基于Matlab平台的无精蛋识别系统

中图分类号: S813. 23; S126
文献标识码: A
文 章编号: 1003- 188X ( 2011) 08 - 0138- 04
0 引言
我国是全球禽蛋生产大国, 禽蛋的国际贸易额却 少得可怜, 现有的分级检测标准已不能适应国际形势 的发展。随着消费者食品安全意识 的日益增强, 人们 对禽蛋产品的质量要求越来越高, 禽蛋的品质检测也 成为禽蛋 生产、经 营和加工中的 重要环节之一, 直接 影响到商 品等级、市场竞 争力和 经济效 益 [ 1] 。目前, 国内禽蛋大多仍靠人工感官进行品质检测与分级, 由 于受到多种主客观因素的影响, 评定结果的准确性往 往难以保证, 传统的分级方法已不能满足生产加工的 要求 [ 2 ] 。此时, 对禽蛋品质检测方法的研究就显得尤 为重要。计算机 视觉技术 的诞生和 应用极大 地解放
周长 具有与种蛋图像区域 相同二次矩的椭圆偏心率
C omp lexity E xtent
Ball exual
复杂性 伸长度
球状性
种蛋图像区域的形状复杂性 长与宽的最大值及最小值比值
种蛋图像区域内切圆的半径 与种蛋图像区域外接圆的半径
a /b
长短轴比
种蛋图像长轴与短轴比值
从种蛋图像区域重心到
d
平均变动系数
中值滤波是基于排序统计理论的一种能有效抑制 记为白色 ( 255) , 而所有灰度级小于等于 T 的像素都
噪声的非 线性信号 处理技术。中值 滤波的基 本原理 被标记为黑色 ( 0) , 从而将目标和背景分开, 即
是: 把数字图像或数字序列中一点的值用该点的一个 邻域中各点值的中值代替, 让周围的像素值接近真实
( C anny )边缘算子检测的边缘图像。 2. 3 特征提取
特征提取菜单包括表 1所 示的 10个轮廓特征参 数 [ 14] , 单值和多值特征显示在 图像区, 与使用的相关
预处理图像显示的位置相同。
图 5 二值图像
图 6 边缘检测 图像
F ig. 5 Th e b inarization im age
图 2 系统菜单示意图
Fig. 2 D iagram of system m enu
2. 2. 1 灰度化
维滑动模 板, 将板 内像 素 按照 像素 值的 大小 进行 排
灰度处理就 是把一 幅彩色 图像变 成一幅 黑白图 序, 生成单调上 升 ( 或 下降 ) 的为 二维 数据 序列。将
像, 尽量消除光 照影响, 调整图 像的对 比度。如打开 M atlab自带的 m edfilt2函数功能用于中值滤波, 如图 4
一幅图像, 再按 彩色图像 转灰度图像 按钮, 则可以 所示。
把一幅彩色图像变成一幅灰白图像, 使用 M atlab自带 2. 2. 3 二值化
的 rgb2gray 函数。灰度化图像如图 3所示。
图像二值化的思 想是选取 一个合适 的阈值 T 对
2. 2. 2 中值滤波
图像进行分割, 所有灰度级大于等于 T 的像素都被标
轮廓线的长度的平均变动系数
依据上面轮 廓特征参数定 义, 建立 以圆度、复杂 性、伸长度、球状性、长短轴比和 变动系为特征值的数 学模型, 作为 BP 神经网络分类器的输入特征向量, 实 现无精蛋识别。
3 无精蛋识别
无精蛋识别菜 单包括 网络构 建、初始化、网 络训 练和识别。本系统的 分类器主 要功能是 把种蛋 分为 无精蛋和受 精蛋。本系统采 用 BP 神 经网络 [ 15] 。 BP ( Back Propagat ion)网络是 1986年由 Rum elhart和 M c C elland为首的科学家小组提出的, 是一种按误差逆传 播算法训练的多层前馈网络, 是目前应用最广泛的神 经网络模型之一。 BP 网络能学 习和存贮大量的输入 - 输出模式映射关系, 而无需事前揭示描述这种映射 关系的数学方程。它的学习规则是使用最速下 降法, 通过反向传播来不断调整网络的权值和阈值, 使网络
2 系统菜单功能模块
软件由功能菜单区与图像显示区组成。功能菜单
包括文件、图像预处理、特征提取、无精蛋识别和工具
等 5个部分, 每个部分包括其算法, 如图 2所示。 2. 1 文件菜单
文件菜单项 操作包括 打开、关闭、保存、另存 为、 打印及退出选项, 可以实现所有目录, 图像文件的打 开和界面中显 示图像结 果的保存。当选 择打开 或保 存图像时, 弹出 W indow s常见对话框。可对其进行图 像文件的 浏览 和选 择打 开的 图像, 文件 显示 在图 像 区, 并刷新原始图像路径。 2. 2 图像预处理
了人类劳 动力, 提 高了生产自动 化水平, 改善了人类 生活现状, 具有 很好的应 用前景。近年 来, 国 内的一 些学者也开始对种蛋孵化成活性检测进行研究, 主要 是运用 了 计 算 机 视 觉 检 测 法 [ 3- 4] 和 光 电 特 性 检 测 法 [ 5] , 取得了丰硕的研究成果。杨秀坤 [ 6] 运用计算机 视觉技术与遗 传神经网 络相结合 的方法根 据种蛋表 面颜 色特 征 进 行 孵 化鸡 蛋 的 可 成 活 性判 别。 周维 忠 [ 7] 利用量化 后的色度 值作为种 蛋颜色内 部特征参
13 8
2011年 8月
农 机化 研 究
第 8期
图像操作后实现刷新; 位于图像区下方的编辑框可用 于图像预处理时接收用户输入的阈值信息; 右边结果 输出区用于显示文字 信息 ( 受精 蛋或无精 蛋 ) 。其主 界面如图 1所示。
图 1 识别系统主界面 F ig. 1 M ain interface of verification system
图 3 灰度图像
图 4 中值滤波效果
F ig. 3 The gray im age
F ig. 4 Th e effect Nhomakorabeaof m ed ian filter
2. 2. 4 边缘检测 边缘是指图像中像素灰度有阶跃变化或屋顶状变
化的所有 像素的集 合。它 对识别和 分析图像 十分有
用, 能勾画目标物体轮廓, 是图像识别中抽取的重要 属性, 在计算机视觉中占有特殊的位置, 是底层视觉 处理最重要的环 节之一。对 连续图像 f ( x, y )边缘检 测, 即求 f ( x, y )梯度的局部最大值和方向。已知 f ( x,
F ig. 6 E dge d etect ion im age
表 1 种蛋轮廓特征 参数定义
Tab. 1 C on tou r features defin ition hatching eggs
参数
特征
定义
W ide H igh A rea P er im
R ound
宽 高 面积 周长
圆度
种蛋图像区域的宽度 种蛋图像区域的高度 种蛋二值图像区域面积
M a tlab平 台 的 无精 蛋 识 别 软件 运 行 界 面, 并对 其 系 统 菜单 功 能 模 块进 行 了 演 示。 结 果 显 示, 基于 M atlab 平 台 的 无
精 蛋 识 别软 件 可 达 到实 际 应 用 的要 求 。
关 键 词 : 无 精 蛋 ; 图像 处 理 ; M a t l a b ; 识 别
255 f ( x, y ) T f (x, y ) =
( 1)
0
f ( x, y ) < T
值, 从而消除孤立的噪声点。方法是取某种结构的二 式中 f ( x, y ) 原始图像;
13 9
2011年 8月
农 机化 研 究
第 8期
T 阈值; f ( x, y ) 二值化以后的图像。 通常所用的阈值分割方法要求观察图像的灰度直 方图, 选定灰度双峰之间的谷底值作为输入阈值将灰 度图像二值化, 阈值的选择合适与否将直接影响图像 分割的效果。在此软件中, 可以指定阈值或自动取得 最佳的阈 值, 最后 按 执 行 按 钮即 可生 效。 在系统 中, 用户可以自己编写程序代码实现, 也可使用 M a tlab 自带的 in2bw 函数。该函数的功能是通过设定亮度阈 值将灰度转 换 成二 值图 像, 其效 果 如图 5 所 示。此 时, T = 0. 5。
2011年 8月
农 机化 研 究
第 8期
基 于 M atlab 平 台 的 无 精 蛋 识 别 系 统
马秀 莲
( 黑龙 江 八 一 农垦 大 学 信 息技 术 学 院 , 黑 龙 江 大 庆 16331 9)
摘 要: 种 蛋 图 像分 析 研 究 是 实 现 计 算 机 视 觉 从 种 蛋 中 分 离 受 精 蛋 和 无 精 蛋 检 验 的 基 础。 为 此 , 开 发 了 基 于
数, 采用小波神经网络分类器判别孵化过程中种蛋成 活可能性。郁志 宏等 [ 8] 提 出了一种 基于改进 粒子群 神经网络 进行孵化 种蛋成活 性自动检 测的方 法。前 人的研究表明, 计算机视觉技术在蛋产品外观品质检 测和自动分级 [ 9] 方面的应用已很广泛, 无损检测技术 确实能有 效 地应 用在 种蛋 上孵 以后 的 检测 上, 但是
收稿 日期: 2010- 10 - 19 基金 项目: 黑龙江 省教育厅科研资 助项目 ( 11 551317 ) 作者 简介: 马秀莲 ( 1970 - ), 女, 黑 龙江大庆人 , 副教 授, 硕 士研究 生,
( E - m ail) m axiul ian2005@ 126. com。
也存在着一些问题, 如研究主要集中在孵化早期无精 蛋的检测, 而孵化前无精蛋的检测在国内外还未见相 关报导, 而且研究都是 在实验室水平 下完成, 离实际 应用还有一段距离。本文通过 M atlab 平台, 利用图像 处理技术代替人的视觉进行无精蛋识别, 不仅能实现 种蛋分类, 而且可以推广用于蛋产品分级。应用该技 术有利于设计制造自动分级流水线, 大大提高了工作 效率。
y )在 方向沿 r 的梯度定义为