论文部分内容阅读
鸡蛋具有很高的营养价值，深受消费者喜爱。蛋的内部品质的好坏直接影响食用品质。在销售流通及加工方面，如能做到按新鲜度分级并按质论价，则既保护了消费者利益，又有利于生产经营者采取科学的管理，保证蛋的品质。因此，如何高效快速地检测鸡蛋的新鲜度，是亟待解决的课题。 鸡蛋新鲜度研究原理为：根据蛋的光学特性可知，鲜鸡蛋对光的透射率会随着贮存时间的延长而下降。光的透射率变化，表明蛋的内部品质发生了变化，这种变化可以用鸡蛋内容物光信息的变化反映出来。 本研究用机器视觉及神经网络技术建立鸡蛋的新鲜度(哈夫值)与鸡蛋光信息参数之间的相关关系，进行鸡蛋新鲜度无损检测与分级。鸡蛋新鲜度模型建立过程是：先在试验装置上提取鸡蛋的颜色信息(H、I、S)，试验设备由光源与光室、摄像头与图像采集卡及计算机组成；光源与光室提供检测鸡蛋图像的环境；摄像头摄取被检测鸡蛋透射光图像并由图像采集卡数字化后送入计算机；通过编制的鸡蛋图像分析程序，提取鸡蛋图像参数(H、I、S)，再把鸡蛋打破，测量并计算出鸡蛋的真实新鲜度(哈夫值)，然后把哈夫值与试验提取的鸡蛋信息参数(H、I、S)对应起来，并作为样本数据。用MATLAB为工具，创建BP神经网络模型，该网络结构为：输入层3个神经元；隐含层20个神经元，传递函数为tansig；输出层3个神经元，传递函数为purelin。在建立鸡蛋新鲜度检测的BP神经网络模式基础上，本文设计出自动检测系统，对于外来鸡蛋的颜色数据，在网络初始化后，可以立即显示出判别结果。 用基于MATLAB的BP神经网络技术检测鸡蛋新鲜度，方法高效可行；鸡蛋新鲜度(哈夫值)与其内容物颜色信息(H、I、S)有关，以二者为样本数据建立的BP神经网络，具有很好的泛化功能和鲁棒性，经检验，网络识别正确率分别为：浅色白壳鸡蛋—88.7％，深色褐壳鸡蛋—90.8％，混合蛋—88.57％；从试验结果看，深色鸡蛋检验的准确率最高，浅色蛋次之，混合蛋稍低；此方法还可用于蛋品的其它内部品质检测上。