CN100495032C - 一种禽蛋表面品质检测的方法和装置 - Google Patents

Abstract

本发明涉及一种针对禽蛋表面品质的无损检测方法和装置。其采用3个CCD摄像头拍摄禽蛋的表面图像，经图像采集卡并传入计算机，然后利用弹性敲击棒冲击蛋壳的表面，经声级计，A/D转换卡将声音信号传入计算机，计算机模拟人的大脑的视觉和听觉功能，对数据进行融合和模式识别处理。根据计算机视觉系统采集的图像信息和声学检测系统采集的声音信号，参照建立的专家判别数据库，由计算机内的软件判断禽蛋的表面品质(裂纹、污斑、畸形等)。其可以通过对图像信息和声音信号的分析实现对人眼的扩展和解放，将禽蛋的破损、污斑、畸形等的视觉信息和声音信息融合起来，参照结合知识库建立的专家判别数据库对禽蛋表面品质进行综合判别分级。

Description

一种禽蛋表面品质检测的方法和装置

技术领域

本发明涉及一种针对禽蛋表面品质检测的方法和装置，特指基于计算机视觉和声学融合技术无损检测禽蛋表面品质的方法及装置。

背景技术

禽蛋富含蛋白质、脂肪、多种维生素和微量元素，是人们日常生活中重要的动物性食品。由于蛋壳薄且易破碎，一旦破碎，细菌会很快侵入和繁殖，引起禽蛋的腐败、变质，污染环境并殃及其它禽蛋，因此禽蛋的破损检测是禽蛋生产、经营和加工中的重要环节之一。许多研究表明禽蛋在收购，贮运，加工过程中损失的主要原因是由于破损蛋、污斑蛋掺杂在正常蛋之间，引起交叉污染所致。据报道，我国每年收购的禽蛋由于腐败变质所造成的损失约占收购量的10％以上。随着我国对外贸易的发展，工业用蛋及鲜蛋出口的标准也越来越严格，不仅对蛋的破损有要求，而且还要求禽蛋表面清洁，完整，大小一致，有时会根据需要剔除各种反常蛋(双黄蛋、重壳蛋、畸形蛋等)。因此对禽蛋的表面品质检测并进行分级既能减少损耗，又能提高贮藏加工质量，有利于生产经营者的创收，有利于消费者的安全。目前，国内外工业生产中主要依靠人工在灯光下剔除污斑蛋，通过观察和转动互碰禽蛋，听蛋壳发出的声音来识别、剔除破损禽蛋。这类方法不仅劳动强度大，生产效率低，人为破损量大，而且检测精度易受人工注意力、体力、经验和工作态度的影响而得不到根本保证。

国外学者有人用计算机视觉技术进行禽蛋破损的研究。Elster R.T，Goodrum J.W等(Elster R.T，Goodrum J.W.Detection ofcracks in eggs using machine vision.Trans of ASAE，1991，34(1)；Goodrum J.W，Elster R.T，Machine vision for crack detection in rotating eggs.Trans of ASAE，1992，35(4)：1323-1328)将鸡蛋分为合格品和次品两个等级，判别准确度不高且速度较慢，相关的专利未见报道。在他们的研究中发现，计算机视觉技术检测破损蛋由于污斑等的影响易造成漏采，而且微小裂纹难以检出，易造成漏检，误差较大。

利用声学检测技术对农产品的品质检测是近30年来发展较快的一门技术，文友先等2002年9月23日提出了一份关于“禽蛋品质无损自动检测分级设备及方法”的专利申请(中国发明申请公开说明书，专利申请号：0213983.5)，利用声学敲击法判断禽蛋的破损，通过计算机视觉判断禽蛋大小和蛋心颜色，但只是用单一的方法检测，而且对禽蛋的破损情况不能进行分级，而且不涉及反常蛋(如重壳蛋、畸形蛋等)和污斑蛋的检测。

目前，国内外对禽蛋表面品质的检测多采用人工感官评定方法或者某种单一的检测方法，不能对禽蛋的品质进行较全面的客观评价，检测存在局限性，精度不够。例如单一的计算机视觉技术无法检测微裂纹和反常蛋；单一的声学技术无法对禽蛋的破损情况进行分级，无法检测禽蛋表面的污斑和畸形蛋等。

发明内容

技术问题

本发明的目的在于克服现有技术的缺陷，提出一种在线情况下基于计算机视觉和声学融合技术针对禽蛋表面品质无损检测分级的方法和装置，特别是能将视觉信息和听觉信息融合起来进行综合判别，可以更加精确地检测禽蛋的破损情况，以及污斑和反常蛋等，并进行分级，提高了蛋品加工业中禽蛋品质检测的质量和效率。

技术方案

本发明的目的通过以下方法实现的：

首先建立知识库，对所检测的禽蛋(鸡蛋、鸭蛋、鹅蛋等)，根据其检测标准(如出口鲜蛋国家标准等)，先由专业人员对一定数量的禽蛋进行感观评定建立专家知识库，然后利用CCD摄像头拍摄禽蛋样本的图像，经由图像采集并传入计算机，而敲击蛋壳产生的声音信号则通过声级计(麦克风)进行采集，收集完好蛋和破损蛋(裂纹蛋、损壳蛋、流清蛋等)的图像信号和声音信号，利用计算机分析并提取特征信息，然后计算机模拟人的大脑对视觉数据库和听觉数据库进行融合处理，建立专家知识库与禽蛋表面品质相关的专家判定数据库，从而由计算机判定被测样品的优劣、等级等质量品质。

建立专家判别数据库的标准样品检测的步骤如下：

①测定样品时，将样品放在密封室内蛋托的孔上，蛋托将密封室分上下层，下层放光源，光通过孔

透射样品；

②通过CCD摄像头采集样品的图像信号并输入计算机；

③密封室内的敲击棒冲击样品，产生声音信号通过声级计采入计算机中；

④对图像进行处理，提取特征信息；

⑤对声音进行处理，提取特征信息；

⑥蛋托旋转控制器使蛋托转动90度，带动样品旋转90度；

⑦密封室内的敲击棒冲击样品，产生声音信号通过声级计采入计算机中；

⑧对声音进行处理，提取特征信息；

⑨蛋托旋转控制器使蛋托转动90度，带动样品旋转90度；

⑩重复一次上述步骤②～⑨的操作；

结合专家知识库中该样品的品质判别结果和等级，计算机对提取的特征信息进行融合和模式处理，生成专家判别数据库的内部数据。

所述的基于计算机视觉和声学技术无损检测禽蛋表面品质的方法，其特征在于对计算机提取的图像信息与声音信号信息进行融合和模式处理，其中的数学处理采用回归分析，傅立叶变换，模糊数学等常规统计数据分析方法和神经网络、遗传算法等高精度实时模式系统来处理数据，并与知识库联系起来进行训练、学习，得到一个专家判定数据库，使得研制的系统可以提高分级的精度。

所述的融合分为原始数据融合、特征数据融合、决策数据融合多个层次的融合。原始数据融合和特征数据融合处理主要包括对图像信号和声音信号的处理和融合，其中图像信息处理包括背景分割，图像增强，阈值分割，特征提取等，而声音信号处理包括信号采集，平滑去噪，特征提取等。特征数据融合指从各幅图像以及各次声音信号中提取特征值，然后在所有各自提取的特征值基础上采用判别式分析、神经网络、回归分析、遗传算法等进行融合。数据决策级的融合则是根据计算机视觉和声学判断得出的特征数据融合结果，通过应用神经网络，模糊数学等手段对被检禽蛋表面如裂纹、外形、尺寸、甚至内部情况能进行准确综合判断的专家判别数据库。

所述的一种禽蛋表面品质检测方法的装置，其特征在于由四部分组成：传动装置、计算机视觉检测与分析模块、声学检测与分析模块、模式识别与数据融合处理系统。其中传动装置由传送带、调速装置组成。计算机视觉检测与分析模块的装置由密封室，CCD摄像头，图像采集卡，光源，蛋托，蛋托旋转控制器组成，其中，CCD摄像头，光源，蛋托处于密封室内部，图像采集卡固定在计算机内部，声学检测与分析模块的装置由声级计，蛋托，蛋托旋转控制器，敲击棒，敲击检测器及密封室组成。其中声级计，蛋托，敲击棒处于密封室内部。计算机视觉系统与声学采集与处理系统采集到的数据传输到计算机内的识别和融合数据处理系统进行分析处理。

所述的计算机视觉检测装置中的图像检测密封室分为上下两层：下层为光源部分，上层为禽蛋检测暗室，两层中间的蛋托含有滚轴，蛋托中间为空，通过滚轴的转动带动禽蛋的转动，禽蛋的表面有三个CCD摄像头，CCD摄像头通过电缆与插在计算机中的图像采集卡相连，并与计算机组成实时计算机视觉采集与处理系统。

计算机视觉的图像采集与声音信号采集过程均在密封室内完成，密封室下层光源采用白炽灯，光源通过蛋托的中空透射到禽蛋上。对于每枚禽蛋，滚轴旋转四次，每次90度，敲击棒冲击禽蛋四次，声级计采集四次声音信号，而CCD摄像头采集二次图像。

工作时，调速装置以一定速率使传送带将被检禽蛋送入检测密封室内部，并暂停运行，由CCD摄像头拍摄鸡蛋的图像，经电缆传入图像采集卡处理，通过计算机内部的软件分析处理。第一次图像采集完成后，声学检测装置开始工作，敲击控制器带动敲击棒冲击鸡蛋的赤道部位，信号由声级计采集，通过电缆传入A/D转换卡，通过计算机内部的软件分析处理。然后蛋托旋转控制器控制蛋托旋转，带动鸡蛋转动90度，如前进行第二次声音信号采集过程；第二次声音信号采集结束后，蛋托旋转控制器控制蛋托旋转，继续使鸡蛋转动90度，这时摄像系统进行第二次图像采集，声学系统进行第三次声音信号采集过程；接着蛋托旋转控制器控制蛋托旋转，继续使鸡蛋转动90度，进行第四次声音信号的采集，然后信号采集工作结束。至此，对每枚鸡蛋，CCD摄像头共采集2次鸡蛋图像，声级计采集4次鸡蛋受冲击后的声音信号。每次得到的数据由计算机内部的软件进行融合处理，最后在屏幕上输出禽蛋表面品质的判断分级结果。

本发明的有益效果

1，一种禽蛋表面品质检测的方法，基于计算机视觉和声学融合技术的禽蛋表面品质无损检测模拟人的视觉和听觉系统，得到的不是禽蛋样品的视觉信息和听觉信息的简单叠加，而是模仿人的信息融合能力，将视觉和听觉信息融合起来，用高精度实时的模式分类方法如神经网络，遗传算法等处理数据，具有人工智能，可用于农产品的品质判定和分级，提到的检测方法和装置可以辅助或代替评判人员。

2 本发明的与单一的计算机视觉和声学检测技术相比，得到的信息更全面，其可靠性、重复性和适应性更高，与常规方法相比不仅判断禽蛋破损的准确性可达95％以上，而且可对禽蛋的破损情况进行分级，同时可以附带检测禽蛋大小、外形、污斑、内部血斑等，对禽蛋质量评价较全面，更适合于现代工业生产的需要。

3，本发明融合计算机视觉技术和声学技术可对禽蛋等农产品进行较为快速而全面的无损检测，既可以解放劳动力，排除人的主观因素干扰，又能快速而准确地实时对禽蛋品质进行判定和分级。

附图说明

图1：本发明的技术方案示意图；

图2：计算机视觉与声学技术融合示意图；

图3：本发明应用实例(针对鸡蛋)技术路线示意图；

图4：本发明应用实例装置示意图；

图5：本发明应用实例各区域标识示意图；

图6：本发明应用实例计算机视觉检测部分装置示意图；

图7：本发明应用实例转动示意图；

图8：本发明应用实例声学技术检测部分装置示意图；

附图中的各部件说明如下

图中：1，传送带；2，密封室；3，CCD摄像头；4，声级计；5，A/D转换卡；6，图像采集卡；7，计算机；9，调速装置；10，蛋托；11，蛋托旋转控制器；12，敲击棒；13，敲击控制器；14，禽蛋

具体实施方式

本发明对禽蛋的无损检测方法和装置具有通用性，以鸡蛋为实例进行说明，其他禽蛋类产品可以参照该实例的方法，具体针对所测的样本的评价标准，建立一个新的知识库和专家判别库，就可以对该类禽蛋进行测试了。

实施例1：

参阅图3，为针对鸡蛋蛋壳裂纹进行检测的系统方案示意图，依照鲜蛋出口检验国家标准的相关要求，先按常规检测手段进行质量评定和分级，然后以这些鸡蛋为样本，用基于计算机视觉和声学融合技术的无损检测装置进行检测，建立与知识库相关的专家判定数据库。

图中的计算机视觉检测与处理包括鸡蛋的图像采集，图像预处理，图像分析与特征提取，可以判断裂纹存在与否及裂纹大小情况，其中图像采集通过CCD摄像头对密封室中的鸡蛋样本进行拍摄，经图像采集卡传入计算机，其中密封内部有光源，图像采集可固定在计算机内部。通过计算机对蛋托旋转控制器的控制室蛋托旋转，进而带动鸡蛋旋转，使鸡蛋的全部表面图像被采集。

图中的声学技术检测系统包括信号的采集，信号的预处理，特征提取，对比分析，结果输出。信号通过敲击棒冲击鸡蛋表面产生，由声级计进行采集，通过电缆传入A/D转换卡处理，然后传入计算机进一步分析。对一枚鸡蛋共采集4次声音信号，传入计算机进行分析处理。

图中的计算机视觉检测分析处理模块与声学技术检测分析与处理模块间根据各自采集的信息判断鸡蛋的破损情况，然后根据计算机内的软件系统采用神经网络等融合技术并与知识库对比，综合判定分级鸡蛋表面品质。

图中的信息融合首先是计算机视觉或声学检测中的原始数据融合，然后是各自从获得信息中图区的特征信息的融合，最后是综合二者的结果数据，利用神经网络、模糊数学等进行决策融合，得到专家判定数据库，准确描述鸡蛋的品质状况。

本发明实施例的硬件装置示意图如图4所示，计算机视觉检测系统由密封室(2)，CCD摄像头(3)，图像采集卡(6)，光源(8)，蛋托(10)等组成，其中CCD摄像头(3)，光源(8)，蛋托(10)被固定在密封室(2)内部，图像采集卡(6)固定在计算机(7)内部。其中该部分装置在密封室(2)内的情况如图6所示。声学技术检测装置如图8所示，包括声级计(4)，A/D转换卡(5)，蛋托旋转控制器(11)，敲击棒(12)，敲击控制器(13)。其中声级计(4)，蛋托(10)，敲击棒(12)，敲击控制器(13)固定在密封室(2)内部，A/D转换卡(5)固定在计算机(7)主板的PCI插槽。其中，鸡蛋表面上赤道、钝端和尖端的位置如图6所示。其中，如图7所示，蛋托旋转控制器(11)控制蛋托(10)旋转，使得CCD摄像头(3)能够采集鸡蛋(14)表面的全部信息，而声级计(4)能够采集鸡蛋不同部位的声音信号。

工作时，调速装置(9)使传送带(1)以一定速率将鸡蛋传入密封室(2)内部，并暂停运行，由CCD摄像头(3)拍摄鸡蛋的图像，经电缆传入图像采集卡(6)处理，通过计算机(7)内部的软件分析处理。第一次图像采集完成后，声学检测装置开始工作，敲击控制器(13)带动敲击棒(12)冲击鸡蛋(14)的赤道部位，信号由声级计(4)采集，通过电缆传入A/D转换卡(5)，通过计算机(7)内部的软件分析处理。然后蛋托旋转控制器(11)控制蛋托(10)旋转，带动鸡蛋(14)转动90度，进行第二次声音信号采集过程；第二次声音信号采集结束后，蛋托旋转控制器(11)控制蛋托(10)旋转，继续使鸡蛋(14)转动90度，进行第二次图像采集和第三次声音信号采集过程；然后蛋托旋转控制器(11)控制蛋托(10)旋转，带动鸡蛋(14)转动90度，进行第四次声音信号采集过程。对每枚鸡蛋(14)，每个CCD摄像头(3)采集2次鸡蛋图像，共得到6幅图像，而声级计(4)采集4次鸡蛋(14)受冲击后的声音信号，最后计算机内部的软件对所有的数据进行融合处理，输出最后的鸡蛋表面品质判断分级结果。

实施例2：

1 试验材料

试验材料为江苏省源创禽业发展有限公司提供的无公害鸡蛋，鸡种为罗曼蛋鸡。产后1-2天的新鲜鸡蛋，共分为两批，所有试验用的鸡蛋均通过人工专家仔细检查，判断为裂纹鸡蛋或完好鸡蛋。第一批鸡蛋供用来建立知识库和专家判定数据库。共有290枚，其中完好鸡蛋150枚，壳裂鸡蛋140枚，其中一部分壳裂鸡蛋为完好鸡蛋人为制造裂纹而得，裂纹大小和分布比较随机。第二批鸡蛋供检验专家判别数据库的精度使用，共有237枚，人工仔细检查的结果为完好鸡蛋126枚，壳裂鸡蛋111枚。系统分级结果的准确率通过与人工判别相比较得出。

2 试验装置

2.1 计算机视觉

摄像头：日本JVCTK-C1381型CCD摄像头，分辨率为752×582，输出为模拟信号；

图像采集卡：加拿大Matrox Π图像采集卡；

暗箱：80×80×100cm³的自制大木箱，内壁为不反光的黑色材料；

光源：25W白炽灯；

计算机系统(PC)：P41.7G处理器，256MB内存，NVIDIA GeForce MX440 64MB显卡；

图像处理软件系统：图像处理软件为南京农业大学食品科技学院农产品加工教研室自主开发的图像处理软件Image processing 1.0。

2.2 声学检测

敲击棒：敲击器为钢质弹性细棒，一端为球形，长约60mm；

SD150动态测试及信号分析系统：天津大学机电科技中心及天津市中环电子仪器公司联合出产

数字声级计：HS5633A

计算机系统(PC)：P41.7G处理器，256MB内存，NVIDIA GeForce MX440 64MB显卡；

3 试验方法和步骤

3.1 第一阶段

先将供测试的样本鸡蛋清洁，除去表面的污斑，然后由人工专家分级鸡蛋为裂纹鸡蛋和完好鸡蛋，分别进行编号。其中，先进行完好鸡蛋的测试，收集完好鸡蛋的计算机视觉信息和声学信号信息，然后人为制造裂纹，并分别利用计算机视觉和声学方法检测裂纹鸡蛋的表面品质。

3.2 计算机视觉检测方法和步骤

在暗室里，光透射过鸡蛋，利用摄像头采集鸡蛋正反面的图像，共采集2次，6幅图像。图像处理步骤为：①背景去除；②图像转换(包括格式和大小)；③灰度转化；④中值滤波；⑤阈值分割；⑥区域标记；⑦特征提取。

3.3 声学检测方法和步骤

敲击棒敲击受测鸡蛋的赤道部位，所有鸡蛋(完好鸡蛋和裂纹鸡蛋)均被敲击4次，沿顺时针方向约隔90度敲击一次。每次敲击后纪录PC输出的频谱图中除噪音外幅值最大的频率值，即特征响应频率。声级计的位置在敲击点的对面，鸡蛋横放在垫上。声音信号的采集处理步骤为：①冲击鸡蛋；②信号采集；③信号分析；④特征频率提取；⑤数据处理；⑥结果输出。

4知识库和专家判别数据库的建立及验证

4.1 计算机视觉检测

分别分析完好鸡蛋和裂纹鸡蛋的图像，获取图像的特征信息。通过处理提取了裂纹鸡蛋图像的裂纹区域的特征信息，分别以区域圆形度，面积、区域长径、短径和长短径之比来判断裂纹。利用统计学的方法规定专家判别数据库中裂纹的判定为如下：

定义：圆形度(R：Ratio)；面积(A：Area)；长径(L：LongPath)；短径(S：ShortPath)长短径之比(LS：LongPath/ShortPath)。

裂纹的特征满足：

①A＝-315.693+726.579R+4.2775L+9.0556S+9.0288LS

②L＝43.7841-140.39R+0.1443A+1.1673LS

③若A≥100像素，则R≤0.2或LS≥3

④若A<100像素，则R≤0.35或LS≥3

其中：0.0<R≤0.398，1.5≤LS≤33.7

19≤A≤1871，8≤L≤270，1≤S≤76(单位：像素)

4.2 声学检测

分析完好鸡蛋和裂纹鸡蛋的声学信号信息，发现一枚完好无裂纹的鸡蛋，敲击赤道的不同部位，得到的频谱图十分相似，特征响应频率值接近，CV值小；有裂纹的鸡蛋，四个特征频率数值相互之间差别比较大，CV值相对较大。其中，CV指变异系数，即对赤道部位敲击四次得到的特征响应频率数值进行变异分析的结果。在检测分级的过程中，微小裂纹的检测相对比较困难，而微小裂纹在贮藏运输过程中容易变大，为了尽可能保证裂纹鸡蛋的检出，分级的阈值较低为好，故将阈值(CV)设为1。由此确定鸡蛋破损检测的分级算法，定义U＝{所有鸡蛋}，A＝{完好鸡蛋}，B＝{壳裂鸡蛋}，函数表达如下：

4.3 判别数据库的建立

建立判别数据库的原理为：提取鸡蛋图像处理后各区域的圆形度，面积、区域长径、短径和长短径之比的信息和声学信号特征信息(CV)，输入这些变量，利用模糊数学和神经网络进行判断和训练。

判别数据库的判定和分级原理：

判定：对输入的被检测鸡蛋，获取表面的图像，进行图像处理，提取处理后图像中各区域的圆形度，面积、区域长径、短径和长短径之比的数值，判断该鸡蛋为裂纹鸡蛋或者完好鸡蛋；同时分析该鸡蛋的声音信号，根据判断的算法，确定该枚鸡蛋为裂纹鸡蛋或者完好鸡蛋。比较两种方法判断的结果，若结果一样则进行分级，若结果不一样，则判断该枚鸡蛋为裂纹蛋。

分级：若两种方法均判断该鸡蛋为裂纹蛋，则判定该枚鸡蛋为三级，若都判断为完好鸡蛋，则判定该枚鸡蛋为一级；若声学方法判断该枚鸡蛋为裂纹蛋，而计算机视觉方法判断为完好鸡蛋，则认为该枚鸡蛋有微裂纹，定为二级，若声学方法判断该枚鸡蛋为完好蛋，而计算机视觉方法判断为裂纹鸡蛋，则认为是裂纹鸡蛋，定为三级。

4.4 专家判别数据库的精度验证

以第二批鸡蛋为检测对象，分别进入检验装置，进行计算机视觉和声学检测，并由系统给出判定分级结果。通过与人工专家判定结果对照评价专家判别数据库的精度，结果如下表1所示，可以看出该方法和装置对裂纹蛋的检出达到95％以上，对整批鸡蛋的判别准确率也达到了93％。

表1 本发明的装置和方法检测鸡蛋裂纹的精度

Claims (1)

1、一种禽蛋表面品质检测的方法，其特征是：首先建立知识库，先对所检测的禽蛋，依照鲜鸡蛋出口检验国家标准的相关要求，先按常规检测手段进行质量评定和分级，然后利用CCD摄像头拍摄禽蛋样本的图像，经由图像采集并传入计算机，而敲击蛋壳产生的声音信号则通过声级计进行采集，收集蛋的图像信号和声音信号，利用计算机分析并提取特征信息，从而由计算机判定被测样品的优劣、等级质量品质：

1)测定样品时，将样品放在密封室内蛋托的孔上，蛋托将密封室分上下层，下层放光源，光通过孔透射样品；

2)通过CCD摄像头采集样品的图像信号并输入计算机；

3)密封室内的敲击棒冲击样品，产生声音信号通过声级计采入计算机中；

4)对图像进行处理，提取特征信息；

5)对声音进行处理，提取特征信息；

6)蛋托旋转控制器使蛋托转动90度，带动样品旋转90度；

7)密封室内的敲击棒冲击样品，产生声音信号通过声级计采入计算机中；

8)对声音进行处理，提取特征信息；

9)蛋托旋转控制器使蛋托转动90度，带动样品旋转90度；

10)重复一次上述步骤2)～9)的操作；

上述计算机视觉检测包括：

以区域圆形度，面积、区域长径、短径和长短径之比来判断裂纹鸡蛋和完好鸡蛋，

定义：圆形度R；面积A；长径L；短径S；长短径之比LS；

裂纹鸡蛋的特征满足：

①A＝-315.693+726.579R+4.2775L+9.0556S+9.0288LS

②L＝43.7841-140.39R+0.1443A+1.1673LS

③若A≥100像素，则R≤0.2或LS≥3

④若A<100像素，则R≤0.35或LS≥3

其中：0.0<R≤0.398，1.5≤LS≤33.7

19≤A≤1871，8≤L≤270，1≤S≤76；单位：像素

上述声学检测包括：

CV指变异系数，即对赤道部位敲击四次得到的特征响应频率数值进行变异分析的结果，由此确定鸡蛋破损检测的分级算法，定义U＝{所有鸡蛋}，A＝{完好鸡蛋}，B＝{壳裂鸡蛋}，函数表达如下：

$U\left(\mathrm{CV}\right)=\left\{\begin{array}{cc}A& (0\&le;\mathrm{CV}\&le;1)\\ B& (\mathrm{CV}>1)\end{array}\right.$

11)结合专家知识库中该样品的品质判别结果和等级：

判定：对输入的被检测鸡蛋，提取处理后图像中各区域的圆形度，面积、区域长径、短径和长短径之比的数值，判断该鸡蛋为裂纹鸡蛋或者完好鸡蛋；同时分析该鸡蛋的声音信号，确定该枚鸡蛋为裂纹鸡蛋或者完好鸡蛋；比较两种方法判断的结果，若结果一样则进行分级，若结果不一样，则判断该枚鸡蛋为裂纹蛋；

分级：若两种方法均判断该鸡蛋为裂纹蛋，则判定该枚鸡蛋为三级，若都判断为完好鸡蛋，则判定该枚鸡蛋为一级；若声学方法判断该枚鸡蛋为裂纹蛋，而计算机视觉方法判断为完好鸡蛋，则认为该枚鸡蛋有微裂纹，定为二级，若声学方法判断该枚鸡蛋为完好蛋，而计算机视觉方法判断为裂纹鸡蛋，则认为是裂纹鸡蛋，定为三级。

Images