家禽胴體影像分選技術研究新進展

郭 峰 劉立峰2 張奎彪 劉 輝 鐘少輝

1.吉林省艾斯克機電股份有限公司智能化家禽加工 技術科技創新中心 吉林四平 136000 2.中科院長春光學精密機械與物理研究所 吉林長春 130033

市場上銷售的禽肉分割品絕大多數是以重量規格區分的，適宜重量的加工品能夠得到理想的售價。因此，家禽胴體的分割加工也是以重量為中心進行，每一種產品都要經過重量分級[1，2]。由于家禽品種的不同，養殖條件的不一致，飼料配方的差異化等原因，使得每一批次的家禽胴體外形，各部位重量不一致。為了得到最大的經濟效益，加工企業在分割加工前通常對禽胴體進行重量分級，以得到符合規定要求的分割產品。歐美發達國家很早就有人對禽胴體進行分級研究。比如，STOUFFER JAMES用超聲波檢測家禽胸肌尺寸與屠體重量的比率進行分級，由于超聲波技術檢測速度慢，15s才能獲得家禽胸肌尺寸的準確信息，處理能力為240只/h，該技術不適宜用在15 000只/h加工能力的生產線[3]。一些歐美國家采用機器視覺技術對胴體及胴體切片進行分級取得了實用成果[4～8]。口田、圭吾等用不同亮度值或灰度級閾值判讀脂肪花紋區、肌肉脂肪面積比進行分級[9]，對現代的禽胴體分割質量判定很有借鑒意義。國內近幾年也開始運用機器視覺技術對禽胴體進行分級研究。如南京農業大學用雞胴體投影面積、雞胴體投影輪廓的長度、雞胸部分高度和雞胸部分面積，這4個特征量預測雞胴體重量[10～12]。陳坤杰，楊凱[13](2015)等對雞胴體表面污染物在線檢測技術，為自動分割加工禽胴體表面破損檢測提供了參考。

在實際自動分割加工時，用禽胴體總體重量進行分級往往判讀的禽胴體重量要比預設值小很多，可能被劃分為等外品；雞翅或雞腿有損壞，或者掛單腿，都會導致自動分割設備定位不準確，造成嚴重的切割廢品，降低了分割品的出成率，直接影響加工企業的效益[14]。因此，還需要對禽胴體翅折損或者缺失進行區分。本文介紹一種胴體影像分選技術，用高速視覺傳感器對高架輸送線上移動的家禽胴體進行快速掃描，掃描結果經過影像分析系統的快速計算分析，對禽胴體大小、殘次品分成不同級別范圍，級別范圍數據轉換成信號由分選系統接收后，分別傳送到指定的加工位置，根據實際要求實施不同部位的分割加工。

1 系統組成及工作原理

1.1 系統組成

家禽胴體自動化分割設備是一條生產線，是由機械設備、電、氣、自動控制系統組成的綜合載體[15]。在家禽胴體自動化分割工序進行之前，在懸掛輸送線上設置光影像掃描站和轉載或轉掛站，及輔助設施，對家禽胴體進行分選。

家禽胴體影像分選系統見圖1。

1.1.1 展翅機

在禽胴體進入影像采集站之前設置一臺禽胴體展翅機，其作用是能夠將禽胴體翅膀關節舒展開，有利于影像采集站采集到禽胴體效果圖形。

1.1.2 影像采集站

影像采集站由面陣圖像采集器和背光板組成(見圖2、3)。面陣圖像采集器和背光板分別設置在禽胴體懸掛輸送線的兩側。用來采集禽胴體的胸側影像或背側影像。面陣圖像采集器設置在禽胴體的胸側(胸部一側)，背光板設置在背側(背部一側)。面陣圖像采集器設置在禽胴體的背側(背部一側)，背光板設置在胸側(胸部一側)。

1.1.3 轉載站和卸載站

轉載站安裝在禽胴體懸掛輸送線上，設置多個轉載站，控制系統接收到禽胴體不同級別的信號后轉載到指定的分割懸掛輸送線上，并可以根據需要設定參數。不符合分割條件的禽胴體由卸載站卸下進行特殊處理。

1.1.4 數據分析和信號控制系統

圖像處理系統用于處理影像采集站的光信息，將圖像處理系統形成的數據經過處理計算得出的禽胴體輪廓或重量值，并轉換成信號傳輸給PLC控制系統，根據設定好的形態或重量區間確定由轉載站中的一個或幾個轉載。

通過影像分析系統傳來的信號，控制對應的轉載站或轉掛站，將對應的禽胴體自動轉載或同步、選擇轉掛到對應的掏膛或分割生產線上，保證了體影像分選系統與現有生產線的無縫融合，提高了工作效率。

1.2 工作原理

家禽胴體影像分選系統，是以懸掛輸送線為輸送載體，家禽胴體懸掛在家禽輸送懸掛輸送線的等間距掛鉤上連續運動，最大運行速度可達15 000只/h。在到達影像采集站之前，先用展翅機對禽胴體進行梳理，讓禽胴體的體位展開，有利于影像采集站的有效工作。當禽胴體通過影像采集站時，影像采集站采集禽胴體各部位影像數據，提取禽胴體的輪廓，形態等體征，并形成影像數據。圖像處理系統與影像采集站通過高速千兆網連接，圖像處理系統將影像按照分割品14個部位分解(見圖4)，依照建立的模型和圖像處理算法，分別計算面積與形態。再通過對比、整合各部位胸部和背部兩側的影像，分析各部位的厚度、密度等參數，建立各分割部位形態、重量的數學模型。根據各分割部位的數學模型與數據庫儲存的對應家禽信息進行對比計算，得到各分割部位的計算重量，最后將各分割部位重量累加計算出禽胴體的整體重量。

對禽胴體分割品部位與數據庫信息進行對比分析，數據庫儲存的對應家禽信息包括：家禽品種信息、養殖期信息、飼料信息、密度信息等，并通過一定分割品數量的錄入重量修正平均值作為原始數據值，按照工藝要求進行分級。懸掛輸送線運送禽胴體到指定轉載站位置時，由控制系統發出指令給轉載站，該級別的禽胴體被轉載到對應的分割懸掛輸送線上，完成對家禽胴體重量的分選過程。

當禽胴體有殘損時(見圖5)和掛單腿時(見圖6)，圖像處理系統會自動識別并計算，按缺失部位預設程序執行。當完好部分用于分割時，禽胴體按整體重量計算，并執行上述過程。當有缺失部位的禽胴體用于手工分割時，在指定卸載站剔除。

在禽胴體分割加工過程中，采用了對禽類胴體各分割部位按形狀或轉換重量進行分級的方法，得到最優化的分割品，顯著提高家禽加工企業產品的附加值，提高家禽加工企業管理水平，節約了投資和維護費用。解決了傳統機械稱重方法無法精確判明分割部位級別和禽胴體有殘損問題。

面陣圖像采集器采用高分辨率CCD數字相機，其采集時間最高可達0.1ms，其光譜響應范圍滿450nm范圍的應用，并具有千兆網高速圖像數字信號傳輸的無縫鏈接技術，能夠在禽胴體通過時快速檢測并提取出通過禽胴體的影像并傳輸給圖像處理系統。在面陣圖像采集器的前端設有濾光片，主要通過波長短于450nm的短波長光線，而對于波長大于450nm的光線幾乎無法通過[16]。具有短波長峰值功能的背光板的尺寸幅面大于禽類的外形尺寸，并實現均勻的面光源照明，既提供背光照明又充當了影像背景作用，進一步降低了對環境光線的影響。背光板的主波長是430nm，與通過波長短于450nm的短波長光線的濾光片配合使用，只有背光板的光可以通過濾光片被面陣圖像采集器接受，而環境光卻被濾光片阻擋，消除了絕大部分的環光，對環境光線不敏感，具有抵抗環境光能力。影像采集站能夠在禽胴體高速運動的狀態下提取禽胴體影像，當懸掛輸送線運行速度達到15 000只/h時，影像采集站每秒鐘將采集超過4個產品影像的速度。

本項技術方案沒有采用光學的暗箱。(1)禽類滴水滴血嚴重，很快會污染暗箱，而暗箱內部難以清理，無法達到衛生標準；(2)水霧、滴血對暗箱的腐蝕性強，暗箱的腐蝕物質會污染禽類，造成食品安全問題；(3)當懸掛輸送線發生故障或需要調節時，由于一部分懸掛輸送線位于暗箱內部，阻擋了維護工作；(4)禽類容易卡在暗箱內部，發生事故；(5)暗箱在高潮濕環境下壽命受到影響[14]。

采集與分割品相對應的多個分割部位特征量的方式，分別建立模型確定圖像處理算法，根據圖像處理算法，計算出產品的重量，然后根據重量進行分級。當雞胴體有一只雞翅缺失(見圖5陰影部分)，而另一只完好時，可以依據工藝要求將該雞胴體轉載到對應的位置。影像采集站采用開放式，無暗箱構件，適于實際生產應用。

光影掃描器，采用寬光譜大面積照明系統設計，圖像采集與照明同步觸發模型，通過投影及衍射關系建立成像模型，適于不同季節、不同時間段的霧氣高濕度環境。

采用高速視覺傳感器，光機電與高速圖像數字信號傳輸的無縫鏈接技術。

根據不同要求，設置對禽胴體胸、背部進行光掃描，除體態判別，還可以進行質量判別。

2 圖像處理

2.1 圖像處理設計

采用自適應禽胴體特征提取方法，確定高效率的圖像處理加速算法。根據檢測各部位面積、重量、密度、殘次品等數值，建立禽胴體級別范圍模型。其“級別值”的設置通過換算要與實際禽體重量、密度等數值對應。利用儲存數據，建立神經網絡模型，可并行分布處理、高度魯棒性和容錯能力、分布存儲及學習能力，提高了識別與分類的準確性和效率。

圖像處理系統與影像采集站通過高速千兆網連接[17]，能夠將影像采集站采集禽胴體各部位影像數據，包括提取禽胴體的輪廓，形態等體征，通過禽胴體各部位的面積、形態分別建立模型確定圖像處理算法。根據圖像處理算法，計算出各部位重量及禽胴體的重量，然后根據重量進行分級。具體方法是先將禽胴體的胸部一側影像拆分為14個分割部位，分別計算面積與形態。再將禽胴體的背部一側影像拆分為14個分割部位，分別計算面積與形態。再通過對比、綜合各部位兩側影像并分析各部位的厚度、密度等參數，建立各部位重量的數學模型，根據各部位的數學模型與數據庫儲存的對應家禽信息進行對比計算，得出各部位的計算重量，最后將各部位重量累加計算，得出禽胴體的整體重量，然后按照禽胴體的重量級別設定進行分級。

由于OpenCV提供了豐富的視覺處理算法，并且它由一系列C函數及C++類構成[18]，便于圖像處理程序的編寫，所以圖像處理系統采用OpenCV2.4的VS2012方法。

2.2 圖像處理方法

(1)畸變校正，矯正鏡頭造成的圖像畸變，提高識別精度。方法是采用OpenCV中函數calibrateCamera，進行標定相機內參和外參系數，從而消除畸變。

(2)直方圖均衡，可以使輸入圖像轉換為在灰度級分布上更加均衡的輸出圖像。

(3)中值濾波，去除孤點噪聲。方法是采用函數MedianBlur實現。

(4)歸一化，使不同光照強度下拍攝的物體具有一致性。尤其在陰影區和高亮區域，會消除后續識別的影響。方法是采用函數Normalize實現。

(5)邊緣提取，使用兩種不同的閾值分別檢測強邊緣和弱邊緣，得到清晰的禽胴體邊緣輪廓。經過對比，采用Canny函數可以快速實現。

(6)圖像分割，將禽胴體與背景完全分離，只留下禽胴體的圖像信息，通過二值化處理實現。

(7)禽胴體特征提取，根據各分割部位分布特點和形態特征，將禽體的胸、腿、翅、脖等多個部位進行圖像分割并分別標記，同時計算每個部位面積，具體處理方法見2.3部分。

(8)通過分析各部位的厚度、密度等參數，建立各分割部位重量的數學模型，得到每個部位的計算權重值。

(9)根據各部位的數學模型，輸入各分割部位面積和權重值，計算出各部位的理論重量。

(10)將各部位重量累加計算出禽胴體的整體重量。

(11)按照禽體的重量級別設定，進行分級。

應用此方法，可以獲得精度較高的禽胴體重量預測值。其中，數據庫儲存的對應家禽信息包括：家禽品種信息、養殖期信息、飼料信息、密度信息等，并通過一定分割品數量的錄入重量修正平均值作為原始數據值。

當禽胴體有缺失部位時，圖像處理系統會自動識別并計算，按預設程序執行；當完好部分用于分割時，圖像處理系統會依照完好部分，計算出禽胴體整體重量，并執行上述過程。當有缺失部位的禽胴體不用于分割時，在指定轉載站位置轉載剔除(見圖5、圖6)。

2.3 分割圖像處理及算法

2.3.1 成像分析

由于相機鏡頭成像是有視角的，因此相同物體與鏡頭距離不同，在相機中成像的尺寸不同。同時，針對不同物體表面輪廓的成像，輪廓的差異通過光線的反射也能有所體現。根據這個特點，對胴體的胸側和背側分別進行兩次拍照，不同部位到鏡頭的距離不同，得到了需要的信息。例如胴體的尾部，在背側成像中距離相機更近，因此，形態更加明顯。同時，在背側成像中胴體腿部的輪廓線表現明顯，而胸側成像的胴體胸部輪廓曲線表現明顯，這些信息為分割模型提供了依據。

2.3.2 胸背二值化圖像

圖7是分別對禽胴體的胸側和背側成像，經過預處理得到兩幅二值化圖像。可以看出，由于鏡頭視場角和表面輪廓不同，兩幅圖片的細節特征也不同。根據圖7二值化圖像分別提取圖4中14個部位圖形，胸背的提取方法略有不同。

2.3.3 減除軀干圖像

首先根據胸側二值化圖像，提取胴體軀干部分。設置胴體軀干區域圖8(1)，采用邊緣輪廓的橢圓擬合算法[18]，得到軀干的近似輪廓圖8(2)。方法是先提取區域FindContours(edges,contours,hierarchy,CV-RETR-EXTERNAL,CV-CHAIN-APPROX-NONE)，然后通過橢圓輪廓擬合FitEllipse函數，得到結果。得到軀干的近似橢圓后，從整體區域減除此區域，分離了兩個翅膀和頭部區域，見圖8(3)。

2.3.4 提取圖4中101、103、104部位

見圖9，分別求取軀干區域與左側和右側翅膀部位的連接分割線。分別連接兩個分割線的上端和下端，閉合得到區域103。根據算法第3步，103區域下邊界之下的區域，即為部位104。將軀干區域面積減去部位103，即可得到部位101。

2.3.5 提取圖4中105、106、107、112部位

根據相同算法，103區域的右側邊界，為軀干與右側翅膀的分界線，可得到右側翅膀區域，見圖10中(1)。將此區域平均分為上下兩個區域，見圖8中(2)。并在兩個區域分別求取最大凹拐點，將此兩點連接，將翅膀分為abcd四個區域，見圖10中(3)。在a區域上邊界，求取中心點；在d區域下邊界，求取最大凹拐點。將此連點連接，得到部位105。在b區域上邊界，求取中心點；在c區域下邊界，求取最大凹拐點。將此連點連接，得到部位107，見圖10中(4)。部位112與部位107算法相同，見圖10。

2.3.6 提取圖4中108、109部位

根據圖7(2)背側圖片，設置胴體的臀部區域，見圖11(1)。采用邊緣輪廓的橢圓擬合算法[19]，得到臀部的近似輪廓，圖11(2)。按照上述方法減除橢圓輪廓，見圖11(3)。在臀部輪廓上側，利用閾值分割法[20，21]，求出兩只雞腿的中間空白區域，見圖10(4)。在此區域，分別求出下端的兩個最大凹拐點。由于每只禽類都是通過雞腳掛在懸掛鉤上，而其小腿的長度差別不大，因此可以認為雞腿在矩形框選擇區域之上為小腿部位，在矩形選擇框之內為大腿部位。這樣，在右側凹拐點的右側區域，在橢圓形臀部區域與矩形選擇框之間的區域，即為部位108圖形，圖11(5)。在區域108以上、掛鉤以下的部位，即為部位109圖形，見圖11(6)。

2.3.7 提取圖4中其余部位

見圖12，按照胸側提取相同的算法，可以得到部位110、111、112、113、114圖形。已經得到禽胴體臀部102的兩個分割點，通過灰度值選取，可以得到部位102圖形。這樣，就得到了所有部位的分割區域。

2.3.8計算每個部位的計算權值系數

(1)通過分割算法，計算得到一只禽類胴體的14個部位的面積數據Sn。

(2)將此胴體稱重，得到總質量。

(3)將此胴體按照分割進行剖解，得到14塊部位。

(4)分別稱量14個部位的質量Wn。

(5)選取任一部位的面積數據和質量數據，通過公式。

Pn=Wn/Sn

得到每個部位的面積到質量的權值系數Pn。

2.3.9 根據各部位面積計算胴體總質量

通過以下公式，就可以根據14個部位的面積得到禽類總質量。

TS=B×(P101×S101+P102b×S102+…+P114×S114)

其中，TS是胴體總質量，B是總質量調節系數，一般設置為1.0，Pn是每個部位的權值系數。

2.3.10 胴體缺失判別

當雞翅殘缺情況，如圖5所示，左右翅膀的面積差異DFW達到30%以上，判斷為雞翅殘缺。

當掛單腿情況，如圖6所示，軀干近似輪廓的長軸方向傾斜，當傾斜角度大于10°，判斷為掛單腿情況。

3 試驗

3.1 試驗材料與設備

愛博益佳、羅斯M370，養殖期42d。

樣機試驗見圖13。通過操作屏讀取數據見圖14。

3.2 胴體影像分選系統技術條件

(1)懸掛輸送線禽胴體間距10ich。

(2)懸掛輸送線速度運行范圍10 000～15 000只/h。

(3)預冷時間90min，禽胴體吸水率8%左右。

(4)雞胴體分級：最多可設定20級，級差最小50g。

級別設定。

第一組：2 000g以下，2 000～2 500g，2 500～3 000g，3 000g以上。

第二組：1 750g以下，1 750～2 000g，2 000～2 250g，2 250～2 500g，2 500～2 750g，2 750g以上。

第三組： 2 000g以下，2 000～2 050g，2 050～2 100g，2 100～2 150g，2 150～2 200g，2 200～2 250g，2 250～2 300g，2 300～2 350g，2 350～2 400g，2 400～2 450g，2 450～2 500g，2 500～2 550g，2 550～2 600g，2 600～2 650g，2 650～2 700g，2 700～2 750g，2 750～2 800g，2 800～2 850g，2 850～2 900g，2 900g以上。

3.3 數據重復性試驗

3.3.1 面積模式

見表1，在懸掛輸送線10 000只/h運行速度的情況下，以胴體的投影面積作為特征值的試驗統計數據。

試驗表明，重復性試驗時，展翅機只能在第一次使用，避免過度舒展使禽胴體各部位改變形態，影響影像采集重復性數據。懸掛輸送線各種運行速度的試驗方法基本相同。

從數據可以看出，懸掛輸送線的運行方向對影像面積有一定影響，懸掛輸送線從左至右高速運行情況下，前方的翅尖和翅中有并攏的傾向，胸背合成計算后翅尖、翅中誤差比軀干部位大。

隨著懸掛輸送線運行速度的加快，胸干、腿的部分差別不大，翅尖和翅中數據誤差逐步增大，見圖15。翅缺失、全翅折損、掛單腿準確率100%。

面積模式的平均準確率：10 000只/h，93%；12 000只/h，88%；15 000只/h，84%。

表1 面積模式重復性試驗數據

3.3.2 重量模式

通過面積數據得出結論，以101、102、103、108、109、113、114部位為基本組合體，與重量參數對應計算，建立數據庫，測量的數據與數據庫對比，可以得到較為適宜的重量計算數值，重量模式的平均準確率82%。誤差不超過±30g。禽胴體的翅膀部分僅作為殘次品檢測用，以避免自動化設備定位失準，分割刀具使禽胴體切割成廢品或二級品。

從試驗情況看，分4個級差比較適宜，每一個級差250g。

第三組級別太多，級差太小僅僅50g。當翅尖、翅中的圖形參與計算時，出現嚴重的混級現象。

值得注意的是，實際應用時應考慮預冷工序吸水率工藝指標。

4 結論

在家禽自動分割前對家禽胴體規格、質量進行分選。在家禽自動分割懸掛輸送線上設置展翅機、光影像掃描站、轉載或卸載站及輔助設施，使用光視覺識別技術，提取禽胴體14個分割部位的特征量，通過投影及衍射關系建立成像模型，確定高效率的圖像處理加速算法，識別出不同級別范圍和局部損壞的禽胴體，級別范圍數據轉換成信號由分選系統接收后將禽胴體分別傳送到指定的加工位，保證自動化分割系統正常有效運行，提高分割品質量。最大達到15 000只/h的能力，平均準確率82%，誤差不超過±30g。實際應用時應充分考慮分割前預冷工序禽胴體吸水率工藝指標[22]。