基于计算机视觉和神经网络的鸡蛋新鲜度检测  

作　　者：邢志中 张海东[1] 王孟[1] 翟超男 郭小军[1] 陈腾[1] 

机构地区：[1]云南农业大学机电工程学院,云南昆明650201

出　　处：《江苏农业科学》2017年第11期160-163,共4页Jiangsu Agricultural Sciences

基　　金：云南农业大学博士科研启动基金;云南农业大学学生科技创新创业行动(编号:2016ZKX121)

摘　　要：为了提高鸡蛋新鲜度分级的准确率,利用计算机视觉技术,通过所搭建的鸡蛋透射光图像采集系统获取鸡蛋透射光图像信息,提取鸡蛋的5个形状特征和6个颜色特征参数,结合BP神经网络与鸡蛋的哈夫单位值进行对照,从而建立鸡蛋新鲜度检测分级模型。其训练集和测试集的分级正确率分别为99.583 3%和98.333 3%。该分级模型的分级正确率达98.000 0%以上,具有较好的泛化功能及鲁棒性。结果表明,用鸡蛋的形状参数与颜色参数,结合神经网络对鸡蛋新鲜度分级是可行的,具有较高的分级正确率。

关 键 词：鸡蛋 计算机视觉 新鲜度 神经网络 

分 类 号：S126[农业科学—农业基础科学]