基于物聯網的皮蛋生產過程管理系統研發及應用

于國龍 崔忠偉 桑海偉 王橋 趙建川

摘 要：為了提升皮蛋生產過程的智能化，利用物聯網技術智能實時監控皮蛋生產車間的溫濕度，利用機器視覺和深度學習技術代替人工篩選皮蛋生產原材料鮮蛋的質量。實驗測試顯示，鮮蛋尺寸檢測準確率達98%以上，鮮蛋表面破損檢測準確率達84%以上，鮮蛋蛋黃形狀檢測準確率達92%以上，生產車間溫度檢測準確率達98%以上，生產車間濕度檢測準確率達98%以上。

關鍵詞：物聯網;深度學習;溫濕度;機器視覺;破損檢測;尺寸檢測

中圖分類號：TP301.6文獻標識碼：A文章編號：2095-1302（2019）12-0-03

0 引 言

傳統的皮蛋生產主要依靠人工對皮蛋生產環境及皮蛋質量進行篩選，不僅人工成本高，而且人工操作對皮蛋生產環境和皮蛋質量的把握都有很大誤差，造成不合格產品過多，給經濟效益帶來很大損失，因此本文研究探索研發一種智能物聯網自動化的皮蛋生產技術。

本文基于計算機視覺技術選擇鮮蛋的理論，利用物聯網技術監控皮蛋生產環境，開發計算機視覺判別鮮蛋品質的方法和裝置，為實現多技術融合，快速準確檢測鮮蛋品質，以及實現生產環境智能監控奠定基礎，主要目標與任務需求如下。

（1）鮮蛋大小及表面破損檢測

利用機器視覺技術對鮮蛋大小進行檢測，使腌制出的皮蛋大小均勻，同時檢測鮮蛋表面是否有破損，以免破損的鮮蛋影響腌制出的皮蛋質量。

（2）利用深度學習精確判斷鮮蛋是否變質

建立利用深度學習檢測新蛋質量的方法和裝置模型，開發新蛋圖像處理和分析軟件，采用深度學習技術提高識別精度，并探討計算機視覺檢測蛋存在的問題和優缺點。

（3）利用物聯網技術監控皮蛋生產環境

本文研究利用物聯網技術采集皮蛋生產環境溫濕度參數，對正常的生產環境溫濕度參數進行建模分析，建立標準模型，對皮蛋生產環境進行監測與報警。

通過上述目標為企業皮蛋生產過程提供基于物聯網的智能化生產技術，為企業降低生產成本，提高生產效率，提升產品質量提供技術支持。通過上述技術研究，不僅可以減輕工人的勞動強度，減少經濟損失，提高皮蛋加工行業的自動化、機械化、現代化水平，而且對于推動我國蛋品行業的發展和產業升級都具有十分重要的意義。

1 系統設計

1.1 鮮蛋大小及表面破損檢測設計

（1）鮮蛋大小檢測

利用OpenCV工具，首先對樣本圖片進行二值化處理，然后增加所得圖片的對比度，利用Canny對皮蛋輪廓進行邊緣檢測，再利用矩形逼近框出皮蛋輪廓，同時濾除干擾點，最后測量矩形尺寸。其中，原始樣本如圖1所示，鮮蛋大小和破損檢測如圖2所示，Canny處理的圖片如圖3所示，膨脹處理如圖4所示[1-4]。

同樣利用OpenCV工具，對鮮蛋表面進行破損檢測。首先對樣本圖像進行灰度處理，并增加圖像對比度，然后利用Canny進行鮮蛋表面裂縫邊緣檢測，再利用形態學尋找出所有連通域，并除噪，最后對每個連通域提取骨架，判斷鮮蛋是否破損[5-7]。

1.2 鮮蛋蛋黃形狀檢測設計

在皮蛋生產過程中，前期選蛋是很重要的環節。前期鮮蛋不能出現變質情況，才能保證生產的皮蛋質量沒有問題。一旦前期選擇了變質的蛋，無論后續的過程多么嚴格，生產出來的皮蛋都不合格。

本文通過建立深度學習CNN模型，將采集到的未變質的鮮蛋蛋黃燈下照片作為深度學習的正樣本模型，將采集到的已變質的蛋黃燈下照片作為深度學習的負樣本模型。首先，利用Caffe工具將采集到的樣本進行訓練，然后將訓練好的模型用來檢測新測鮮蛋是否變質。檢測系統[8-9]如圖5所示。

1.3 溫濕度檢測設計

在皮蛋生產過程中，最重要的就是生產車間的溫度和濕度控制。溫度和濕度決定了生產出來的皮蛋質量。研究過程中考慮成本、穩定性、易操作等因素，本文設計以STC89C52單片機作為控制單元，以DHT11集成溫濕度傳感器采集皮蛋廠房的溫濕度[10-11]。整個監測系統分為硬件系統與上位機軟件系統兩部分。

（1）硬件溫濕度采集系統

硬件核心包括STC89C52單片機、DHT11傳感器、1602LCD、蜂鳴器等。STC89C52單片機將DHT11傳感器采集到的廠房溫濕度數據處理后顯示在LCD上，并將數據發至上位機。

（2）上位機溫濕度監測系統

上位機接收到硬件監測系統發來的廠房溫濕度數據，以曲線的形式實時動態顯示出來，并可設置溫濕度的上下限。如果采集到的實時溫度超過了要求的上下限，就報警提示，使皮蛋生產廠房溫濕度控制在合理范圍內。

為了監測皮蛋生產廠房的溫濕度，利用溫濕度傳感器設計一套溫濕度實時采集系統，如圖6所示。同時，為了對溫濕度進行控制與報警，設計一套溫濕度上位機管理軟件，如圖7所示。通過溫濕度檢測的軟、硬件系統配合，可以實現對皮蛋生產環境中溫濕度的實時監測與報警。

2 檢測準確率測試分析

2.1 鮮蛋尺寸及蛋黃形狀檢測

通過隨機抽取樣本庫中一定數量的鮮蛋樣本圖片，將機器視覺檢測技術測量的鮮蛋尺寸與實際測量尺寸進行對比，將機器視覺檢測的破損蛋與實際破損情況對比，將深度學習檢測的蛋黃形狀與實際變質蛋進行對比，得到的對比結果見表1～表3所列。測試結果顯示，經過多次測試對比，鮮蛋尺寸的機器視覺檢測準確率達98%以上，鮮蛋表面破損檢測準確率達84%以上，鮮蛋蛋黃形狀檢測準確率達92%以上。

2.2 生產車間溫度和濕度檢測

隨機抽取皮蛋生產車間的溫濕度值，將其與實際溫濕度值進行對比，檢測結果見表4、表5所列。測試結果顯示，本文方法測得的皮蛋生產車間溫度檢測準確率達98%以上，生產車間濕度檢測準確率達98%以上。

3 結 語

本文通過利用機器視覺與深度學習相關技術，對皮蛋生產原材料鮮蛋的尺寸和表面是否有裂痕，以及蛋黃形狀是否規則進行了檢測。測試結果表明，本文方法效果良好，各項指標檢測準確率均達到80%以上。同時，利用溫濕度傳感器對皮蛋生產車間溫濕度進行測量，測試結果表明，本文設計的系統溫濕度檢測準確率均達到90%以上。

參 考 文 獻

[1]郭瑞峰，袁超峰，楊柳，等.基于OpenCV的機器視覺尺寸測量研究[J].計算機工程與應用，2017，53（9）：253-257.

[2]韓茜茜，耿世勇，路向陽.基于機器視覺的尺寸測量應用綜述[J].河南科技，2019（5）：8-10.

[3]馮西，吳靜靜，安偉.基于機器視覺的大尺寸工件自動測量系統[J].傳感器與微系統，2019，38（4）：104-107.

[4]仲月嬌，張新敏，徐陽.基于機器視覺塑料螺母尺寸測量方法研究[J].機械工程師，2019（3）：37-39.

[5]馬旭，袁志成，王宇唯，等.基于機器視覺的育秧盤裂縫缺陷檢測方法研究[J].現代農業裝備，2019，40（1）：25-31.

[6]韓曉健，趙志成.基于計算機視覺技術的結構表面裂縫檢測方法研究[J].建筑結構學報，2018，39（z1）：418-427.

[7]王睿，漆泰岳.基于機器視覺檢測的裂縫特征研究[J].土木工程學報，2016，49（7）：123-128.

[8]趙欣洋，蔡超鵬，王思，等.基于深度學習的不規則特征識別檢測技術[J].輕工機械，2019，37（3）：60-65.

[9]徐仙偉，曹霽.基于深度學習的交通標志識別算法[J].計算機時代，2019（6）：67-70.

[10]胡國南.基于物聯網的溫濕度采集系統[J].電子世界，2018（7）：192-193.

[11]楊凡，王宜懷，宋洪儒.基于窄帶物聯網應用架構的溫濕度控制系統設計[J].電子技術應用，2018，44（7）：59-63.