鸭蛋裂纹检测技术对于禽蛋加工工厂实现智能化蛋品检测、分级具有重要意义。该研究针对鸭蛋裂纹检测流程复杂、计算量大、模型尺寸大等问题,提出了一种基于改进YOLOv5l(you only look once version5 large)的轻量裂纹检测算法,通过在黑...鸭蛋裂纹检测技术对于禽蛋加工工厂实现智能化蛋品检测、分级具有重要意义。该研究针对鸭蛋裂纹检测流程复杂、计算量大、模型尺寸大等问题,提出了一种基于改进YOLOv5l(you only look once version5 large)的轻量裂纹检测算法,通过在黑暗条件下使用LED灯照射鸭蛋,根据裂纹蛋壳与完好蛋壳透光性不同产生的图像差异进行检测。通过在YOLOv5中引入Ghost_conv模块,大大减少了模型的浮点计算量和参数量,并在模型的骨干网络中加入ECA(efficient channel attention)注意力机制以及使用多尺度特征融合方法 BIFPN(bi-directional feature pyramid network),增加模型对有效信息的关注度,以提高算法检测精度。同时使用CIoU与α-IoU损失函数融合后替代YOLOv5原始GIoU函数加速回归预测。利用自建的鸭蛋裂纹数据集验证改进后模型的性能,结果表明,本研究提出的改进YOLOv5l网络模型检测精准率为93.8%,与原始YOLOv5l模型相比,检测精度提高了6.3个百分点,参数量和浮点计算量分别减少了30.6%、39.4%。检测帧速率为28.954帧/s,较原始YOLOv5l模型仅下降3.824帧/s。与其他的目标检测常用网络SSD(single shot multibox detector)、YOLOv4、Faster-RCNN(faster region convolutional neural networks)相比,精度分别提高了13.1、12.5、8.2个百分点。本研究提出的方法能够在低硬件资源条件下进行高精度检测,可为实际场景应用提供解决方案和技术支持。展开更多
含盐量是衡量咸鸭蛋品质的重要指标。为了利用机器视觉技术实现高压脉动腌制咸鸭蛋含盐量的无损检测。该研究采用工业相机和透射光源搭建咸鸭蛋的透射图像采集装置。采用图像整体特征和长轴截面光强度特征两种特征提取方法,利用多元线...含盐量是衡量咸鸭蛋品质的重要指标。为了利用机器视觉技术实现高压脉动腌制咸鸭蛋含盐量的无损检测。该研究采用工业相机和透射光源搭建咸鸭蛋的透射图像采集装置。采用图像整体特征和长轴截面光强度特征两种特征提取方法,利用多元线性回归、支持向量机回归两种算法,建立对蛋清、蛋黄及全蛋含盐量以及蛋黄指数的定量预测模型。结果表明,随着咸鸭蛋腌制时间的增加,其透光性显著提高。同时,透射图像蛋黄的所在视野区域会随着含盐量的增加而呈现规律性的变化。基于图像整体特征建立的蛋清、蛋黄、全蛋含盐量模型较优,在蛋黄指数预测下基于长轴截面光强度特征所建模型较优。其中,基于图像整体特征所建立的蛋黄含盐量支持向量机回归(support vector regression,SVR)模型最优,测试集相关系数(test set correlation coefficient,Rp)、测试集均方根误差(root mean square error of prediction,RMSEp)、相对分析误差(residual predictive deviation,RPD)分别达到0.8460、0.3416、1.898;基于长轴截面光强度特征建立的蛋黄指数多元线性回归(multiple linear regression,MLR)模型最优,测试集相关系数Rp、均方根误差RMSEp、相对分析误差RPD分别为0.8318、0.0743、1.916。该研究结果为咸鸭蛋含盐量的快速检测提供理论依据和技术支持。展开更多
文摘含盐量是衡量咸鸭蛋品质的重要指标。为了利用机器视觉技术实现高压脉动腌制咸鸭蛋含盐量的无损检测。该研究采用工业相机和透射光源搭建咸鸭蛋的透射图像采集装置。采用图像整体特征和长轴截面光强度特征两种特征提取方法,利用多元线性回归、支持向量机回归两种算法,建立对蛋清、蛋黄及全蛋含盐量以及蛋黄指数的定量预测模型。结果表明,随着咸鸭蛋腌制时间的增加,其透光性显著提高。同时,透射图像蛋黄的所在视野区域会随着含盐量的增加而呈现规律性的变化。基于图像整体特征建立的蛋清、蛋黄、全蛋含盐量模型较优,在蛋黄指数预测下基于长轴截面光强度特征所建模型较优。其中,基于图像整体特征所建立的蛋黄含盐量支持向量机回归(support vector regression,SVR)模型最优,测试集相关系数(test set correlation coefficient,Rp)、测试集均方根误差(root mean square error of prediction,RMSEp)、相对分析误差(residual predictive deviation,RPD)分别达到0.8460、0.3416、1.898;基于长轴截面光强度特征建立的蛋黄指数多元线性回归(multiple linear regression,MLR)模型最优,测试集相关系数Rp、均方根误差RMSEp、相对分析误差RPD分别为0.8318、0.0743、1.916。该研究结果为咸鸭蛋含盐量的快速检测提供理论依据和技术支持。
