(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210848846.5 (22)申请日 2022.07.19 (71)申请人 滁州学院 地址 239000 安徽省滁州市南谯区会峰西 路1号 (72)发明人 孙啸　柏钰　周梦月　张续博　 邓涛　张永捷　 (74)专利代理 机构 芜湖思诚知识产权代理有限 公司 34138 专利代理师 宦晓军 (51)Int.Cl. G01N 21/95(2006.01) G01N 21/88(2006.01) G01B 11/02(2006.01) G01B 11/24(2006.01)G01B 11/28(2006.01) G06V 10/26(2022.01) G06V 10/30(2022.01) G06V 10/36(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 20/68(2022.01) (54)发明名称 一种鸡胸肉白色条纹等级判定的方法及装 置 (57)摘要 本发明公开了一种鸡胸肉白色条纹等级判 定的方法及装置， 由硬件模块、 图像特征信息提 取模块及鸡胸肉品质分级模块组成； 硬件模块包 括检测模块、 输送带、 电动机和输送带挡板， 所述 检测模块包括传感器、 LED灯和CCD工业相机； 图 像特征信息提取模块由采集图像的CCD工业相机 和图像处理的工控机终端组成， CCD工业相机采 集俯视鸡胸肉图像并将其传输至工控机终端， 由 工控机终端对原始鸡胸肉图像进行处理及特征 信息提取； 鸡胸肉品质分级模块主要由工控机控 制的分类模 型进行输出鸡胸肉等级。 本发明实现 了肉鸡鸡胸肉白色条纹等级检测和判定， 为禽肉 屠宰企业减少产品损失并开发了一种新型禽肉 检测技术方法， 实现了鸡胸肉品质等级的在线无 损检测。 权利要求书2页 说明书6页 附图4页 CN 115266752 A 2022.11.01 CN 115266752 A 1.一种鸡胸肉白色条纹等级判定系统， 其特征在于： 由硬件模块、 图像特征信 息提取模 块及鸡胸肉品质分级模块组成， 所述硬件模块、 图像特征信息提取模块及鸡胸肉品质分级 模块均由工控机控制； 所述硬件模块包括检测模块、 输送带、 电动机和输送带挡板； 所述检 测模块由传感器、 LED灯和 CCD工业相机组成； 所述传感器安装在输送带挡板上距输送带高 度50mm处， 所述CCD工业相机安装在输送带的固定支架顶部中间处， 由工控机控制； 所述检 测模块、 图像特 征信息提取模块和鸡胸肉品质分级模块依次电性连接； 图像特征信息提取模块由处理图像的工控机终端组成； CCD工业相机采集俯视鸡胸肉 图像并将其传输至工控机终端， 由工控机终端对原始鸡胸肉图像进行处理及特征信息提 取； 所述鸡胸肉品质分级模块用于接收图像特征信 息提取模块提取的特征信 息， 处理后输 出鸡胸肉等级。 2.根据权利要求1所述的一种鸡胸肉白色条纹等级判定系统， 其特征在于： 所述输送带 挡板选用304食品级不锈钢材 料， 传感器采用低频电信号传输 。 3.根据权利要求1所述的一种鸡胸肉白色条纹等级判定系统， 其特征在于： 所述鸡胸肉 品质分级模块由XG ‑Boost分类模型构成， 具体为： 最开始建立第一棵树， 然后逐渐迭代， 每 次迭代过程中都会增加一棵树， 且每次迭代 过程都会对前一棵树中预测错误的数据赋予更 高的权重送至当前树种进行训练， 从而逐渐形成由众多 决策树模型集成而来的强评估器， 最后对模型进行测试验证其拟合效果。 4.根据权利要求1所述的一种鸡胸肉白色条纹等级判定系统， 其特征在于： 所述鸡胸肉 品质分级模块通过图像特征信息提取模块得到鸡胸肉俯视图像进行灰度处理并利用中值 滤波进行平滑降噪， 其次利用自适应阈值分割 算法(Otsu)进行二值化处理， 并将处理后的 图像进行掩膜处理得到掩膜图像， 然后对掩膜图像进 行直方图均衡化图像增强算法增加白 条条纹与肌肉部分的灰度对比度， 最后对图像增强后的图像进行二值化处理， 并提取其白 色条纹封闭轮廓个数、 计算白色条纹面积占比、 计算横向白色条纹面积最大值、 计算最大白 色条纹轮廓宽度等四个参数作为特 征参数， 将得到特 征参数进行 预测分级。 5.一种鸡胸肉白色条纹等级判定的方法， 其特 征在于， 其具体步骤如下： 步骤1、 传感器检测到鸡胸肉后将信息传递至工控机， 由工控机控制输送带停止， 并控 制CCD工业相机进 行俯视拍照， 然后 将所拍图像传递至工控机， 采集到的鸡胸肉俯视图像传 递至工控机终端； 步骤2、 图像预处理： 首先将采集到的图像进行灰度图像处理， 为了减少图像噪声污染， 利用中值滤波去除了图像背景 的噪声， 得到最终灰度图； 然后根据背景与目前区域灰度差 距较大的特征， 利用自适应阈值分割算法(Otsu)提取出目标区域， 得到二值图像， 其次逐点 扫描二值图像像素， 当像素为255时， 将此点像素的灰度值设为与 原灰度图点位置相同的灰 度值； 当像素为0时， 将此点像素的灰度值设为0， 且位置与原灰度图相同， 此时输出掩膜图 像； 步骤3、 图像特征信息提取： 针对图像预处理后的图像， 首先提取其目标区域面积S， 然 后利用其白色条纹与肌肉部分灰度对比度明显的特征， 使用Otsu算法进行图像分割， 得到 鸡胸肉白色条纹图像， 并计算此时 白色条纹面积S1， 最后将S1与S的比值作为第 一个特征参 数即白色条纹面积占比； 建立5像素 ×5像素的正方形模板， 从左到右逐行扫描封闭的白色权　利　要　求　书 1/2 页 2 CN 115266752 A 2条纹轮廓， 计算每个轮廓内白色像素面积并放入建立的列表当中， 提取列表中的最大值作 为第二个特征参数即横向白色条纹面积最大值； 提取鸡胸肉图像中白色条纹封闭轮廓个 数， 将所得轮廓绘制 于原图当中并将其作为第三个特征参数； 绘制鸡胸肉白色条纹图像的 每个封闭轮廓的外接矩形框， 并计算其矩形宽度， 存入列 表中， 提取列 表的最大值作为第四 个特征参数即最大白色条纹轮廓宽度； 所述目标区域面积S为非黑色背 景区域面积， 所述白 色条纹面积S1为白色像素点总数， 所述每个轮廓内白色像素面积为每个轮廓内白色像素点 总数； 步骤4、 建立鸡胸肉白色条纹等级分类数据库： 重复上述步骤， 不断采集不同鸡胸肉品 质下的特征参数， 以此建立鸡胸肉白色条纹等级分类数据库， 所建立的数据库， 将为后续多 特征集成学习模型的建立做准备； 步骤5、 建立XG ‑Boost多特征集成学习分类模型： 将所建立的鸡胸肉白色条纹等级分类 数据库中的80％的数据作为训练集， 建立鸡胸肉白色条纹等级分类模型， 将20％的数据作 为测试集， 用于测试模型的准确性； 步骤6、 为验证模型在生产线上的实用性， 将未进行人工评级的鸡胸肉放置于输送带中 心， 由输送带运送至CCD工业相机下时， 发出相应传感器信号， 由工控机终端接受后控制输 送带停止， 同时CCD 工业相机对鸡胸肉进 行图像采集， 并将图像传输至工控机终端进 行图像 预处理及特征信息采集， 最终利用所建立的模型进行鸡胸肉等级评 定。 6.根据权利要求5所述的一种鸡胸肉白色条纹等级判定的方法， 其特征在于： 步骤6中 所述的鸡胸肉等级判定规则为： XG‑Boost分类模型输出 数值为0， 则为 正常鸡胸肉； XG‑Boost分类模型输出 数值为1， 则为中度 鸡胸肉； XG‑Boost分类模型输出 数值为2， 则为重度 鸡胸肉。权　利　要　求　书 2/2 页 3 CN 115266752 A 3