CN108663367A - 一种基于鸡蛋容重的鸡蛋品质无损检测方法 - Google Patents

Abstract

本发明公开了农产品品质无损检测技术领域的一种基于鸡蛋容重的鸡蛋品质无损检测方法。本发明通过对鸡蛋图像快速采集和处理，建立起鸡蛋面积与体积之间的线性关系，方便快速计算鸡蛋容重，然后建立鸡蛋容重和鸡蛋新鲜度常用指标哈夫单位之间的线性关系，预测鸡蛋的新鲜度。所述容重ρ≥1.067时，鸡蛋具有高新鲜度，适合消费者食用；所述容重ρ在1.046～1.067范围值时，鸡蛋可以被消费者食用；所述容重ρ在0.996～1.046范围值时，鸡蛋新鲜度差，不适合作为壳蛋供消费者食用；所述容重ρ≤0.996时，鸡蛋不能食用。只要将得到的鸡蛋图像输入系统，即可快速简便地得知鸡蛋的新鲜程度，对鸡蛋进行分级。

Description

一种基于鸡蛋容重的鸡蛋品质无损检测方法

技术领域

本发明属于农产品品质无损检测技术领域，具体涉及一种基于鸡蛋容重的鸡蛋品质无损检测方法。

背景技术

鸡蛋是天然食品之一，由于育种、饲养环境、遗传等多种因素，品质也不同。由于大多数鲜蛋生产忽视消毒、分级、检验等过程，蛋壳表面常常携带大量微生物，缩短鲜蛋的货架期，直接影响到食用品质，降低了整体产品品质和市场竞争力，甚至不利于人体的健康。鸡蛋新鲜度是衡量鸡蛋品质的一个重要经济指标，也是影响鸡蛋销售的重要原因。所以，在鸡蛋贮藏、加工及流通中，鸡蛋新鲜度的检测就显得尤为重要，也有必要对鸡蛋新鲜度进行进一步的研究。如果在鸡蛋流通和销售过程中，能够根据鸡蛋的新鲜度等指标对鸡蛋进行分级和品质检测，不仅有利于提高经济效益，而且有利于改进饲养管理方法，提高鸡蛋品质。但是一直以来，鸡蛋新鲜度的无损检测一直是一个难题，在生产上仍有企业依旧采用人工照蛋、称重等物理方法检测鸡蛋的品质，结果受主观因素影响较大，生产效率低下。近些年，在鸡蛋新鲜度的无损检测方面，有许多新成果，主要分为以下几类。

(1)利用机器视觉检测鸡蛋品质

通过使用机器，可以得到鸡蛋的透视图像，借助对图片的分析，可以得到数学模型，从而预测新鲜度。

丁幼春(鸭蛋动态图像预处理和获取颜色特征参数的算法[J].华中农业大学学报,2005,24(5):512-515.)提出鸭蛋动态图像预处理和获取颜色特征参数的算法，利用图像的红色分量R来判定蛋图像的边界点，并以此识别蛋图像轮廓，并搜索到蛋图像边界和计算出蛋内像素和，同时用圆形自动搜索法求出蛋芯颜色特征区域并提取图像特征颜色参数。王巧华(基于BP神经网络的鸡蛋新鲜度无损检测方法[J].农业机械学报,2006,37(1):104-106.鸡蛋新鲜度神经网络检测系统的研究[J].华中农业大学学报,2005,24(6):630-632.)提出基于BP神经网络的鸡蛋新鲜度无损检测方法，采用HIS模型中图像亮度(I)分量提取鸡蛋蛋壳颜色信息，有效地分级白壳和褐壳蛋，建立蛋心颜色与色度(H)、亮度(I)、饱和度(S)分量之间的关系模型，并利用神经网络检测鸡蛋的新鲜度。王巧华等(鸡蛋反射光特性及其与新鲜度的关系[J].华中农业大学学报,2008,27(1):140-143.)还研究了鸡蛋反射光特性与其新鲜度之间的关系。魏小彪(鸡蛋新鲜度综合无损检测模型及实验[J].农业工程学报,2009,25(3):242-247.)用机器视觉装置获取鸡蛋颜色的亮度、蛋形指数，用声音采集装置获取声音的功率谱面积、共振峰频率、X轴方向的质心，获取鸡蛋新鲜度与其图像特征参数和声音特征参数之间的最优关系，所建模型判别鸡蛋新鲜度的正确率为92％。美国佐治亚大学Patel(Color computer vision and artificial neural networks forthe detection of defects in poultry eggs[J].Artificial Intelligence Review,1998,12:163-176.)提出了基于计算机视觉和神经网络的彩色图像采集系统检测有裂纹、血斑、污点的鸡蛋，利用颜色直方图训练神经网络，比利用灰度直方图训练更优越，尤其在裂纹检测方面更具有容错能力，血斑的检测率达92.8％，污点的为85％，裂纹为87.8％，但该系统仅能检测白壳蛋。中国农业大学的郑丽敏(基于计算机视觉的鸡蛋新鲜度无损检测[J].农业工程学报,2009,25(2):335-339.)采用2台高分别率工业数字摄像镜头，每次自动捕获25只鸡蛋图像，基于计算机视觉技术分析鸡蛋的图像特征，利用鸡蛋的图像特征(蛋黄指数、气室等)与实际特征建立相关性，预测鸡蛋的新鲜度。周平等(基于机器视觉的鸡蛋体积与表面积计算方法[J].农业机械学报,2010,(05):168-171+208.)利用机器视觉技术,假设理想鸡蛋图像关于纵径对称，提出像素体积和Vp与像素表面积和Sp，给出在数字图像中的计算方法。最后建立了鸡蛋体积V、表面积S与Vp、Sp之间的关系模型。试验验证表明：鸡蛋体积预测模型相关系数为0.965,实测误差±1cm3内准确率达92％；鸡蛋表面积预测模型相关系数为0.971，实测误差±1cm2内准确率达88％。

(2)利用光学特性检测鸡蛋品质

利用光学特性检测鸡蛋品质，主要是利用光的透射、折射、反射原理与鸡蛋的内部品质建立一种关系，通过数学模型建立其检测鸡蛋品质的方法。近红外光谱(NIR)技术是20世纪90年代以来发展最快、最引人注目的光谱分析技术之一，具有分析速度快、效率高、易于实现无损在线分析等特点，已广泛应用于肉类、水果和蔬菜等农产品的品质测定。

国内，早在1989年，吴守一等(鸡蛋新鲜度的光学无损检测和分级[J].农业工程学报,1989,(04):64-70.)对鸡蛋新鲜度光学检测方法进行了初探，研究了光的透射与鸡蛋内部品质之间的相关关系，建立了鸡蛋的新鲜度因子，并得出了相应的等级分界值，为鸡蛋无损检测标准和设计鸡蛋新鲜度分级装置提供参考。方如明等(鸡蛋内部品质的光特性无损检测[J].农业工程学报,1993,(03):102-107.)为了提高鸡蛋内部品质光特性无损检测的精度，建立了鸡蛋的光学模型，找出整蛋、内容物、蛋壳三者透射特性之间的关系。陈斌(鸡蛋品质光电检测的研究[J].江苏理工大学学报,1996,(06):1-5.)研究鸡蛋主要成分的光谱透射特性，分析它们的光谱透射曲线和存放时间之间的变化趋势，并对鸡蛋做了大量的跟踪试验，探索通过测量鸡蛋的光谱透射特性评价鸡蛋品质的新方法,为进一步设计全自动鸡蛋品质检测设备提供了有价值的参考数据。赵红霞(鸡蛋超弱发光与其新鲜程度的相关分析[J].农业工程学报,2004,(02):177-180.)利用超弱发光图像探测系统研究了鸡蛋在贮藏期中的发光情况，证明弱发光作为鸡蛋生理生化反应的综合指标，可用于测定鸡蛋新鲜度，而且具有方法简单、无损伤、灵敏度高等优点。

国外，Kemps等(Development of a rapid method based on front facefluorescence spectroscopy for the monitoring of egg freshness:1-evolution ofthick and thin egg albumens[J].European Food Research and Technology,2006,223(3):303-312.)利用可见光/近红外反射技术(VIS/NIR)检测鸡蛋的新鲜度，得出测量鸡蛋内容物的pH值比测量哈夫单位更精确。Alessandro等(Non-destructive freshnessassessment of shell eggs using FT-NIR spectroscopy[J].Journal of FoodEngineering,2008,89(2):142-148.)使用傅立变换近红外检测鸡蛋的新鲜度，使用主成份分析、偏最小二乘回归和偏最小二乘判别等方法建立预测模型，对鸡蛋新鲜度指标(气室高度、蛋黄指数和哈夫单位)的预测相关系数R2分别为0.72、0.78和0.67，并能准确的判别鸡蛋的贮藏天数。

(3)利用声学冲击特性检测鸡蛋品质

声学冲击检测原理是根据敲击鸡蛋所产生的声脉冲振动，做频谱分析来研究鸡蛋的品质特性。

王树才(鸡蛋敲击响应特性与其新鲜度的相关性[J].华中农业大学学报,2009,(03):373-376.)设计了禽蛋检测与分级智能机器人研究，通过对蛋壳敲击声音信号的采集，抽样做傅立叶变换，得到频域的功率谱，使用以DSP为核心的声音采集，信号处理和模糊模式识别破损蛋，对正常蛋的检测准确率为90％，对破损蛋的检测准确率为95％；并可根据哈夫单位大小将鸡蛋分为3个合格等级和1个不合格等级。卢伟等(一种基于磁致伸缩技术的禽蛋品质无损检测装置及其方法[P].中国:201410485660.3,2014-09-23.)在已有声学特性研究成果基础上，最新研究采用扫频振动和支持向量机结合的方法检测鸡蛋裂纹，来增强无损蛋与裂纹蛋的振动信号的差异，通过交叉验证的方式进行模型参数优化，识别准确率达到98％，并解决以往通过声学特性较难检测蛋壳微小裂纹的难题。Lin等(Eggshellcrack detection based on acoustic impulse response and supervised patternrecognition[J].Czech J Food Sci,2009,27(6):393-402.)研究利用声波震动检测蛋壳的强度，通过测量由一轻微敲击系统击打蛋壳所激发的频率响应，使用偏最小二乘数据分析技术，建立蛋壳强度预测模型，模型的预测相关系数在0.75以上。

(4)利用介电特性检测鸡蛋品质

探测鸡蛋的节点介电特性的变化作为一种检测手段应用于鸡蛋品质变化的检测。

董建平和沈林生等(用生物电鉴别受精蛋的检测装置的研究[J].农业工程学报,1996,(03):167-170.)研究鸡蛋生物电与受精关系，并研究了种鸡蛋孵化期间的胚胎电图，发现受精蛋孵化时间与其电活动的频率和幅值相关，并开发了一种能用生物电无损鉴别受精蛋的检测装置。张蕾等(鸡蛋储藏过程中介电特性与新鲜品质的变化[J].农业化研究,2008,4(4):146-154.)使用频率在100k～1MHz之间的介电参数和新鲜品质随储存时间的变化规律，结果表明鸡蛋存储期间品质变化与其相对介电常数值间有显著的相关性。刘熙等(应用电导率仪检测鸡蛋新鲜度[J].食品科学,1991,(10):45-47.)使用电导率仪检测鸡蛋新鲜度。孙俊等(基于介电特性与蛋黄指数回归模型的鸡蛋新鲜度无损检测[J].农业工程学报,2016,(21):290-295.)采用平行极板法测量不同新鲜度鸡蛋在温度为20℃、相对湿度为72％～89％、频率为1～200kHz下的介电特性参数，分析鸡蛋介电特性的变化规律，并建立鸡蛋介电特性与蛋黄指数之间的数学模型，预测鸡蛋新鲜度。

(5)利用气味特性检测鸡蛋品质

蛋液腐败过程中，蛋白质产生胺类、硫化氢、甲烷等，脂肪产生低分子脂酸醇等，糖类产生低级脂肪酸、二氧化碳、甲烷、氢气等物质。可使用电子鼻来进行实时监测。

Dutta等(Non-destructive egg freshness determination：an electronicnose based approach[J].Measurement Science and Technology,2003,14(2):190-191.)人用4个廉价的商用氧化锌传感器组成的气体传感器阵列检测了4组鸡蛋在20～40d贮藏情况下的新鲜度，并用多元统计方法，特别是神经网络划定了不同新鲜度的3个鸡蛋区域，精度为95％。刘明等(电子鼻检测鸡蛋货架期新鲜度变化[J].农业工程学报,2010,(04):317-321.)人利用电子鼻对新鲜鸡蛋的品质指标进行检测和电子鼻数据分析，得出鸡蛋内部品质恶化产生的氨氧化物、烷烃、醇类是完整鸡蛋气味变化的根本来源，可根据其判断鸡蛋新鲜程度。

目前对鸡蛋新鲜度评价常用的指标主要有哈夫单位、比重、气室高度等。但这些指标的检测方法都存在一些弊端。由此看来，鸡蛋品质的无损检测技术将是一个重要的研究方向。

由于常用鸡蛋新鲜度检测方法的过程繁琐，导致鸡蛋厂家在向鸡蛋养殖户收购鸡蛋时无法快速准确地把握鸡蛋的新鲜度。通过无损检测技术，就可以快速对收取的鸡蛋进行新鲜度分级，有效地提高生产效率。而容重作为一个可以用来反映鸡蛋新鲜度的指标，可作为无损检测研究的一个方面。传统方法，过程繁琐，尤其是排水法测鸡蛋体积，需要将鸡蛋浸泡在水中，读取前后体积差值。目测读数极易产生较大的误差，即使是新鲜鸡蛋一般容重也不超过1.10，体积预测若相差1-2cm³，容重就会相差0.02～0.04左右，由此产生的对鸡蛋新鲜度的判断所产生的影响将是巨大的。浸泡过水的鸡蛋也较其他鸡蛋更快变质腐败，带来损失。繁琐的操作还会产生一定的人工成本。所以，研究一种能快速测定鸡蛋容重的方法就显得有实际意义了。

发明内容

本发明的目的是提出一种基于鸡蛋容重的鸡蛋品质无损检测方法。具体技术方案如下：

一种基于鸡蛋容重的鸡蛋品质无损检测方法，包括如下步骤：

(1)鸡蛋图像获取：获取鸡蛋正视图和侧视图图像；

(2)图像处理：采用图像处理软件Matlab R2016a进行图像处理，步骤如下：

步骤a：鸡蛋轮廓特征的提取；

步骤b：利用连通域法修正鸡蛋图像；

步骤c：计算鸡蛋图像面积；

统计分割出的鸡蛋视图截面积所占据的像素点的个数，即为其面积，单位为像素点；

(3)排水法测鸡蛋体积；

(4)建立鸡蛋面积-体积模型：

采用类比椭圆面积计算公式和椭球体体积计算公式的方法计算得到鸡蛋的预测体积x，然后建立鸡蛋预测体积x和鸡蛋实际体积直接的线性关系；

鸡蛋预测体积参数计算公式为：

其中，f为正视图面积，r为侧视图面积，

通过对一批鸡蛋进行测量，得到鸡蛋两个视图的面积以及排水法的体积，对数据进行拟合，得到一元线性方程；

(5)鸡蛋容重的计算，其公式为：

式中，ρ为鸡蛋的容重，单位为g/cm³；m为鸡蛋的质量，单位为g；V为鸡蛋体积，单位为cm³；随着存放天数的增加，鸡蛋容重下降，鸡蛋的新鲜度降低；

(6)根据所测鸡蛋的容重，判断该鸡蛋的新鲜度。

所述鸡蛋图像获取的步骤为：固定并摆正相机位置，连接计算机，打开图像采集软件，选中正面的工业摄像头，调整分辨率，取下镜头盖，将待测鸡蛋放置于蛋托之上，调整光源直至适合获取图像；转动镜头调整焦距，直至视图中鸡蛋边缘清晰，并固定镜头焦距，随后即可获取正视图图像；选中侧面的工业摄像头，步骤同上，得到侧视图图像；所述光源采用功率为5W的LED灯，光照强度达到10000Lx。

所述排水法测鸡蛋体积的步骤包括：将小烧杯置于溢水杯小嘴下；在溢水杯内注满水，使液面没过小嘴，多余的水从溢水杯小嘴流入小烧杯中；待液面稳定，水停止流动时，将小烧杯放在电子天平上称重，得到重量m1；随后将待测鸡蛋缓慢放入溢水杯中，待液面稳定，水停止流动时，再次称量小烧杯，得m2；两次称量差值为鸡蛋体积所对应水的重量，即m＝m2-m1；通过计算即得到鸡蛋的实际体积。

所述的一元线性方程为：

v＝4.7872857×10^-7x-1.1920186

在式中，v为鸡蛋实际体积，单位为cm³；x为鸡蛋预测体积。

所述容重ρ≥1.067时，鸡蛋具有高新鲜度，适合消费者食用；所述容重ρ在1.046～1.067范围值时，鸡蛋可以被消费者食用；所述容重ρ在0.996～1.046范围值时，鸡蛋新鲜度差，不适合作为壳蛋供消费者食用；所述容重ρ≤0.996时，鸡蛋不能食用。

本发明的有益效果为：

本发明通过对鸡蛋图像快速采集和处理，建立起鸡蛋面积与体积之间的线性关系，方便快速计算鸡蛋容重，然后建立鸡蛋容重和鸡蛋新鲜度常用指标哈夫单位之间的线性关系，预测鸡蛋的新鲜度。只要将得到的鸡蛋图像输入系统，即可快速简便地得知鸡蛋的新鲜程度，鸡蛋的生产厂商即可对鸡蛋进行快速无损检验，以判断鸡蛋是否适合进行加工，对鸡蛋进行分级。

附图说明

图1为本发明基于面积-体积回归模型的鸡蛋品质无损检测方法流程图。

图2为鸡蛋图像采集装置俯视图示意图，其中，1-底板，2-背景挡板，3-摆放在蛋托上的鸡蛋，4-摄像头，5-数据线。

图3为鸡蛋图像处理和修正图，其中，图a为提取红色分量图，图b为提取蓝色分量图，图c为两个分量的差值图，图d为分割出的鸡蛋轮廓特征图，图e为填充鸡蛋图像内部留空，图f为修正后的鸡蛋图像。

图4为计算鸡蛋图像面积示意图，其中，图a-在命令窗口键入程序名称，图b-得到结果。

图5为排水法测鸡蛋体积的示意图。

图6为椭圆和椭球体示意图，其中，图e-椭圆示意图，图f-椭球体示意图。

图7为鸡蛋面积-体积回归模型的散点图。

图8为鸡蛋存放天数与容重的关系。

图9为鸡蛋存放天数与哈夫单位的关系。

图10为鸡蛋存放天数与蛋黄指数的关系。

图11为鸡蛋容重与哈夫单位的关系。

图12为鸡蛋容重与蛋黄指数的关系。

图13为鸡蛋哈夫单位与蛋黄指数的关系。

具体实施方式

以下实施例便于更好地理解本发明。

本发明基于面积-体积回归模型的鸡蛋品质无损检测方法的流程图如图1所示。

实施例1：鸡蛋面积-体积回归模型的构建

实验从产蛋第三天开始，每隔3d获取一次鸡蛋图像信息。每一次实验步骤如下：

1.图像获取

本实施例中图像获取摄像头采用深圳显微精工的XG200 COMS USB数字摄像头2台，其分辨率最大为1600×1200，镜头采用300万像素的定焦镜头(焦距为8mm)，摄像头通过USB线连接计算机。光源采用功率为5W的LED灯，光照强度可达到10000Lx。为得到鸡蛋正视图和侧视图，将摄像头和蛋托分别固定于平板上适当位置，使得摄像头在距离鸡蛋摆放位置正面和侧面有一定距离，且夹角为直角。光源放置在摄像头的两侧。鸡蛋图像采集装置俯视图示意图见图2。采集图像软件为S-EYE，可即时调整分辨率、曝光、白平衡、对比度等参数，采集到的图像为JPG格式，分辨率为1600×1200。

图像获取流程如下：固定相机，摆正相机位置，连接计算机。打开S-EYE软件，选中正面的工业摄像头，调整分辨率为1600×1200，其余参数视情况而定(一般默认参数)。取下镜头盖，将待测鸡蛋放置于蛋托之上，调整光源直至适合获取图像。转动镜头调整焦距，直至视图中鸡蛋边缘清晰，并固定镜头焦距。随后即可获取正视图图像，并将获取到的图像更名为“f.jpg”。在S-EYE软件中选中侧面的工业摄像头，步骤同上，得到侧视图图像，并将其更名为“r.jpg”。

2.图像处理

本实施例系统采用计算机处理器为Intel(R)Core(TM)2.50GHz，物理内存为8GB，硬盘为250GB，显存为4166MB。所使用的图像处理软件为Matlab R2016a。图像处理步骤如下：

(1)鸡蛋轮廓特征的提取

在Matlab中导入图像f.jpg。语句：

I＝imread(‘f.jpg’)

分别提取图像中的红色分量和蓝色分量，并求他们的差值。此时可以在图中看到较明显的鸡蛋。语句：

Ib＝I(:,:,1)；Ir＝I(:,:,3)；II＝Ib-Ir

将灰度图像转变为二值化图像，语句：

Im＝im2bw(Im)

此时即可明显分辨出鸡蛋轮廓，但鸡蛋内部还存有空白，且周围还有一些干扰区域，需要进一步填充、清除。

(2)利用连通域法修正鸡蛋图像

在Im这个大小的矩阵中的像素，其中任一像素若其上、下、左或右有另外一像素，即认为他们是连接的。此举可删掉图像中散布的单个像素点。与此同时筛选提取面积大于或等于阈值的连通域，阈值即为像素点个数。经连续两次处理后，就得到是鸡蛋修正后的视图。语句：

L＝bwlabeln(Im,4)；S＝regionprops(L,’Area’)；Im2＝ismember(L,find([S.Area]>＝n1))

L＝bwlabeln(Im2,4)；S＝regionprops(L,’Area’)；Im3＝ismember(L,find([S.Area]>＝n2))

语句中n1和n2为像素点个数，视情况而定，默认100000。

r.jpg的处理过程同上。

鸡蛋图像处理和修正如图3所示。

(3)计算鸡蛋图像面积

如图4所示，统计分割出的鸡蛋视图截面积所占据的像素点的个数，即为其面积，单位为像素点。语句：

Area_front＝length(find(Im3＝0))；Area_right＝length(find(Fig3＝0))。

3.排水法测鸡蛋体积

准备500ml溢水杯一只和200ml小烧杯一只，将小烧杯置于溢水杯小嘴下，如图5所示。在溢水杯内注满水，使液面没过小嘴，多余的水会从溢水杯小嘴流入小烧杯中。待液面稳定，水停止流动时，将小烧杯放在电子天平上称重，得到重量m1。随后将待测鸡蛋缓慢放入溢水杯中。待液面稳定，水停止流动时，再次称量小烧杯，得m2。两次称量差值就是鸡蛋体积所对应水的重量，即m＝m2-m1。式中，m、m1、m2的单位均为g。由于溢水杯中的液体是去离子水，密度为1.00，所以通过计算即可快速得到鸡蛋对应的体积。

4.建立鸡蛋面积-体积模型

考虑到鸡蛋的形状更加接近于椭球体，所以采用类比椭圆面积计算公式和椭球体体积计算公式的方法来得到一个参数x，然后建立参数x和鸡蛋实际体积直接的线性关系。椭圆和椭球体示意图分别如图6-e和图6-f所示。

假设鸡蛋为规则的椭球体，具有三个半轴a、b和c，其中a和b在正视图中有体现，b和c在侧视图中有体现。鸡蛋的侧视图接近于圆形，b和c近似相等，则

其中，r为侧视图面积，π为圆周率。

鸡蛋的正视图接近于椭圆，根据椭圆的计算公式S＝πab，则

其中，f为正视图面积，π为圆周率。

椭球体体积公式为将上面得到的三个半轴长a、b和c带入可以得到：

其中，x为参数，k为常数，

通过对一批鸡蛋进行测量，得到鸡蛋两个视图的面积以及排水法的体积。对数据进行拟合，得到形为v＝ax+b的方程。式中，v为鸡蛋体积，x为上面提及的参数，a和b均为常数。

经过一番测量后，除去破损的鸡蛋，共有50组可用数据。通过OriginPro 8计算，建立鸡蛋实际体积v(鸡蛋排水法的体积)、鸡蛋侧面积处理后的参数x之间的一元线性回归模型。鸡蛋面积-体积回归模型表达式为：

v＝4.7872857×10^-7x-1.1920186

在式中，v为鸡蛋体积，单位为cm³；x为参数，单位为cm³。

鸡蛋面积-体积回归模型的散点图如图7。

相关性和显著性结果如表1所示。

表1鸡蛋面积-体积回归模型分析

从表1可以看出，该回归模型的总平方和为230.236，误差平方和为13.672，相关系数为0.972，这表明模型具有很高的相关性。查F分布表，计算出的F值为774.659，远大于F_p(n₁，n₂)，p＜0.001，这表明该回归模型具有极高的显著性。

5.验证模型

对于得到的模型，要进行验证。需再次准备同种鸡蛋若干个，采用上述的方法测得鸡蛋两个视图的面积和排水体积。将鸡蛋两个视图的面积带入方程得到鸡蛋预测体积，将预测体积与排水体积进行对比，计算误差，检验模型用于预测鸡蛋体积的准确性。

对60枚鸡蛋进行检验，验证鸡蛋面积-体积回归模型，结果如表2所示。结果显示，该回归模型可以很好地通过鸡蛋的正视图和侧视图的面积来预测鸡蛋的体积。

表2鸡蛋面积-体积回归模型验证结果

实施例2：鸡蛋面积-体积回归模型在预测鸡蛋新鲜度上的实际应用

1.不同阶段的鸡蛋容重、哈夫单位和蛋黄指数

实验从产蛋第三天开始，每隔3d获取一次鸡蛋图像信息，并测蛋重和哈夫单位、蛋黄指数(即为新鲜度)，直至21d。共测7次，每次4个鸡蛋，共计28个鸡蛋。

哈夫单位计算公式：HU＝100log(H-1.7m^0.37+7.57)

式中，H为蛋白高度，单位为mm；m为鸡蛋质量，单位为g。

蛋黄指数计算公式：

式中，h为蛋黄高度，单位为mm；w为蛋黄直径，单位为mm。

利用鸡蛋图像信息和式2-11计算参数x，然后利用鸡蛋面积-体积回归模型表达式：v＝4.7872857×10^-7x-1.1920186计算鸡蛋的体积(预测体积)。

鸡蛋容重的计算公式为：

式中，ρ为鸡蛋的容重，单位为g/cm³；m为鸡蛋的质量，单位为g；V为鸡蛋体积(预测体积)，单位为cm³。鸡蛋的质量采用天平为千分之一电子天平，厂家为美国新泽西奥豪斯仪器有限公司。

经过一段时间的测量，得到这一批鸡蛋在不同阶段的容重、哈夫单位和蛋黄指数，如表3。然后使用OriginPro 8对数据进行分析，研究他们之间存在的关系。

表3不同阶段的鸡蛋容重、哈夫单位和蛋黄指数

2.鸡蛋容重与新鲜度的关系

对表3数据整理后得到表4。

表4鸡蛋随存放时间延长容重、哈夫单位的蛋黄指数的变化

根据表中数据，用OriginPro 8绘制出随天数增加，容重、哈夫单位和蛋黄指数的变化曲线，分别为图8，9和10。依次对这三条拟合曲线进行分析，得到鸡蛋存放天数与鸡蛋容重、哈夫单位和蛋黄指数关系如表5。

表5鸡蛋存放天数与鸡蛋容重、哈夫单位和蛋黄指数关系的分析

式中，ρ为容重，单位为g/cm³；Hu为哈夫单位；YI为蛋黄指数；d为时间，单位是天。

通过查表得F_0.001(1,5)＝47.18，表中的F值均大于此值，说明p＜0.001。由此可认为存放天数和容重、哈夫单位和蛋黄指数之间存在着非常强的相关关系，具有显著差异性。随着存放时间增加，鸡蛋的容重、哈夫单位和蛋黄指数都随之不断下降。

同样，绘制出容重与哈夫单位、容重与蛋黄指数的关系曲线，分别如图11和图12。依次对这两条拟合曲线进行分析，得到鸡蛋容重与鸡蛋哈夫单位和蛋黄指数关系如表6。

表6鸡蛋容重与鸡蛋哈夫单位和蛋黄指数关系的分析

通过查表得F_0.001(1,5)＝47.18，表中的F值均大于此值，说明p＜0.001。由此可认为鸡蛋容重和哈夫单位、蛋黄指数之间存在着非常强的相关关系，具有显著差异性。鸡蛋容重的下降，意味着哈夫单位和蛋黄指数都随之降低。哈夫单位和蛋黄指数作为评判鸡蛋新鲜度的指标，建立了容重和他们的关系，也就等于建立了容重和鸡蛋新鲜度的关系。

采用同样的方法，绘制出鸡蛋哈夫单位和蛋黄指数的关系曲线，如图13。对曲线进行回归分析后得到鸡蛋哈夫单位和蛋黄指数关系如表7所示。

表7鸡蛋哈夫单位和蛋黄指数关系的分析

通过查表得F_0.001(1,5)＝47.12，上表中的F值为160.8391远大于此值，说明p＜0.001。由此可认为鸡蛋哈夫单位和蛋黄指数之间存在着非常强的相关关系，具有显著差异性。结合上文中所得到的结论，可认定哈夫单位和蛋黄指数都可用于鸡蛋新鲜度的判定，并可互相转换。一般认为可将鸡蛋分为4个等级标准，如表8所示。

表8鸡蛋分等级标准

实验得到的鸡蛋分级和鸡蛋容重、新鲜度之间的关系如表9所示。利用鸡蛋面积-体积回归模型可有效通过计算容重来预估鸡蛋的哈夫单位和蛋黄指数，从而确定鸡蛋的新鲜度，对鸡蛋进行分级。

表9鸡蛋分级、容重和新鲜度之间的关系

Claims (5)

1.一种基于鸡蛋容重的鸡蛋品质无损检测方法，其特征在于，包括如下步骤：

(1)鸡蛋图像获取：获取鸡蛋正视图和侧视图图像；

(2)图像处理：采用图像处理软件Matlab R2016a进行图像处理，步骤如下：

步骤a：鸡蛋轮廓特征的提取；

步骤b：利用连通域法修正鸡蛋图像；

步骤c：计算鸡蛋图像面积；

统计分割出的鸡蛋视图截面积所占据的像素点的个数，即为其面积，单位为像素点；

(3)排水法测鸡蛋体积；

(4)建立鸡蛋面积-体积模型：

采用类比椭圆面积计算公式和椭球体体积计算公式的方法计算得到鸡蛋的预测体积x，然后建立鸡蛋预测体积x和鸡蛋实际体积直接的线性关系；

鸡蛋预测体积参数计算公式为：

其中，f为正视图面积，r为侧视图面积，

通过对一批鸡蛋进行测量，得到鸡蛋两个视图的面积以及排水法的体积，对数据进行拟合，得到一元线性方程；

(5)鸡蛋容重的计算，其公式为：

式中，ρ为鸡蛋的容重，单位为g/cm³；m为鸡蛋的质量，单位为g；V为鸡蛋体积，单位为cm³；随着存放天数的增加，鸡蛋容重下降，鸡蛋的新鲜度降低；

(6)根据所测鸡蛋的容重，判断该鸡蛋的新鲜度。

2.根据权利要求1所述的鸡蛋品质无损检测方法，其特征在于，所述鸡蛋图像获取的步骤为：固定并摆正相机位置，连接计算机，打开图像采集软件，选中正面的工业摄像头，调整分辨率，取下镜头盖，将待测鸡蛋放置于蛋托之上，调整光源直至适合获取图像；转动镜头调整焦距，直至视图中鸡蛋边缘清晰，并固定镜头焦距，随后即可获取正视图图像；选中侧面的工业摄像头，步骤同上，得到侧视图图像；所述光源采用功率为5W的LED灯，光照强度达到10000Lx。

3.根据权利要求1所述的鸡蛋品质无损检测方法，其特征在于，所述排水法测鸡蛋体积的步骤包括：将小烧杯置于溢水杯小嘴下；在溢水杯内注满水，使液面没过小嘴，多余的水从溢水杯小嘴流入小烧杯中；待液面稳定，水停止流动时，将小烧杯放在电子天平上称重，得到重量m1；随后将待测鸡蛋缓慢放入溢水杯中，待液面稳定，水停止流动时，再次称量小烧杯，得m2；两次称量差值为鸡蛋体积所对应水的重量，即m＝m2-m1；通过计算即得到鸡蛋的实际体积。

4.根据权利要求1所述的鸡蛋品质无损检测方法，其特征在于，所述的一元线性方程为：

v＝4.7872857×10^-7x-1.1920186

在式中，v为鸡蛋实际体积，单位为cm³；x为鸡蛋预测体积。

5.根据权利要求1所述的鸡蛋品质无损检测方法，其特征在于，所述容重ρ≥1.067时，鸡蛋具有高新鲜度，适合消费者食用；所述容重ρ在1.046～1.067范围值时，鸡蛋可以被消费者食用；所述容重ρ在0.996～1.046范围值时，鸡蛋新鲜度差，不适合作为壳蛋供消费者食用；所述容重ρ≤0.996时，鸡蛋不能食用。