含盐量是衡量咸鸭蛋品质的重要指标。为了利用机器视觉技术实现高压脉动腌制咸鸭蛋含盐量的无损检测。该研究采用工业相机和透射光源搭建咸鸭蛋的透射图像采集装置。采用图像整体特征和长轴截面光强度特征两种特征提取方法,利用多元线...含盐量是衡量咸鸭蛋品质的重要指标。为了利用机器视觉技术实现高压脉动腌制咸鸭蛋含盐量的无损检测。该研究采用工业相机和透射光源搭建咸鸭蛋的透射图像采集装置。采用图像整体特征和长轴截面光强度特征两种特征提取方法,利用多元线性回归、支持向量机回归两种算法,建立对蛋清、蛋黄及全蛋含盐量以及蛋黄指数的定量预测模型。结果表明,随着咸鸭蛋腌制时间的增加,其透光性显著提高。同时,透射图像蛋黄的所在视野区域会随着含盐量的增加而呈现规律性的变化。基于图像整体特征建立的蛋清、蛋黄、全蛋含盐量模型较优,在蛋黄指数预测下基于长轴截面光强度特征所建模型较优。其中,基于图像整体特征所建立的蛋黄含盐量支持向量机回归(support vector regression,SVR)模型最优,测试集相关系数(test set correlation coefficient,Rp)、测试集均方根误差(root mean square error of prediction,RMSEp)、相对分析误差(residual predictive deviation,RPD)分别达到0.8460、0.3416、1.898;基于长轴截面光强度特征建立的蛋黄指数多元线性回归(multiple linear regression,MLR)模型最优,测试集相关系数Rp、均方根误差RMSEp、相对分析误差RPD分别为0.8318、0.0743、1.916。该研究结果为咸鸭蛋含盐量的快速检测提供理论依据和技术支持。展开更多
文摘含盐量是衡量咸鸭蛋品质的重要指标。为了利用机器视觉技术实现高压脉动腌制咸鸭蛋含盐量的无损检测。该研究采用工业相机和透射光源搭建咸鸭蛋的透射图像采集装置。采用图像整体特征和长轴截面光强度特征两种特征提取方法,利用多元线性回归、支持向量机回归两种算法,建立对蛋清、蛋黄及全蛋含盐量以及蛋黄指数的定量预测模型。结果表明,随着咸鸭蛋腌制时间的增加,其透光性显著提高。同时,透射图像蛋黄的所在视野区域会随着含盐量的增加而呈现规律性的变化。基于图像整体特征建立的蛋清、蛋黄、全蛋含盐量模型较优,在蛋黄指数预测下基于长轴截面光强度特征所建模型较优。其中,基于图像整体特征所建立的蛋黄含盐量支持向量机回归(support vector regression,SVR)模型最优,测试集相关系数(test set correlation coefficient,Rp)、测试集均方根误差(root mean square error of prediction,RMSEp)、相对分析误差(residual predictive deviation,RPD)分别达到0.8460、0.3416、1.898;基于长轴截面光强度特征建立的蛋黄指数多元线性回归(multiple linear regression,MLR)模型最优,测试集相关系数Rp、均方根误差RMSEp、相对分析误差RPD分别为0.8318、0.0743、1.916。该研究结果为咸鸭蛋含盐量的快速检测提供理论依据和技术支持。
