[发明专利]一种鸽蛋品质识别方法

说明书

一种鸽蛋品质识别方法，包括如下步骤：采用视觉传感器获取鸽蛋的图片，将鸽蛋标注为受精蛋、完好非受精蛋和破损非受精蛋三个类别，得到用于模型训练的训练集和验证集；将训练集和验证集中的图片输入YOLOv5s网络模型进行模型训练，得到YOLOv5s网络模型的最佳权重数据；将最佳权重数据加载到YOLOv5s网络模型中，输入待识别的图片，输出识别结果；可在暗室环境下，将鸽蛋放置于底部具有光源的检测位置处进行拍摄。本发明对鸽蛋等蛋类产品是否破损和受精进行识别，检测速度快，部署方便快速，方便根据识别结果对蛋类产品进行剔除和分类，检测效率高，保证蛋品质量，适合于规模化产品检测。

技术领域

本发明涉及目标检测技术领域，尤其涉及一种鸽蛋品质识别方法。

背景技术

农产品包装或出货前需要对其品质进行把控，仅依靠人工对外观进行检测难免会出现漏检、误检的现象，而且长时间工作还会产生视觉疲劳，影响检测效率。利用机器学习的目标识别和分类技术被广泛应用于产品检测领域，鸽子蛋等蛋类产品从养殖车间至包装车间的过程中容易破裂，导致变质，在包装前需要找出有细小裂纹的蛋品并剔除；同时受精蛋的检测识别也很重要，受精蛋可以作为种蛋来售卖，特别是对于一些蛋品来说尤为重要，如鸽蛋，由于鸽子是一夫一妻制，鸽蛋只有百分之十几的蛋才能孵化出小鸽子，如不区分受精与否直接进行孵化，不仅浪费了鸽蛋，而且浪费了鸽子的孵化时间，因而有必要预先从蛋品中挑选出受精蛋。因此，养殖场中的鸽子蛋在包装前首先要经过挑选、分类，先挑选出受精蛋，再剔除非受精蛋中蛋壳破损的鸽蛋，避免受精蛋和破损蛋混入普通的蛋种中，如依靠人工来进行剔除和分类，工作效率低，误检率高，利用现代的目标识别技术可大大提高检测的效率，也提高蛋类产品的质量。

发明内容

本发明的目的是克服上述现有技术的缺点，提供一种识别速度快、适用于流水生产线的鸽蛋品质识别方法。

本发明是通过以下技术方案来实现的：

一种鸽蛋品质识别方法，包括如下步骤：

S1、拍摄并收集不同品质的鸽蛋的图片，采用LabelImg对图片中各种品质的鸽蛋进行标注，构建数据集，将数据集按照8:1的比例分为训练集和验证集。

由于只要不是蛋壳和壳膜都明显缺失的严重破损(而破损严重的鸽蛋在收集时已经剔除)，受精蛋无论破损与否都可以拿去孵化器孵化，因此进一步地，不同品质的鸽子蛋分为受精蛋和非受精蛋，而非受精蛋又分为外壳破损和外壳完好两类。采用摄像机拍摄得到鸽子蛋的图片，将图片中的蛋按照其破损和受精与否标注为受精蛋、完好非受精蛋和破损非受精蛋这三个类别，得到用于模型训练的训练集和验证集。

鸽子蛋图片的拍摄方法可为：在暗室环境下，将鸽蛋放置于底部具有光源的检测位置处，摄像头放置于鸽蛋的上方，对不同方位(正面、侧面、底面等)的鸽蛋进行拍摄。摄像头可采用海康威视网络摄像头，型号为DS-2CD5026EFWD，帧率25fps/s，视频分辨率为1920*1680。

使用LabelImg对图片进行标注，标注后的文件以xml作为后缀，文件名和图片名称一致。本发明可使用NVIDIA 2080Ti的显卡进行运算。

S2、分别将训练集和验证集中的图片输入YOLOv5s网络模型进行模型训练，得到YOLOv5s网络模型的最佳权重数据；

S3、将最佳权重数据加载到YOLOv5s网络模型中，输入待识别的图片，输出识别的蛋品的品质。

待识别的图片的获取方法可为：通过传输装置将待识别的鸽蛋依次传输至检测位置处，检测位置处于暗室环境，检测位置的底部设置有光源，摄像头位于检测位置的正上方，由摄像头对输送至检测位置上的鸽蛋拍摄得到待识别的图片。所述YOLOv5网络模型包括输入端、Focus模块、Neck模块、Head模块以及输出端，所述S2步骤中分别将训练集和验证集中的图片输入YOLOv5s网络模型进行模型训练的方法为：