为3个等级。
[0067]
(2)对原始俯视鸡小胸图像进行图像处理和信息提取。
[0068]
将鸡小胸放置在输送带上，传感器安装在ccd工业相机下，输送带由电动机提供动力，当鸡小胸由输送带运送至ccd工业相机下时，触发传感器，传感器将信号传输至工控机，由工控机终端接受信号后控制输送带停止，并传输信号至ccd工业相机进行图像采集，此时ccd工业相机对鸡小胸进行俯拍，得到原始俯视鸡小胸图像。首先将原始俯视鸡小胸图像进行灰度化处理，接着利用ostu算法进行图像二值化，并利用gaussian filter算法进行图像平滑降噪及形态学开运算填充小孔，然后使用canny轮廓检测算法提取图像外轮廓，再对外
轮廓进行逐点检索，找出每个裂口缺陷处符合条件的凹点(一般一个裂口缺陷对应一个凹点)，最后计算出所有的凹点数目，根据凹点数进行品质分类。
[0069]
(3)建立羽化鸡小胸品质分类数据库。
[0070]
经过长期观察发现，一般鸡小胸表面每一处裂口缺陷处均存在一个凹点，重复步骤1～2，建立羽化鸡小胸品质分类数据库，数据库中每条记录均为终端设备将原始俯视鸡小胸图像进行图像预处理所得到裂口缺陷处的凹点总数。
[0071]
(4)建立svm多类分类器模型。
[0072]
将所建立的羽化鸡小胸品质分类数据库中80％的数据作为训练集，建立羽化鸡小胸品质分类模型，将20％的数据作为测试集，用于测试模型的准确性。
[0073]
(5)对羽化鸡小胸品质进行分类。
[0074]
将未进行人工评判的鸡小胸放置于输送带中心，由输送带运输至ccd工业相机下时，触发传感器工作发出信号，由工控机终端接受传感器信号后控制输送带停止，同时ccd工业相机对鸡小胸进行俯拍，得到原始的鸡小胸俯视图像，再将原始图像进行图像灰度化及二值化处理，然后进行形态学开运算及高斯滤波处理，最后进行外轮廓提取处理，判断图像裂口缺陷处凹点数目，并将处理后的数据，上传至(4)所建立的svm多类分类器模型，计算出鸡小胸品质类别。
[0075]
具体地，利用基于机器视觉技术的羽化鸡小胸品质检测装置及分级系统，步骤(5)的鸡小胸品质分类规则为：
[0076]
svm多类分类器模型计算所得数值范围为0～1，则为正常鸡小胸；
[0077]
svm多类分类器模型计算所得数值范围为1～2(包含1，2)，则为中度羽化鸡小胸；
[0078]
svm多类分类器模型计算所得数值范围大于2，则为严重羽化鸡小胸。
[0079]
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内；本发明未涉及的技术均可通过现有技术加以实现。
技术特征：1.一种羽化鸡小胸品质分级系统，其特征在于，由硬件模块、鸡小胸图像信息提取模块及鸡小胸品质分级模块组成，所述硬件模块、鸡小胸图像信息提取模块及鸡小胸品质分级模块均由工控机(1)控制；所述鸡小胸图像信息提取模块及鸡小胸品质分级模块均包含在工控机(1)内；所述硬件模块包括鸡小胸运输模块和鸡小胸图像特征采集模块，所述鸡小胸运输模块包括输送带(5)和触发传感器(3)，所述输送带(5)上方设有固定支架(4)；所述鸡小胸图像特征采集模块包括ccd工业相机(2)；所述输送带(5)用于将中间位置放置的鸡小胸(6)运输到ccd工业相机(2)下方；所述触发传感器(3)和ccd工业相机(2)均设于固定支架(4)上；所述工控机(1)与ccd工业相机(2)和输送带(5)电性连接；所述硬件模块用于连续采集原始俯视鸡小胸图像；所述鸡小胸图像信息提取模块用于接受ccd工业相机(2)采集的原始俯视鸡小胸图像，并对原始俯视鸡小胸图像进行提取处理，得到原始俯视鸡小胸图像参数；所述鸡小胸品质分级模块用于提取并处理原始俯视鸡小胸图像参数，采用svm多类分类器模型进行输出羽化鸡小胸等级，所述羽化鸡小胸等级分为正常鸡小胸、中度羽化鸡小胸、严重羽化鸡小胸三个等级。2.根据权利要求1中所述的一种羽化鸡小胸品质分级系统，其特征在于：所述硬件模块的图像采集过程为：工控机(1)控制输送带(5)运行输送鸡小胸(6)，当鸡小胸(6)运输到触发传感器(3)正下方时，触发传感器(3)接收信号并将信号传递至工控机(1)，由工控机(1)控制输送带(5)停止3s，并对ccd工业相机(2)传输拍照指令，此时工控机(1)控制ccd工业相机(2)对鸡小胸(6)进行拍照，完成原始俯视鸡小胸图像的采集；3s后由工控机(1)控制输送带(5)继续运输，重复上述过程进行下一个鸡小胸(6)的图像特征提取。3.根据权利要求1中所述的一种羽化鸡小胸品质分级系统，其特征在于：所述鸡小胸品质分级模块所处理的原始俯视鸡小胸图像参数为原始俯视鸡小胸图像中所有符合裂口缺陷条件处的凹点总数。4.一种羽化鸡小胸品质检测方法，其特征在于：采用权利要求1～3任一项所述羽化鸡小胸品质分级系统进行检测，包括以下步骤：步骤1、由经过专业化训练且具有一定评判经验的研究人员或工作人员对羽化鸡小胸品质进行评级，分类标准为：裂口缺陷数为0即凹点数为0则为正常鸡小胸，裂口缺陷数为1或2即凹点数为1或2则为中度羽化鸡小胸，裂口缺陷数大于2即凹点数大于2时则为严重羽化鸡小胸；步骤2、对原始俯视鸡小胸图像进行图像处理和信息提取：将鸡小胸放置在输送带上，由输送带运送至ccd工业相机下时，触发传感器，传感器将信号传输至工控机，由工控机终端接受信号后控制输送带停止，并传输信号至ccd工业相机进行图像采集，此时ccd工业相机对鸡小胸进行俯拍，得到原始俯视鸡小胸图像，首先将原始俯视鸡小胸图像进行灰度化处理，接着利用ostu算法进行图像二值化，并利用gaussian filter算法进行图像平滑降噪及形态学开运算填充小孔，然后使用canny轮廓检测算法提取图像外轮廓，再对外轮廓进行逐点检索，找出每个裂口缺陷处符合条件的凹点，最后计算出所有的凹点数目；步骤3、建立羽化鸡小胸品质分类数据库：根据鸡小胸表面每一处裂口缺陷处均存在一
个凹点的特性，重复步骤1～2，建立羽化鸡小胸品质分类数据库，数据库中每条记录均为终端设备将原始俯视鸡小胸图像进行图像预处理所得到裂口缺陷处的凹点总数；步骤4、建立svm多类分类器模型：将所建立的羽化鸡小胸品质分类数据库中80％的数据作为训练集，建立羽化鸡小胸品质分类模型，将20％的数据作为测试集，用于测试模型的准确性；步骤5、对未进行人工评判的羽化鸡小胸品质进行分类。5.根据权利要求4中所述一种羽化鸡小胸品质检测方法，其特征在于：所述步骤5的具体步骤为：将未进行人工评判的鸡小胸放置于输送带中心，由输送带运送至ccd工业相机下时，发出相应传感器信号，由工控机终端接受后控制输送带停止，同时ccd工业相机对鸡小胸进行俯拍，得到原始的鸡小胸俯视图像，再将原始图像进行图像二值化处理并提取其外轮廓，再对外轮廓进行检索找出符合裂口缺陷条件的所有凹点，将得到相关参数传输至工控机终端进行处理，最后根据步骤4所建立的svm多类分类器模型，根据凹点个数，计算出鸡小胸羽化程度的情况。6.根据权利要求4中所述一种羽化鸡小胸品质检测方法，其特征在于：步骤5中所述的鸡小胸等级判定规则为：svm多类分类器模型计算所得数值范围为0～1，为正常鸡小胸；svm多类分类器模型计算所得数值范围为1～2(包含1和2)，为中度羽化鸡小胸；svm多类分类器模型计算所得数值范围大于2，为严重羽化鸡小胸。
技术总结本发明公开了一种羽化鸡小胸品质检测方法及分级系统，开发了一种基于机器视觉技术的羽化鸡小胸品质检测装置及分级系统，来鉴别鸡小胸的羽化等级。设备主要由硬件模块、鸡小胸图像信息提取模块及鸡小胸品质分级模块组成；首先在硬件模块中的输送带将鸡小胸输送至CCD工业相机下方，并完成对原始俯视鸡小胸图像采集；其次由工控机控制终点进行鸡小胸图像预处理并得出凹点数目；最后将得到的凹点参数传输至由训练集训练所得到的SVM多类分类器模型中进行鸡小胸品质分类。本发明实现了稳定、准确、低成本、高效率、客观的鸡小胸品质等级无损分级检测，未来可落实在禽肉加工在线式无损检测鸡小胸品质分级。鸡小胸品质分级。鸡小胸品质分级。
技术研发人员：孙啸 张续博 柏钰 邓涛 逄滨 董艳
受保护的技术使用者：滁州学院
技术研发日：2022.04.07
技术公布日：2022/7/5
