【摘 要】通过USB摄像头采集图像，利用噪声过滤和二值化等方法对图像进行预处理，再通过设定阀值，目标分割等步骤，利用函数得到鸡蛋的中心坐标值、长轴、短轴和蛋形指数等，最终实现鸡蛋表面质量分级。实验结果证明，通过此种方法研制的鸡蛋表面质量检测系统具有高效率、低成本、易操作的特点，能够替代传统人工筛选，实现鸡蛋质量表面的检测，具有良好的前景。
【关键词】机器视觉;图像处理;鸡蛋表面;质量检测
A Simple Egg Surface Quality Detection System
2. Southwest University of Science and Technology Manufacturing Science and Engineering Engineering Training Center， Mianyang Sichuan 621010， China）
【Abstract】Captured graphics by USB camera ， and processed the images by noise filtering and binaryzation， etc. Then by the steps like setting threshold and segmentation of multi-targets ， use particle analysis function to get the center coordinates， long axis， short axis and egg-shaped index of an egg， thus implementing quality classification. The consequences of the experiment indicate that this egg surface quality detection system is effective， inexpensive，and easy to work， which can be a substitute of traditional artificial selection， and has a good foreground.
【Key words】Machine visions; Images processing; Egg surface; Quality detection
0 引言
1 系统原理与结构
鸡蛋表面质量检测系统分为硬件和软件部分组成。硬件部分包括：LED照明灯、摄像头、背景板、计算机等。软件部分包括：图像采集系统、颜色识别系统、参数运算系统等。将鸡蛋放置在指定位置，给予特定光线照射，采集一帧鸡蛋的图像，系统对该图像进行识别、处理、分析，并将结果显示出来，即可根据结果挑选鸡蛋[3]。
2 颜色模型的选定
摄像头采集到的图像是RGB类型图像，而基于人的视觉系统的HSL模型是一种图像处理的理想颜色模型。由于鸡蛋的颜色主要为白色或红色（深浅不同），通过实验发现，RGB模型和HSL模型都不适用于鸡蛋颜色的识别。而灰度模型是一种基本的颜色模型，实验表明利用灰度模型来识别鸡蛋颜色可达到预定效果，因此选用灰度模型。
3 阀值的选定
颜色识别是根据颜色的差异来辨别场景中的目标物体，阀值的选取是决定识别效果的关键。灰度的图像用G表示，其直方图用h表示，二者的关系可表示为：
h（m）=|{（r，c）|G（r，c）=m}|[4]
式中，m是灰度值。灰度直方图用以分析整张图像的灰度，它使用图形来描述图像中不同灰度等级像素的个数，运用直方图表示时，其水平坐标为灰度等级，垂直坐标表示的是该灰度值出现的概率。可以通过观察灰度直方图来分析图像的质量[5]。
4 图像处理与识别
4.1 图像预处理
“二值化”是从0-255这256个灰度值中选取适当的阀值，将结果置于0或255两个极端灰度值，从而使图像呈现出对比明显的黑白效果。二值化可使图像不再涉及灰度的多级值，从而使得数据的压缩量变小，处理变得简单。Labview的二值化公式可以定义为：
“图像加强”能够按需求彰显出图像上的一些讯息，并同时减弱或去除一些无关紧要的讯息。其目标为在修改灰度图像的同时，提高图像的视觉效果，以供给直观且清晰并适于分析的图像。
4.2 图像分析
分析经过预处理的图像，首先改进目标物体（鸡蛋）的形状――填补目标物体中的空洞及去掉接触目标物体边沿的信息不完整的颗粒，然后利用分割目标物体而不使其形状改变。去掉无关的大、小颗粒后，再过滤掉不感兴趣的颗粒，以保留具有良好质量形状的颗粒。最后返回图像中的颗粒数，并且得出鸡蛋的中心坐标值、长轴、短轴等参数。经一系列图像分析后，系统将实现对鸡蛋表面质量的检测与分析。
5 软件与实验结果
本系统是一种简易的鸡蛋表面质量检测系统，图2-a为启动程序界面，2-b为蛋形指数测量界面，2-c为红白鸡蛋识别程序界面。
图2 程序界面
Fig.2 The program interface
主程序界面中“分析白鸡蛋”和“分析红鸡蛋”可以分别识别白鸡蛋和红鸡蛋，并得到它们的中心坐标值。还可通过其中的“预处理后图像”挑选出蛋壳表面有缺陷（如裂纹、污斑等）的鸡蛋。当被采集鸡蛋个数为一时，主程序界面中的“鸡蛋测量”功能在显示鸡蛋中心坐标值的同时，还可计算出该鸡蛋的长轴、短轴和蛋形指数。如图2。
6 结论
（1）利用Labview图形化编程这一特点和其强大的机器视觉技术，简化了程序的研发并大大缩短了程序开发的时间。
（2）利用摄影专用的吸光布作为背景，非常有效地解决了背景反光对图像采集的影响，并且成本较低。
（3）该软件可根据环境的不同（导致光线条件不同）灵活更改阀值，可在不同环境下工作;摄像头等外部硬件设备可灵活更换，可满足不同的图像采集要求。
（4）可以准确地分辨出鸡蛋的颜色（白或红）、蛋壳表面缺陷（裂纹、污斑等）和鸡蛋的形状（蛋形指数）。
（5）分析得出鸡蛋的中心坐标，可用于将来的大批量自动化生产加工;而本实验中测量单一鸡蛋的长轴、短轴和蛋形指数，在将来也可用于大批量测量鸡蛋的外形参数。这些信息为物体颜色分选、形状大小分级、表面瑕疵识别等后续研究所用，具有良好的应用前景。
【参考文献】
[4]刘金桥，王春耀，吴金强，等.基于LabVIEW和IMAQVision的农产品颜色识别研究[J].农机化研究，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.
