[发明专利]一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法在审

专利信息
申请号: 201810520090.5 申请日: 2018-05-28
公开(公告)号: CN108776143A 公开(公告)日: 2018-11-09
发明(设计)人: 段宇飞 申请(专利权)人: 湖北工业大学
主分类号: G01N21/94 分类号: G01N21/94;G01N21/952
代理公司: 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 代理人: 魏波
地址: 430068 湖北*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 污斑 鸡蛋蛋壳 在线视觉检测装置 光电传感器 鸡蛋 传送辊轮 工业相机 照射光源 采集箱 串口通讯线 计算机连接 数据传输线 图像采集箱 图像预处理 彩色图像 串口通信 二值图像 黑色像素 目标图像 区域像素 在线检测 正中位置 自动采集 像素点 计算机 蛋体 图片
【权利要求书】:

1.一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置,其特征在于:包括传送辊轮(1)、工业相机(2)、图像采集箱(3)、照射光源(4)、光电传感器(5)、PLC控制器(6)和计算机(7);

所述图像采集箱(3)固定安装在所述传送辊轮(1)两侧的支架上,所述工业相机(2)固定安装于采集箱(3)顶部正中位置并通过数据传输线与所述计算机(7)连接;所述传送辊轮(1)下方设置有照射光源(4),所述光电传感器(5)设置于所述采集箱(3)一侧并与所述PLC控制器(6)连接,所述PLC控制器(6)通过串口通讯线与所述计算机(7)进行串口通信。

2.根据权利要求1所述的鸡蛋蛋壳表面微小污斑的在线视觉检测装置,其特征在于:所述照射光源(4)为9个暖白色照蛋器,以3*3并排设置在所述传送辊轮(1)下方。

3.一种鸡蛋蛋壳表面微小污斑的在线视觉检测方法,其特征在于,包括以下步骤:

步骤1:采集鸡蛋彩色图像;

步骤2:预处理图像,获得鸡蛋彩色完整目标图像;

步骤3:提取微小污斑特征参数;

步骤4:判别污斑蛋与干净蛋。

4.根据权利要求3所述的鸡蛋蛋壳表面微小污斑的在线视觉检测方法,其特征在于,步骤2的具体实现包括以下子步骤:

步骤2.1:对图片进行裁剪,将单张图片中的九枚鸡蛋裁剪分成九张单独的鸡蛋图片;

步骤2.2:寻找图像中像素B分量值大于零的点,并将其R、G、B三个颜色分量的值设置为零,其余像素点保持原值,以清除大部分由于透射照明产生的漏光区域;

步骤2.3:提取R颜色分量图,并利用自适应阈值分割进行二值化转化为黑白图像;

步骤2.4:采用圆形结构元素对步骤2.3中的黑白图像先腐蚀后膨胀,消除漏光残余区域;

步骤2.5:补全蛋体表面图像的孔洞,消除图片边缘上的多余干扰区域;

步骤2.6:提取经上述步骤处理后的蛋体轮廓;

步骤2.7:剔除轮廓上存在的凹陷点,直接将剩下的凸包点相邻两端用线段进行连接,从而将蛋体轮廓补全;

步骤2.8:将补全后轮廓内的区域填充成白色,并与原图像进行点乘操作,获得去除背景后的鸡蛋彩色完整目标图像。

5.根据权利要求4所述的鸡蛋蛋壳表面微小污斑的在线视觉检测方法,其特征在于:步骤2.5中,通过封闭孔洞填充算法补全蛋体表面图像的孔洞,利用去除最小面积法消除图片边缘上的多余干扰区域。

6.根据权利要求4所述的鸡蛋蛋壳表面微小污斑的在线视觉检测方法,其特征在于:步骤2.7中,运用凸包算法剔除轮廓上存在的凹陷点。

7.根据权利要求3所述的鸡蛋蛋壳表面微小污斑的在线视觉检测方法,其特征在于,步骤3的具体实现包括以下子步骤:

步骤3.1:统计鸡蛋彩色完整目标图像的像素点个数,记为M;

步骤3.2:利用公式GREY=R*0.299+G*0.587+B*0.114将彩色图像转换为灰度图像;

步骤3.3:对灰度图像进行自适应阈值分割为二值图像;

步骤3.4:统计二值图像中像素值为255的像素点个数,记为N;

步骤3.5:计算微小污斑参数的值L=M-N。

8.根据权利要求7所述的鸡蛋蛋壳表面微小污斑的在线视觉检测方法,其特征在于:步骤3.3中,运用最大类间方差法对灰度图像进行自适应阈值分割为二值图像。

9.根据权利要求3所述的鸡蛋蛋壳表面微小污斑的在线视觉检测方法,其特征在于,步骤4的具体实现包括以下子步骤:

步骤4.1:针对每枚鸡蛋所采集到的三张图片分别进行上述步骤的处理,计算每枚鸡蛋分别在三张图片上提取的微小污斑区域特征参数,记为L1、L2、L3

步骤4.2:计算三个参数的和Lsum=L1+L2+L3

步骤4.3:若Lsum的值大于零,则判定该鸡蛋为污斑蛋;若Lsum的值等于零,则判定该鸡蛋为干净蛋。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖北工业大学,未经湖北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810520090.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top