[发明专利]一种基于树莓派和机器视觉的双黄蛋在线识别系统和方法有效

专利信息
申请号: 202110110211.0 申请日: 2021-01-26
公开(公告)号: CN112784769B 公开(公告)日: 2022-06-14
发明(设计)人: 杨增汪;陈伟;杜年丰;史泽地;董正琪;赵才义 申请(专利权)人: 江苏师范大学
主分类号: G06V20/68 分类号: G06V20/68;G06V10/26;G06V10/56;G06V10/764;G06V10/82;G06T7/136;G06T5/30;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京淮海知识产权代理事务所(普通合伙) 32205 代理人: 薛茹丹
地址: 221116 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 树莓派 机器 视觉 双黄 在线 识别 系统 方法
【说明书】:

发明公开了一种基于树莓派和机器视觉的双黄蛋在线识别系统和方法,系统包括树莓派、鸭蛋传输装置、图像采集系统、语音模块、显示模块和云服务器,鸭蛋传输装置、图像采集系统、语音模块、显示模块和云服务器均与树莓派连接;识别方法主要是通过树莓派控制图像采集系统对待检测的鸭蛋进行图像采集,并对接受到的图像进行分析和处理,将处理结果发送至云服务器,经云服务器通过双黄蛋识模型对鸭蛋进行识别分类后,接收云服务器发出的分类信号,并将该分类信号分别通过语音模块和显示模块进行播报和显示。该双黄蛋在线识别系统和方法有效地提升了双黄鸭蛋的检测效率和准确率,降低了人工成本,满足了禽蛋企业生产规模化和产业化的要求。

技术领域

本发明涉及一种基于树莓派和机器视觉的双黄蛋在线识别系统和方法,属于农产品无损检测技术领域。

背景技术

鸭蛋作为一种重要的食用蛋,其包含人体所需的蛋白质、脂肪、矿物质和维生素等,易于消化和吸收,具有很高的营养价值。由于双黄蛋的蛋黄比例高,故其相对于单黄蛋具有更高的营养价值,因此双黄蛋的生产加工市场越来越大。

现有的双黄蛋识别大多采用人工检测方法,通过肉眼挑选出尺寸较大的蛋,然后在照蛋室通过灯光设备透视蛋,观察蛋黄个数,该方法要求工人能够进行熟练的操作,尽管如此,仍然存在检测效率低,准确率低的缺陷,且人工成本高,无法满足禽蛋企业生产规模化和产业化的要求。

发明内容

针对上述现有技术存在的问题,本发明提供一种基于树莓派和机器视觉的双黄蛋在线识别系统和方法,该识别系统和方法能够有效提升检测效率和准确率,降低人工成本,满足禽蛋企业生产规模化和产业化的要求。

为了实现上述目的,本发明提供一种基于树莓派和机器视觉的双黄蛋在线识别方法,其用于在线识别的系统包括树莓派、鸭蛋传输装置、图像采集系统、语音模块、显示模块和云服务器,鸭蛋传输装置、图像采集系统、语音模块、显示模块和云服务器均与树莓派连接;

所述的鸭蛋传输装置包括皮带输送机,输送机托辊之间的间隙下方设有对皮带上的鸭蛋进行照射的照射灯,皮带输送机的电机与树莓派连接;

所述的图像采集系统包括暗箱、光电传感器和摄像机,所述的暗箱设置于鸭蛋传输装置上方,皮带输送机从暗箱一端进入,另一端穿出,光电传感器与树莓派GPIO口连接,用于向树莓派传送图像采集的触发信号,其发光器和收光器分别安装于皮带输送机通过路径两侧的暗箱内壁上;摄像机与树莓派连接,安装于暗箱内顶壁上,且摄像头垂直正对皮带输送机;图像系统用于实时采集鸭蛋图像,并将采集到的图像数据信号发送至树莓派;

所述的语音模块通过蓝牙与树莓派连接,用于对识别结果进行语音播报;

所述的显示模块用于将识别结果显示在显示屏上以及用户操作界面的显示;

所述的云服务器部署有双黄蛋识别模型,用于接收树莓派发送的图像处理结果,并通过双黄蛋图像进行分类识别处理,将分类识别后的信号传送至树莓派;

所述的树莓派用于启动和控制皮带输送机电机的运转,用于启动图像采集系统进行图像采集以及接收图像采集系统发送的图像数据信号,并对接收到的图像数据信号进行分析和处理,将处理结果发送至云服务器,经云服务器通过双黄蛋识模型对鸭蛋进行识别分类后,接收云服务器发出的分类信号,并将该分类信号分别通过语音模块和显示模块进行播报和显示;

在线识别方法,包括如下步骤:

1)将洗干净的鸭蛋放置于皮带输送机上,打开皮带下方的LED光源,同时树莓派启动皮带输送机电机,皮带输送机开始将鸭蛋载入暗箱;

2)鸭蛋随皮带输送机进入暗箱,触发光电传感器,树莓派接收到触发信号后,控制摄像机对暗箱内的鸭蛋进行图像采集;摄像机将采集到的鸭蛋半透明图像数据信号发送至树莓派;

3)树莓派对接收到的图像数据信号进行预处理,步骤为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏师范大学,未经江苏师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110110211.0/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top