[發明專利]一種基于深度學習的雞蛋重量檢測方法及設備

在審

• 申請號: 202211619341.8
• 申請日: 2022-12-16
• 公開（公告）號: CN115731236A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 鄧國華;林福清;梁經倫
• 申請（專利權）人: 廣東嶺秀農業科技有限公司;東莞理工學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62;G06N3/04;G06N3/08
• 代理公司: 東莞市創益專利事務所 44249
• 代理人: 許彬

本發明涉及一種基于深度學習的雞蛋重量檢測方法及設備，設備包括有機架及安裝在機架上的送料運輸帶機構、視覺檢測機構、分料運輸機構；視覺檢測機構采集不同形狀的雞蛋作為原始數據集，構建訓練集；對原始數據集和訓練集進行圖像降噪，輪廓邊緣提取，計算雞蛋形狀特征值，輪廓面積；構建初始深度學習訓練網絡進行訓練，以訓練集的雞蛋形狀特征值作為訓練輸入特征，以原始數據集的雞蛋輪廓形狀特征值作為訓練目標；訓練完成后，得到最終深度學習訓練網絡模型；獲取待識別雞蛋的圖片，利用深度學習訓練模型自動確定雞蛋輪廓形狀特征，準確計算雞蛋重量，提高系統雞蛋重量檢測的適用性。

技術領域

本發明涉及雞蛋檢測技術方案，尤其是涉及雞蛋重量測量的技術領域。

背景技術

目前，現有技術對雞蛋重量的測量方法，是將雞蛋放在重量傳感器中直接得出雞蛋的重量，對于一個雞蛋可以相對應測量其重量，對于一盤雞蛋，數量不一致，且大小形狀有一定的區別，重量傳感器檢測沒有辦法直接檢測出對應的每一個雞蛋的重量。傳統的測量方法可以通過一個一個測量的方式得到每一個雞蛋的重量，對于數量較大的雞蛋檢測重量來說，檢測效率不高，而且重量相似并不能區別雞蛋的形狀。雞蛋輪廓有相似性，但是重量相同的雞蛋也存在不同的形狀。

因此，如何準確高效地檢測大量雞蛋的重量并標號分類，是本領域技術人員需要解決的問題。

發明內容

本發明的目的在于針對現有技術的不足，提供一種基于深度學習的雞蛋重量檢測方法及設備，利用深度學習訓練模型自動確定雞蛋輪廓形狀特征，準確計算雞蛋重量，提高系統雞蛋重量檢測的適用性。

為達到上述目的，本發明提供了一種基于深度學習的雞蛋重量檢測方法，該方法包括以下步驟：

步驟1，采集不同形狀的雞蛋作為原始數據集，通過對原始數據集進行數據增廣，構建訓練集；不同形狀是指雞蛋的輪廓圓度不同，雞蛋長度寬度比不同，雞蛋輪廓平滑度不同；

步驟2，對原始數據集和訓練集進行圖像降噪，輪廓邊緣提取，計算雞蛋形狀特征值，輪廓面積；

步驟3，構建初始深度學習訓練網絡進行訓練，以訓練集的雞蛋形狀特征值作為訓練輸入特征，以原始數據集的雞蛋輪廓形狀特征值作為訓練目標；所述深度學習訓練網絡包括編碼器和解碼器，二者之間連接有兩層GRU層；訓練完成后，得到最終深度學習訓練網絡模型；

步驟4，獲取待識別雞蛋的圖片，利用所述最終深度學習訓練網絡模型求取待識別雞蛋的形狀特征值和雞蛋的重量。

上述方案進一步是，所述步驟4的具體方式為：

待識別雞蛋的圖片經過圖片處理、輪廓提取、邊緣填充后再利用最終深度學習訓練網絡模型求取待識別雞蛋的形狀特征值和雞蛋對應的重量面積比值，通過最終深度學習訓練網絡模型輸出的形狀特征值和預測相應的重量面積比值進行雞蛋的重量檢測。

為達到上述目的，本發明提供了一種雞蛋重量檢測設備，該雞蛋重量檢測設備基于機器視覺及上述的基于深度學習的雞蛋重量檢測方法進行雞蛋重量檢測，所述雞蛋重量檢測設備包括有機架及安裝在機架上的送料運輸帶機構、視覺檢測機構、分料運輸機構；分料運輸機構銜接送料運輸帶機構，且分料運輸機構設有多條雞蛋運輸通道，每條雞蛋運輸通道實現雞蛋逐個水平運送；視覺檢測機構設置于分料運輸機構的上方，視覺檢測機構通過拍攝獲得雞蛋運輸通道中的雞蛋的圖片，獲取待識別雞蛋的圖片并輸送給電腦，該電腦中包括有運行上述的基于深度學習的雞蛋重量檢測方法的模塊。

上述方案進一步是，所述送料運輸帶機構包括有控制電機、運輸帶及至少兩根運輸輪軸，運輸輪軸定位在機架上并在運輸方向前后間隔，運輸帶安裝在運輸輪軸上并跟隨運輸輪軸轉動，控制電機至少驅動其中之一的運輸輪軸，使運輸帶循環運動并提供水平的輸送平面；分料運輸機構搭接在該輸送平面上，分料運輸機構的雞蛋入料口可容納整個運輸帶范圍的雞蛋數量，雞蛋運輸通道通過鈑金片材分隔構造，雞蛋運輸通道的內下底為運輸帶。