一種簡易的雞蛋表面質量檢測系統

陳 藝徐春梅 梁 鈴 辜 凡榮雪媛

(1.西南科技大學制造科學與工程學院，四川 綿陽621010；2.西南科技大學工程訓練中心，四川 綿陽 621010）

0 引言

現在，機器視覺技術廣泛應用于自動生產線，包括現場操作控制和產品測試。使用LabVIEW編程系統[1]將采集到的目標圖像進行一系列處理可得到被測對象的各個參數，從而實現各種檢測及控制。實驗以雞蛋作為檢測對象，利用LabVIEW和質量檢測軟件系統對雞蛋圖像進行實時采集，根據檢測對象之間所存在的差異，利用圖像學與計算機有關知識，按要求對雞蛋進行挑選、分級[2]。

1 系統原理與結構

雞蛋表面質量檢測系統分為硬件和軟件部分組成。硬件部分包括：LED照明燈、攝像頭、背景板、計算機等。軟件部分包括：圖像采集系統、顏色識別系統、參數運算系統等。將雞蛋放置在指定位置，給予特定光線照射，采集一幀雞蛋的圖像，系統對該圖像進行識別、處理、分析，并將結果顯示出來，即可根據結果挑選雞蛋[3]。

2 顏色模型的選定

攝像頭采集到的圖像是RGB類型圖像，而基于人的視覺系統的HSL模型是一種圖像處理的理想顏色模型。由于雞蛋的顏色主要為白色或紅色（深淺不同），通過實驗發現，RGB模型和HSL模型都不適用于雞蛋顏色的識別。而灰度模型是一種基本的顏色模型，實驗表明利用灰度模型來識別雞蛋顏色可達到預定效果，因此選用灰度模型。

3 閥值的選定

顏色識別是根據顏色的差異來辨別場景中的目標物體，閥值的選取是決定識別效果的關鍵。灰度的圖像用G表示，其直方圖用h表示，二者的關系可表示為：

式中，m是灰度值。灰度直方圖用以分析整張圖像的灰度，它使用圖形來描述圖像中不同灰度等級像素的個數，運用直方圖表示時，其水平坐標為灰度等級，垂直坐標表示的是該灰度值出現的概率。可以通過觀察灰度直方圖來分析圖像的質量[5]。

利用此方法多次試驗，確定出在室內常規燈光條件下，紅色雞蛋的閥值為60-140，白色雞蛋的閥值為160-255。

4 圖像處理與識別

4.1 圖像預處理

“二值化”是從0-255這256個灰度值中選取適當的閥值，將結果置于0或255兩個極端灰度值，從而使圖像呈現出對比明顯的黑白效果。二值化可使圖像不再涉及灰度的多級值，從而使得數據的壓縮量變小，處理變得簡單。Labview的二值化公式可以定義為：

式中，m 為灰度值，T 為閥值，T1、T2、T3、T4為自定義選取的閥值。該效果的實現主要通過ExtractSingleColorPlane等功能來實現，如果一個對象具備勻稱劃一的在設定閥值范圍內的灰度值，并且具有另一灰度等級的均勻背景，利用該函數的閥值選取技術即可得到分割效果[6]。

“低通濾波”可以消除圖像中的噪聲干擾。通常噪聲是利用積分運算來平滑，但是當圖像模糊時又需要利用微分運算來銳化邊緣和細節使其清晰。低通濾波可在平滑噪聲的同時，最大程度地保留邊緣信息和細節，使噪聲和邊緣的信息和細節達到一個較為理想的平衡點。

“圖像加強”能夠按需求彰顯出圖像上的一些訊息，并同時減弱或去除一些無關緊要的訊息。其目標為在修改灰度圖像的同時，提高圖像的視覺效果，以供給直觀且清晰并適于分析的圖像。

4.2 圖像分析

分析經過預處理的圖像，首先改進目標物體（雞蛋）的形狀——填補目標物體中的空洞及去掉接觸目標物體邊沿的信息不完整的顆粒，然后利用分割目標物體而不使其形狀改變。去掉無關的大、小顆粒后，再過濾掉不感興趣的顆粒，以保留具有良好質量形狀的顆粒。最后返回圖像中的顆粒數，并且得出雞蛋的中心坐標值、長軸、短軸等參數。經一系列圖像分析后，系統將實現對雞蛋表面質量的檢測與分析。

5 軟件與實驗結果

本系統是一種簡易的雞蛋表面質量檢測系統，圖2-a為啟動程序界面,2-b為蛋形指數測量界面，2-c為紅白雞蛋識別程序界面。

主程序界面中“分析白雞蛋”和“分析紅雞蛋”可以分別識別白雞蛋和紅雞蛋，并得到它們的中心坐標值。還可通過其中的“預處理后圖像”挑選出蛋殼表面有缺陷（如裂紋、污斑等）的雞蛋。當被采集雞蛋個數為一時，主程序界面中的“雞蛋測量”功能在顯示雞蛋中心坐標值的同時，還可計算出該雞蛋的長軸、短軸和蛋形指數。如圖2。

6 結論

（1）利用Labview圖形化編程這一特點和其強大的機器視覺技術，簡化了程序的研發并大大縮短了程序開發的時間。

（2）利用攝影專用的吸光布作為背景，非常有效地解決了背景反光對圖像采集的影響，并且成本較低。

（3）該軟件可根據環境的不同（導致光線條件不同）靈活更改閥值，可在不同環境下工作；攝像頭等外部硬件設備可靈活更換，可滿足不同的圖像采集要求。

（4）可以準確地分辨出雞蛋的顏色（白或紅）、蛋殼表面缺陷（裂紋、污斑等）和雞蛋的形狀（蛋形指數）。

（5）分析得出雞蛋的中心坐標，可用于將來的大批量自動化生產加工；而本實驗中測量單一雞蛋的長軸、短軸和蛋形指數，在將來也可用于大批量測量雞蛋的外形參數。這些信息為物體顏色分選、形狀大小分級、表面瑕疵識別等后續研究所用，具有良好的應用前景。

［1］吳成東,孫秋野,盛科.LabVIEW虛擬儀器程序設計及應用[M].北京:人民郵電出版社,2008.Wu C D,Sun Q Y,Sheng K.The LabVIEW virtual instrument programming and application [M].Beijing:people’s posts and telecommunications publishing house,2008.

［2］敖勤,徐桂珍.一種基于機器視覺的柑橘表面質量檢測方法[J].科技傳播,2014,4:141-142.Ao Q,Xu G Z.An orange surface quality detection method based on machine vision[J].spreading science and technology,2014,4:141-142.

［3］徐春梅,王春耀,劉躍,等.基于機器視覺系統的顏色識別[J].機械設計與制造,2011,8:257-258.Xu C M,Wang C Y,Liu Y,etal.Color recognition based on machine vision systems[J].mechanical design and manufacturing,2011:257-258.

［4］劉金橋,王春耀,吳金強,等.基于LabVIEW和IMAQVision的農產品顏色識別研究 [J].農機化研究,2009,3:50-52.Liu J Q,Wang C Y,Wu J G,etal.Based on LabVIEW and IMAQVision color recognition of agricultural research[J].agricultural mechanization research,2009,3:50-52.

［5］雷振山,肖成勇,魏麗,等.LabVIEW高級編程與虛擬儀器工程應用[M].北京:中國鐵道出版社,2012.Lei Z S,Xiao C Y,Wei L,etal.LabVIEW high-level programming and virtual instrument engineering application [M].Beijing:China railway publishing house,2012.

［6］基于Labview的圖像采集與處理[EB/OL].(2013-01-31)[2014-12-03].http://wenku.baidu.com/link?url=Kh9mbOuxN4ty08CbWzSIRWnBgx4qkalZY1JsTWro34_da4uiH6U9cwEnVlTF1drG8qt82b2LgrT9hlEg15Vc0uHXs_DcNT5RMCT06U-xqYa.Image acquisition and processing based on Labview[EB/OL].(2013-01-31)[2014-12-03].http://wenku.baidu.com/link?url=Kh9mbOuxN4ty08CbWzSIRWnBgx4qkal ZY1JsTWro34_da4uiH6U9cwEnVlTF1drG8qt82b2LgrT9hlEg15Vc0uHXs_DcNT5 RMCT06U-xqYa.