DB42 T 1650.1-2021 禽蛋自动化分拣方法 图像识别 第1部分ː清洁度要求.pdf

1、 ICS 67.120.20 CCS B 45 DB42 湖北省 地方 标准 DB42/T 1650.1 2021 禽蛋自动化分拣方法 图像识别 第 1 部分：清洁度要求 Automatic sorting method for eggs image recognition Part 1: Cleanliness requirements 2021 - 03 - 03 发布 2021 - 05 - 03 实施 湖北省市场监督管理局 发 布 DB42/T 1650.1 2021 I 目 次 前言 . II 引言 . III 1 范围 . 1 2 规范性引用文件 . 1 3 术语和定义 . 1 4

2、 机器视觉检测法 . 1 基本要求 . 1 检测步骤 . 2 数据处理 . 2 5 检测分级指标 . 2 附录 A（资料性） 数据处理部分实现代码 . 3 DB42/T 1650.1 2021 II 前 言 本文件按照 GB/T 1.1 2020标准化工作导则 第 1部分：标准化文件的结构和起草规则的规定 起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本文件由 华中农业大学 提出。 本文件由 湖北省农业农村厅 归口。 本文件起草单位： 华中农业大学、湖北神丹健康食品有限公司。 本文件主要起草人： 王巧华、马美湖、祝志慧、王树才、金永国、刘华桥、黄茜、蔡朝霞

3、、王彩云 。 本文件实施应用中的疑问，可咨询湖北省农业农村厅，联系电话， 027-87665821，邮箱： ；对本文件的有关修改意见建议请反馈至华中农业大学，联系电话： 027-87286905，邮 箱： 。 DB42/T 1650.1 2021 III 引 言 禽蛋表面粘附的污渍不仅影响禽蛋的外观质量和商品价值，还是潜在的食品污染源。当前我省禽蛋 销售仍以污壳蛋为主。这种销售方式和发达国家相比存在巨大差距，随着人民生活水平的提高，人们对 禽蛋品质要求越来越高，追求新鲜、卫生和营养是消费的必然趋势。 禽蛋表面越脏，其微生物病菌就 越多，这样的禽蛋就更容易被污染。储存禽蛋时，若根据其表面情 清洁

4、程度将禽蛋分级分拣，区别对待，可以有效避免禽蛋之间的交叉感染。其次，清洗禽蛋时，根据清 洁度分级分拣，可以更好确定不同污壳蛋所需的不同清洗工序；销售流通时也可按质论价。但是，目前 缺少禽蛋清洁度的自动化分拣标准。因此，禽蛋自动化分拣方法的制订，对促进我省禽蛋业的快速高效 发展有积极意义。 DB42/T 1650.1 2021 1 禽蛋自动化分拣方法 图像识别 第 1 部分：清洁度要求 1 范围 本文件规定了污壳禽蛋的术语和定义、机器视觉检测法、检测分级指标。 本文件适用于鸡蛋、鸭蛋和鹅蛋，其它禽蛋的表面脏污程度分级也可参照此标准。 2 规范性引用文件 本文件没有规范性引用文件。 3 术语和定义

5、 下列术语和定义适用于本文件。 污壳禽蛋 egg with dirty shell 表面有未处理的污物，如粪便、血斑、蛋液、羽毛、饲料、泥土等的禽蛋。 污渍块 stain block 污壳禽蛋 表面相对集中、非连续的污渍、污斑。 污渍块数 number of stains 指用机器视觉统计到的 污壳禽蛋 表面污渍块的块数，单位：块 /枚。 机器视觉 machine vision 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品将被摄取目标 转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色 等信息，转变成数字化信号；图像系统对这些

6、信号进行各种运算来抽取目标的特征，进而根据判别的结 果来控制现场的设备动作。 4 机器视觉检测法 基本要求 4.1.1 人员要求 会使用 MATLAB等软件。 4.1.2 装置要求 DB42/T 1650.1 2021 2 机器视觉装置由光源、光箱、工业相机、计算机等组成，应满足如下要求： a) 光源：普通光源，如 1 W 的 LED 黄色单筒光源； b) 光箱：光箱内壁为深色，光箱分两 层，下层放光源，上层顶部装相机，中间有开孔（孔径 30 mm）的隔板，隔板上放置刻度尺进行标定； c) 装有 MATLAB 等软件的计算机； d) 普通工业相机，相机与计算机相连； e) 该检测装置可静态设置

7、，亦可动态设置（适用于流水线检测）。 检测步骤 静态检测：把待测禽蛋置于光箱暗小孔中，打开光源，启动相机，正反各拍一次图像，相机的输出 信号通过数据线被传送到计算机中，计算机按照已经设置好的程序进行编辑处理并判断，给出检测结果。 动态检测：群体禽蛋随着蛋辊输送线不断翻滚前行，相机连续采集禽蛋的双面图像，相机的输出信 号通过数据线被 传送到计算机中，计算机按照已经设置好的图像分割等程序进行编辑处理并判断，给出 检测结果。 数据处理 4.3.1 图像面积计算 表面污渍面积即图像中禽蛋表面污渍区域的所有像素点之和，整蛋面积即禽蛋完整边缘内的所有 像素点之和。 通过有效的图像处理方法，得到禽蛋的整蛋面

8、积 S1和禽蛋表面除去脏污后所剩下的面积 S2。 4.3.2 统计表面污渍面积占整蛋面积比 公式（ 1）为 计算每一枚禽蛋的脏污面积与整蛋面积比 M: M = 12 1 100% (1) 式中： S1 禽蛋的整蛋面积； S2 禽蛋表面除去脏污后所剩下的面积。 4.3.3 统计蛋壳表面污渍块数 通过图像处理算法，得到蛋壳表面污渍块数 N。 以上部分程序代码见附录 A。 5 检测分级指标 将禽蛋根据表面清洁度或脏污程度分为 3个等级，具体判别指标依据总结如表 1所示。 表 1 机器视觉法判别禽蛋表面脏污指标 一级 二级 三级 蛋壳表面污渍 块 数 N=0；表面污渍 面积占整蛋面积比 M=0（两条件

9、同 时满足） 蛋壳表面污渍 块 数 N 5；表面污渍 面积占整蛋面积比 M 15（两条件 同时满足） 蛋壳表面污渍 块 数 N 5 ；表面污渍面积 占整蛋面积比 M 15（两条件满足一个 即可） DB42/T 1650.1 2021 3 A A 附录 A （资料性） 数据处理部分实现代码 图 A.1为 MATLAB编程语言下的数据处理部分实现代码 。 图 A.1 数据处理部分实现代码 （ 第 1页 /共 4页 ） DB42/T 1650.1 2021 4 图 A.1 数据处理部分实现代码 （ 第 2页 /共 4页 ） DB42/T 1650.1 2021 5 图 A.1 数据处理部分实现代码 （ 第 3页 /共 4页 ） DB42/T 1650.1 2021 6 图 A.1 数据处理部分实现代码 （ 第 4页 /共 4页 ）