蛋壳裂纹和新鲜度是禽蛋质量检测的重要指标。随着蛋制品加工产业各个环节的自动化和工业化的实现，传统人工的检测手段显然难以满足这种要求，快速、无损、精确的检测方法更加适合现代农业化发展的需求。声学和机器视觉作为快速、低成本、无损的绿色检测技术，在食品和农产品品质检测方面正逐步替代许多手工检测方法。本论文尝试利用声学技术及机器视觉技术检测禽蛋蛋壳裂纹和新鲜度，进行了以下几个方面的研究工作：　　 1、尝试了机器视觉方法检测禽蛋裂纹，构建了基于机器视觉的禽蛋品质检测装置，采集鸡蛋的透射图像。对采集的图像先进行预处理，运用线性的形态结构进行Top-Hat形态变换，经过阈值分割和形态学膨胀，提取裂纹特征区域，结果显示裂纹的识别率为77.3％。　　 2、构建了基于声学特性的禽蛋裂纹检测装置。采集并分析了敲击鸡蛋的响应信号，基于归一化均方误差算法(NLMS)进行信号自适应滤波，提取响应功率谱的五个特征参数建立鸡蛋裂纹的判别模型。结果显示：线性判别模型(LDA)和BP-ANN模型的裂纹检测率分别为91％和94％。　　 3、机器视觉技术同样被用于鸡蛋新鲜度的检测研究。通过透射式光源采集鸡蛋图像，并对鸡蛋图像的B颜色分量进行中值滤波预处理。采用了三方面的信息(颜色信息、蛋黄面积、鸡蛋密度)，并从这些信息中提取了14个特征变量综合判别鸡蛋的新鲜度。通过逐步回归法筛选了7个特征参数，通过误差反向传播人工神经网络(BP-ANN)与常用的鸡蛋新鲜度检测指标(哈夫单位、蛋黄系数)建立相关检测模型。BP-ANN模型对独立样本哈夫单位预测的相关系数分别为0.65与0.68，其所对应的预测均方根误差(RMSEP)分别为7.226和2.913。　　 基于声学特性对禽蛋进行裂纹检测，速度快，准确性高，能基本满足在线检测要求，而视觉技术可以进行禽蛋综合品质检测，具有很好的研究和应用前景。本文对禽蛋的裂纹及新鲜度检测做了基础性的研究，可为禽蛋品质在线快速无损检测的实现进一步提供理论支持。