在我国,鸭蛋除了少量鲜食外主要被用来加工皮蛋和咸蛋等再制蛋。用鸭蛋制成的再制蛋具有独特的滋味和香味,深受消费者喜爱。原料鸭蛋的蛋黄数量、蛋壳完好性和新鲜程度是直接影响再制蛋最终产品质量的三个重要因素。对鸭蛋这三个方面进行检测是再制蛋生产加工前的重要技术环节。传统人工照蛋检测方法劳动强度大,效率低,检测准确性差,难以满足现代蛋品加工企业生产自动化、规模化发展的需要。计算机视觉技术检测速度快、精度高、硬件成本相对低廉,对应用环境不挑剔,是现阶段最有潜力实现禽蛋自动化无损检测的技术方法,应用前景十分广阔。本研究是国家科技支撑计划项目“动物源食品加工共性关键技术研究”的子课题“动物源食品自动分级标准化技术”中的一部分,主要研究了采用计算机视觉技术无损检测原料鸭蛋的双黄、裂纹和新鲜度,提高检测精度和效率,对解放我国鸭蛋加工企业生产力和提高鸭蛋行业自动化水平具有重要的意义和应用价值。具体研究内容和结果如下:(1)提出了利用蛋黄图像特征进行双黄鸭蛋无损检测的方法。通过对采集的鸭蛋内部透射图像进行处理与分析,获取描述双黄鸭蛋与单黄鸭蛋差异的图像特征,用以构建Fisher线性判别(FLD)模型和卷积神经网络(CNN)判别模型检测双黄鸭蛋。研究结果表明,基于FLD模型判别算法对单黄鸭蛋和双黄鸭蛋的检测准确率分别为100%和83%,识别一幅鸭蛋图像耗时283±5 ms。基于CNN模型判别算法对单黄鸭蛋和双黄鸭蛋的检测准确率分别为97.5%和98%,识别一幅鸭蛋图像耗时120±4 ms。基于CNN模型判别算法在总体检测准确率和运行速度上均要优于基于FLD模型判别算法,能够满足实际生产中实时在线检测的需要,而且不受样品形状、大小、蛋壳颜色和鸭蛋品种的影响,鲁棒性好。(2)开发了基于计算机视觉的双黄鸭蛋在线检测系统,以第二章建立的CNN判别模型为判断内核。本系统的硬件部分由禽蛋输送装置、暗箱、光源、工业相机、触发装置和计算机等几部分构成。软件系统由下位机软件和上位机软件组成。下位机软件使用嵌入式C语言编写,主要用于处理光电开关的触发信号。上位机软件使用C#语言编写,主要用于接收鸭蛋图像信号并调用Matlab动态链接库文件完成图像处理与判别分析。验证结果表明,本系统检测速度可以达到1枚蛋/秒,对单黄鸭蛋和双黄鸭蛋的检测准确率分别为94%和96.5%,实现了动态在线检测双黄鸭蛋。(3)提出了利用裂纹形态特征进行鸭蛋亮裂纹、暗裂纹检测的方法。首先,通过调节光源的供电电压改变光源亮度,为鸭蛋裂纹透射图像的采集提供一个较为适宜的光照条件。使用线性反锐化掩模技术对鸭蛋亮裂纹图像进行特征增强,采用区域生长法分割亮裂纹的形态特征,以连通区域面积为依据判别亮裂纹和噪声,建立鸭蛋亮裂纹判别算法。该判别算法对亮裂纹图像和非亮裂纹图像(完好蛋和暗裂纹)的检测准确率分别为95%和100%。使用Retinex理论对鸭蛋暗裂纹图像进行特征增强,采用区域生长法分割暗裂纹的形态特征,以图像分割处理后的连通区域总面积为依据判别暗裂纹图像和完好蛋图像,建立鸭蛋暗裂纹判别算法。该判别算法对暗裂纹图像和完好蛋图像的检测准确率分别为81.3%和96.3%。在上述研究的基础上,建立鸭蛋裂纹综合判别算法,对裂纹鸭蛋(亮裂纹和暗裂纹)和完好鸭蛋的检测准确率分别为88.3%和 91.3%。(4)提出了利用气室图像特征进行鸭蛋新鲜度无损检测的方法。设计并搭建以激光为光源的图像采集装置,采集鸭蛋钝端截面气室反射图像,通过图像处理与分析,获取鸭蛋气室图像形态特征,然后计算出气室面积与鸭蛋投影面积的比值(气室面积比),并用以对鸭蛋新鲜度等级进行判别。研究结果表明,建立的鸭蛋新鲜度等级判别算法对三个新鲜度等级鸭蛋的判别准确率分别为89.5%、84.9%和97.5%,实现了基于计算机视觉的鸭蛋新鲜度快速无损检测。