一种鸡蛋品质识别方法、装置、设备及可读存储介质与流程

本发明涉及生物技术领域，特别是涉及一种鸡蛋品质识别方法、装置、设备及计算机可读存储介质。

背景技术：

我国是鸡蛋生产与消费大国，自1985年以来，我国的鸡蛋产量一直位居世界首位。作为餐桌上最常见的食品之一，鸡蛋的质量问题显得尤为重要。传统的鸡蛋品质检测方法是在不破坏鸡蛋完整的前提下，直接使用灯光照射鸡蛋然后进行识别，是一种有效区分鸡蛋品质高低的方法。在灯光下，高品质的鸡蛋蛋黄呈现圆形的清晰轮廓，鸡蛋整体的颜色均匀且呈微红色；低品质鸡蛋的蛋黄则是一个不规则的图形，而且鸡蛋整体的颜色不均匀，不呈现微红色。但是使用灯光一个个照射鉴别鸡蛋比较费时费力，短时间内无法一一细细查看。

现有技术中提出了一种基于dsp机器视觉的鸡蛋品质无损检测装置及检测方法，具体实现步骤为采集鸡蛋的图像，提取鸡蛋形心点与蛋黄区域的形心点，计算两者距离，然后得出轮廓与鸡蛋形心最近的点，计算出两点距离，两个距离的比值可以衡量出蛋黄偏离鸡蛋中心的程度，从而判断鸡蛋品质是否新鲜。但是该鸡蛋品质检测方式只有一个判别指标，存在一定的误判风险。

综上所述，如何有效地解决只有一个判别指标，存在一定的误判风险的问题，是目前本领域技术人员急需解决的问题。

技术实现要素：

本发明的目的是提供一种鸡蛋品质识别方法，该方法较大地降低了误判风险，提高了对鸡蛋品质判断的准确度。本发明的另一目的是提供一种鸡蛋品质识别装置、设备及计算机可读存储介质。

为解决上述技术问题，本发明提供如下技术方案：

一种鸡蛋品质识别方法，所述方法包括：

分别计算待测鸡蛋的蛋黄圆形度和鸡蛋灰度平均值；

判断所述蛋黄圆形度和所述鸡蛋灰度平均值是否均在各自对应的预设数值范围内；

若所述蛋黄圆形度和所述鸡蛋灰度平均值均在各自对应的预设数值范围内，则确定所述待测鸡蛋为品质好的鸡蛋。

在本发明的一种具体实施方式中，所述蛋黄圆形度的计算过程包括：

获取所述待测鸡蛋的图片；

对所述图片进行灰度化，得到蛋黄所在区域，并计算所述蛋黄所在区域的灰度点总个数；

利用sobel算子提取灰度化后蛋黄轮廓的轮廓灰度点，并计算轮廓灰度点个数；

根据所述灰度点总个数和所述轮廓灰度点个数计算所述蛋黄圆形度。

在本发明的一种具体实施方式中，获取所述待测鸡蛋的图片，包括：

获取所述横放的所述待测鸡蛋的图片。

在本发明的一种具体实施方式中，所述鸡蛋灰度平均值的计算过程包括：

提取鸡蛋的每个灰度点的灰度值；

对多个所述灰度值求平均值，得到所述鸡蛋灰度平均值。

在本发明的一种具体实施方式中，判断所述蛋黄圆形度和所述鸡蛋灰度平均值是否均在各自对应的预设数值范围内，包括：

判断所述蛋黄圆形度是否在预设的圆形度范围内；

若所述蛋黄圆形度在预设的圆形度范围内，则判断所述鸡蛋灰度平均值是否在预设的灰度值范围内；

若所述蛋黄圆形度和所述鸡蛋灰度平均值均在各自对应的预设数值范围内，具体为：

若所述鸡蛋灰度平均值也在预设的灰度值范围内。

一种鸡蛋品质识别装置，所述装置包括：

计算模块，用于分别计算待测鸡蛋的蛋黄圆形度和鸡蛋灰度平均值；

判断模块，用于判断所述蛋黄圆形度和所述鸡蛋灰度平均值是否均在各自对应的预设数值范围内；

品质确定模块，用于当所述蛋黄圆形度和所述鸡蛋灰度平均值均在各自对应的预设数值范围内时，确定所述待测鸡蛋为品质好的鸡蛋。

在本发明的一种具体实施方式中，所述计算模块包括圆形度计算子模块，所述圆形度计算子模块包括：

图片获取单元，用于获取所述待测鸡蛋的图片；

第一灰度点计算单元，用于对所述图片进行灰度化，得到蛋黄所在区域，并计算所述蛋黄所在区域的灰度点总个数；

第二灰度点计算单元，用于利用sobel算子提取灰度化后蛋黄轮廓的轮廓灰度点，并计算轮廓灰度点个数；

圆形度计算单元，用于根据所述灰度点总个数和所述轮廓灰度点个数计算所述蛋黄圆形度。

在本发明的一种具体实施方式中，所述计算模块包括平均值计算子模块，所述平均值计算子模块包括：

灰度值计算单元，用于提取鸡蛋的每个灰度点的灰度值；

平均值计算单元，用于对多个所述灰度值求平均值，得到所述鸡蛋灰度平均值。

一种鸡蛋品质识别设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如前所述鸡蛋品质识别方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述鸡蛋品质识别方法的步骤。

应用本发明实施例所提供的方法，分别计算待测鸡蛋的蛋黄圆形度和鸡蛋灰度平均值；判断蛋黄圆形度和鸡蛋灰度平均值是否均在各自对应的预设数值范围内；若蛋黄圆形度和鸡蛋灰度平均值均在各自对应的预设数值范围内，则确定待测鸡蛋为品质好的鸡蛋。通过分别计算用于判别鸡蛋品质的蛋黄圆形度和鸡蛋灰度平均值两个指标，仅当蛋黄圆形度和鸡蛋灰度平均值均在对应的预设范围内时，才能确认待测鸡蛋为品质好的鸡蛋。通过设置两个判别指标共同用于判别待测鸡蛋的品质，较大地降低了误判风险，提高了对鸡蛋品质判断的准确度。

相应的，本发明实施例还提供了与上述鸡蛋品质识别方法相对应的鸡蛋品质识别装置、设备和计算机可读存储介质，具有上述技术效果，在此不再赘述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中鸡蛋品质识别方法的一种实施流程图；

图2为本发明实施例中鸡蛋品质识别方法的另一种实施流程图；

图3为本发明实施例中一种鸡蛋品质识别装置的结构框图；

图4为本发明实施例中一种鸡蛋品质识别设备的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

参见图1，图1为本发明实施例中鸡蛋品质识别方法的一种实施流程图，该方法可以包括以下步骤：

s101：分别计算待测鸡蛋的蛋黄圆形度和鸡蛋灰度平均值。

品质好的鸡蛋的蛋黄接近圆形，且在灯光透视下呈现微红色，而品质不好的鸡蛋的蛋黄形状往往不规则，甚至呈现为散黄蛋的形状特点，并且鸡蛋呈现昏暗色。因此，在对鸡蛋的品质进行识别时，可以根据品质好的鸡蛋与品质不好的鸡蛋在蛋黄圆形度和鸡蛋灰度平均值方面的差异，将待测鸡蛋的蛋黄圆形度和鸡蛋灰度平均值作为判断待测鸡蛋的品质好坏的依据，分别计算待测鸡蛋的蛋黄圆形度和鸡蛋灰度平均值。

s102：判断蛋黄圆形度和鸡蛋灰度平均值是否均在各自对应的预设数值范围内，若蛋黄圆形度和鸡蛋灰度平均值均在各自对应的预设数值范围内，则执行步骤s103，否则确定待测鸡蛋为品质不好的鸡蛋。

可以分别预先设置好的鸡蛋的蛋黄圆形度的数值范围和好的鸡蛋的鸡蛋灰度平均值的数值范围，当通过计算获得待测鸡蛋的蛋黄圆形度和鸡蛋灰度平均值之后，可以判断蛋黄圆形度和鸡蛋灰度平均值是否均在各自对应的预设数值范围内，通过判断蛋黄圆形度和鸡蛋灰度平均值是否均在各自对应的预设数值范围内来评判待测鸡蛋是否为品质好的鸡蛋，只要存在一项不满足其对应的预设数值范围，则说明待测鸡蛋为品质不好的鸡蛋。

s103：确定待测鸡蛋为品质好的鸡蛋。

当确定蛋黄圆形度和鸡蛋灰度平均值均在各自对应的预设数值范围时，可以确定待测鸡蛋为品质好的鸡蛋。

应用本发明实施例所提供的方法，分别计算待测鸡蛋的蛋黄圆形度和鸡蛋灰度平均值；判断蛋黄圆形度和鸡蛋灰度平均值是否均在各自对应的预设数值范围内；若蛋黄圆形度和鸡蛋灰度平均值均在各自对应的预设数值范围内，则确定待测鸡蛋为品质好的鸡蛋。通过分别计算用于判别鸡蛋品质的蛋黄圆形度和鸡蛋灰度平均值两个指标，仅当蛋黄圆形度和鸡蛋灰度平均值均在对应的预设范围内时，才能确认待测鸡蛋为品质好的鸡蛋。通过设置两个判别指标共同用于判别待测鸡蛋的品质，较大地降低了误判风险，提高了对鸡蛋品质判断的准确度。

需要说明的是，基于上述实施例一，本发明实施例还提供了相应的改进方案。在后续实施例中涉及与上述实施例一中相同步骤或相应步骤之间可相互参考，相应的有益效果也可相互参照，在下文的改进实施例中不再一一赘述。

参见图2，图2为本发明实施例中鸡蛋品质识别方法的另一种实施流程图，该方法中对蛋黄圆形度的计算过程可以包括以下步骤：

s201：获取横放的待测鸡蛋的图片。

本发明实施例所提供的鸡蛋品质识别方法，对蛋黄圆形度的计算过程可以包括获取横放的待测鸡蛋的图片。为了使拍摄出的待测鸡蛋的图片清晰，可以设置盛放待测鸡蛋的包装测试盒，将鸡蛋横放，即鸡蛋的长轴处于水平位置，短轴处于竖直位置，包装测试盒可以包括10*10个蛋孔，从而方便同时获取多个鸡蛋的图片，以便同时对多个鸡蛋的品质进行测试，提高测试效率。蛋孔中对应鸡蛋长轴的部分可以设置为3cm左右，对应鸡蛋短轴的部分可以设置为约2.5cm。且可以将包装测试盒的颜色设置为与蛋壳的颜色差别较大的颜色，如可以设置为白色。

机器视觉技术使用的摄像头像素可以为2592*1944及以上，以能够获取到包装测试盒中的全部待测鸡蛋的清晰图片为准，本发明实施例对此不做限定。并且可以在每个鸡蛋下方均设置一个光强合适的led灯，在拍摄时将整个鸡蛋照亮，使得拍摄出的蛋黄轮廓清晰。在每次拍摄时还可以将摄像头与鸡蛋的高度保持一致，以保持每次拍摄时摄像头与包装测试盒的位置相对趋于相同，在这种情况下，可以保证图片规格大小相同，处理方便。整个测试装置简单，成本低。

s202：对图片进行灰度化，得到蛋黄所在区域，并计算蛋黄所在区域的灰度点总个数。

获取到横放的待测鸡蛋的图片之后，由于蛋壳颜色与包装测试盒的颜色差别较大，可对图片进行灰度化，接着进行二值化处理，将蛋黄所在区域设置为白色，其余部分(包括鸡蛋外部的部分)设置为黑色，设置程序可获取白色部分区域灰度点总个数，即蛋黄所在区域的灰度点总个数。彩色图片的信息量大，对待测鸡蛋的圆形度进行计算时，用灰度图像所携带的信息就已经足够了，将鸡蛋图片进行灰度化之后图片的矩阵维数会下降，运算速度将会大幅度提高，并且梯度信息仍然保留。计算蛋黄所在区域的灰度点总个数具体的可以把蛋黄所在区域每个灰度点的坐标识别出来放入一个[m，n]矩阵中，该m行n列的矩阵中元素个数为m*n个，可以用a＝m*n来表示蛋黄的面积。

s203：利用sobel算子提取灰度化后蛋黄轮廓的轮廓灰度点，并计算轮廓灰度点个数。

对待测鸡蛋的图片进行灰度化，得到蛋黄所在区域之后，可以利用sobel算子提取灰度化后蛋黄轮廓的轮廓灰度点，并将提取出的轮廓灰度点的坐标点存放到一维矩阵[1，b]中，该一维矩阵中元素个数为1*b个，可以用p＝1*b来表示蛋黄轮廓的周长。

s204：根据灰度点总个数和轮廓灰度点个数计算蛋黄圆形度。

当分别计算出用灰度点个数代表的蛋黄所在区域的面积和蛋黄轮廓的周长之后，可以根据灰度点总个数和轮廓灰度点个数计算蛋黄圆形度。用c来表示蛋黄圆形度：

当鸡蛋的蛋黄越接近圆形时，蛋黄圆形度为最小值4π，蛋黄图像为其他任何形状的图像区域时，c＞4π，且形状越复杂，c值越大，符合散蛋的形状特点，因此蛋黄圆形度可用于表示好坏鸡蛋蛋黄形状的差异。

s205：提取鸡蛋的每个灰度点的灰度值。

品质好的鸡蛋在灯光下呈微红色，品质不好的鸡蛋在灯光透视下呈昏暗色，相对于品质好的鸡蛋呈现的微红色差别较为明显，因此品质好的鸡蛋和品质不好的鸡蛋的图片中各灰度点的灰度值也会存在不同，基于此，可以提取鸡蛋的每个灰度点的灰度值。并且由于鸡蛋的蛋壳表面可能粘有杂质，为防止杂质对鸡蛋各灰度点的灰度值产生干扰，可以在获取鸡蛋的图片之前将蛋壳表面的杂质清理掉，以提升测试的准确性。

s206：对多个灰度值求平均值，得到鸡蛋灰度平均值。

提取得出鸡蛋的每个灰度点的灰度值之后，个别灰度点的灰度值不具备代表性，因此可以对多个灰度值求平均值，得到鸡蛋灰度平均值。

s207：判断蛋黄圆形度是否在预设的圆形度范围内，若蛋黄圆形度在预设的圆形度范围内，则执行步骤s208，否则，确定待测鸡蛋为品质不好的鸡蛋。

可以预先利用机器学习训练出品质好的鸡蛋的蛋黄圆形度范围(a，b)，计算得到待测鸡蛋的圆形度之后，可以判断蛋黄圆形度是否在预设的圆形度范围内，若蛋黄圆形度在预设的圆形度范围内，则可以继续执行步骤s208中判断鸡蛋灰度平均值是否在预设的灰度值范围内的步骤，若蛋黄圆形度不在预设的圆形度范围内，则说明待测鸡蛋已经变质或受到过冲击损害，确定待测鸡蛋为品质不好的鸡蛋。

s208：判断鸡蛋灰度平均值是否在预设的灰度值范围内，若鸡蛋灰度平均值也在预设的灰度值范围内，则执行步骤s209，否则确定待测鸡蛋为品质不好的鸡蛋。

可以预先利用机器学习训练出品质好的鸡蛋的蛋黄灰度值范围(α,β)，当确定蛋黄圆形度在预设的圆形度范围内之后，可以判断计算得到的鸡蛋灰度平均值是否在预设的灰度值范围内，若鸡蛋灰度平均值也在预设的灰度值范围内，则可以执行步骤s209，否则说明待测鸡蛋的蛋黄存在杂质，出现了变质现象，确定待测鸡蛋为品质不好的鸡蛋。

s209：确定待测鸡蛋为品质好的鸡蛋。

当判断蛋黄圆形度在预设的圆形度范围内，且鸡蛋灰度平均值在预设的灰度值范围内，则可以确定待测鸡蛋为品质好的鸡蛋。

需要说明的是，本发明实施例中是以先判断待测鸡蛋的蛋黄圆形度是否在预设的圆形度范围内，再判断待测鸡蛋的鸡蛋灰度平均值是否在预设的灰度值范围内为例进行介绍的。当然也可以先判断待测鸡蛋的鸡蛋灰度平均值是否在预设的灰度值范围内，再判断待测鸡蛋的蛋黄圆形度是否在预设的圆形度范围内，本发明实施例对两者判断的先后顺序不做限定，分先后进行判断均可以减小机器的运算压力。当然在机器运算能力足够强大的情况下，可以对两个指标进行并行判断，提高运算速率。

相应于上面的方法实施例，本发明实施例还提供了一种鸡蛋品质识别装置，下文描述的鸡蛋品质识别装置与上文描述的鸡蛋品质识别方法可相互对应参照。

参见图3，图3为本发明实施例中一种鸡蛋品质识别装置的结构框图，该装置可以包括：

计算模块31，用于分别计算待测鸡蛋的蛋黄圆形度和鸡蛋灰度平均值；

判断模块32，用于判断蛋黄圆形度和鸡蛋灰度平均值是否均在各自对应的预设数值范围内；

品质确定模块33，用于当蛋黄圆形度和鸡蛋灰度平均值均在各自对应的预设数值范围内时，确定待测鸡蛋为品质好的鸡蛋。

应用本发明实施例所提供的方法，分别计算待测鸡蛋的蛋黄圆形度和鸡蛋灰度平均值；判断蛋黄圆形度和鸡蛋灰度平均值是否均在各自对应的预设数值范围内；若蛋黄圆形度和鸡蛋灰度平均值均在各自对应的预设数值范围内，则确定待测鸡蛋为品质好的鸡蛋。通过分别计算用于判别鸡蛋品质的蛋黄圆形度和鸡蛋灰度平均值两个指标，仅当蛋黄圆形度和鸡蛋灰度平均值均在对应的预设范围内时，才能确认待测鸡蛋为品质好的鸡蛋。通过设置两个判别指标共同用于判别待测鸡蛋的品质，较大地降低了误判风险，提高了对鸡蛋品质判断的准确度。

在本发明的一种具体实施方式中，计算模块31包括圆形度计算子模块，圆形度计算子模块包括：

图片获取单元，用于获取待测鸡蛋的图片；

第一灰度点计算单元，用于对图片进行灰度化，得到蛋黄所在区域，并计算蛋黄所在区域的灰度点总个数；

第二灰度点计算单元，用于利用sobel算子提取灰度化后蛋黄轮廓的轮廓灰度点，并计算轮廓灰度点个数；

圆形度计算单元，用于根据灰度点总个数和轮廓灰度点个数计算蛋黄圆形度。

在本发明的一种具体实施方式中，图片获取单元具体为获取横放的待测鸡蛋的图片的单元。

在本发明的一种具体实施方式中，计算模块31包括平均值计算子模块，平均值计算子模块包括：

灰度值计算单元，用于提取蛋黄所在区域的每个灰度点的灰度值；

平均值计算单元，用于对多个灰度值求平均值，得到鸡蛋灰度平均值。

在本发明的一种具体实施方式中，判断模块32包括：

第一判断子模块，用于判断蛋黄圆形度是否在预设的圆形度范围内；

第二判断子模块，用于若蛋黄圆形度在预设的圆形度范围内，则判断鸡蛋灰度平均值是否在预设的灰度值范围内。

相应于上面的方法实施例，参见图4，图4为本发明所提供的鸡蛋品质识别设备的示意图，该设备可以包括：

存储器41，用于存储计算机程序；

处理器42，用于执行上述存储器41存储的计算机程序时可实现如下步骤：

分别计算待测鸡蛋的蛋黄圆形度和鸡蛋灰度平均值；判断蛋黄圆形度和鸡蛋灰度平均值是否均在各自对应的预设数值范围内；若蛋黄圆形度和鸡蛋灰度平均值均在各自对应的预设数值范围内，则确定待测鸡蛋为品质好的鸡蛋。

对于本发明提供的设备的介绍请参照上述方法实施例，本发明在此不做赘述。

相应于上面的方法实施例，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现如下步骤：

分别计算待测鸡蛋的蛋黄圆形度和鸡蛋灰度平均值；判断蛋黄圆形度和鸡蛋灰度平均值是否均在各自对应的预设数值范围内；若蛋黄圆形度和鸡蛋灰度平均值均在各自对应的预设数值范围内，则确定待测鸡蛋为品质好的鸡蛋。

该计算机可读存储介质可以包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

对于本发明提供的计算机可读存储介质的介绍请参照上述方法实施例，本发明在此不做赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备及计算机可读存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。