吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (增刊1): 348-352.

• 论文 • 上一篇    

基于分形纹理分析的蛋壳裂纹识别

杨冬风, 马秀莲   

  1. 黑龙江八一农垦大学信息技术学院, 黑龙江 大庆 163319
  • 收稿日期:2010-11-05 出版日期:2011-09-01 发布日期:2011-09-01
  • 作者简介:杨冬风(1977 ),女,讲师.研究方向:数字图像处理,模式识别.E-mail:yangsansun@sina.com.
  • 基金资助:

    黑龙江省教育厅项目(11551317)

Identification of egg shell crack based on fractal texture analysis

YANG Dong-feng, MA Xiu-lian   

  1. Department of Information Technology, Heilongjiang Bayi Agriculture University, Daqing 163319, China
  • Received:2010-11-05 Online:2011-09-01 Published:2011-09-01

PDF (PC)

625

摘要：

为了实现蛋壳裂纹的精确识别,设计了蛋壳裂纹识别装置。针对微小裂纹识别难的问题,使用空气压力调节来适度增大微小裂纹。根据完好蛋图像具有均匀光滑表面和裂纹蛋图像具有不规则纹理的特点,使用分形维数对图像进行分析。用4个方向的剖面分割灰度图像曲面,得到具有分形规律的曲线,计算曲线的维数与图像整体盒维数,作为神经网络的特征向量。对284个样本进行训练之后,用240个样本进行验证,正确识别率为98.36%。

关键词: 蛋壳裂纹, 分形维数, BP神经网络, 模式识别

Abstract:

In order to identify the crack of eggshell precisely,a recognition device was designed.For solving the problem of the indiscernible small crack,an air pressure adjuster is designed to enlarge the crack.According to the feature that well eggs have smooth surface and crackle eggs have irregular texture,use fractal dimension to analyze egg images.Use four sections to divide the surface of egg image and get 4 curves which have fractal discipline.Compute the fractal dimensions and the box-counting dimension of the whole image,all the 5 values are inputted as the eigenvector of BP neural network.After training of 284 samples,use 240 other samples to test the network,the identification result is 98.36%.

Key words: egg shell crack, fractal dimension, BP neural network, pattern recognition

中图分类号: 

  • TP391.4


[1] 潘磊庆,屠康,苏子鹏,等。基于计算机视觉和神经网络检测鸡蛋裂纹的研究
[J].农业工程学报,2007,23 (5):154-157. Pan Lei-qing,Tu Kang,Su Zi-peng,et al.Crack de-tection in eggs using computer vision and BP neuraln etwork
[J].Transactions of the Chinese Society ofA gricultural Engineering,2007,23(5):154-157.

[2] 彭辉,文友先,王巧华,等。基于小波变换和BP神经网络的蛋壳破损检测
[J].农业机械学报,2009,40 (2):170-174. Peng Hui,Wen You-xian,Wang Qiao-hua,et al.C rack detection in eggs with multi-level wavelett ransform and BP neural network
[J].Transactionso f the Chinese Society for Agricultural Machinery, 2009,40(2):170-174.

[3] Jenshin L,Lin Y,Hsieh M.An automatic system fore ggshell quality monitoring
[J].Transactions of theA SAE,2001,44(3):1323-1328.

[4] Cho H K,Choi W-K,Pack J H.Detection of surfacei n shell eggs by acoustic impulse method
[J].Transactions of the ASAE,2000,43(6):1921-1926.

[5] 陆秋君,王俊,张红梅。鸡蛋蛋壳裂纹的模式识别
[J].吉林大学学报:工学版,2010,40(3):873-878.L u Qiu-jun,Wang Jun,Zhang Hong-mei.Identification of eggshell crack by pattern recognition
[J].J ournal of Jilin University(Engineering and Technology Edition),2010,40(3):873-878.

[6] De Ketelaere B,Coucke P,De Baerdemaeker J.Eggshell crack detection based on acoustic resonance frequency analysis
[J].Journal of Agricultural Engineering Research,2000,76(1):157-163.

[7] 王巧华,邓小炎,文友先。鸡蛋敲击响应的奇异性特征与蛋壳裂纹多层检测
[J].农业机械学报,2008,39 (12):127-130. Wang Qiao-hua,Deng Xiao-yan,Wen You-xian.Eggshell crack multi-level detection based on the singularity feature of dynamic resonance
[J].Transactionso f the Chinese Society for Agricultural Machinery, 2008,39(12):127-130.

[8] Sarkar N,Chaudhur IB B.An efficient app roach toe stimate fractal dimension of textural images
[J].P attern Recognition,1992,25(9):1035-1041.

[9] 许东,吴铮。基于MATLA6.x的系统分析与设计:神经网络
[M].西安:西安电子科技大学出版社, 2002.
[1] 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[2] 刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[3] 王德军, 吕志超, 王启明, 张贤达, 王子健. 基于汽缸压力辨识的发动机失火故障诊断[J]. 吉林大学学报(工学版), 2017, 47(3): 917-923.
[4] 黄璇, 郭立红, 李姜, 于洋. 改进粒子群优化BP神经网络的目标威胁估计[J]. 吉林大学学报(工学版), 2017, 47(3): 996-1002.
[5] 郭应时, 付锐, 赵凯, 马勇, 袁伟. 驾驶人换道意图实时识别模型评价及测试[J]. 吉林大学学报(工学版), 2016, 46(6): 1836-1844.
[6] 祝宏, 张海, 唐高弟, 李中云, 刘以农. 基于信息维数的欺骗干扰存在性检测[J]. 吉林大学学报(工学版), 2016, 46(2): 616-620.
[7] 李寿涛， 田微， 郭鹏程， 马用学， 张浩， 王楠. 基于模糊自适应的BP神经网络动态行驶车辆车长测算[J]. 吉林大学学报(工学版), 2015, 45(6): 1881-1886.
[8] 高明亮， 于生宝， 郑建波， 徐畅， 张堃， 栾卉. PSBP在高密度电阻率法二维反演中的应用[J]. 吉林大学学报(工学版), 2015, 45(6): 2026-2033.
[9] 闫楚良, 郝云霄, 刘克格. 基于遗传算法优化的BP神经网络的材料疲劳寿命预测[J]. 吉林大学学报(工学版), 2014, 44(6): 1710-1715.
[10] 顾播宇,孙俊喜,李洪祚,刘红喜,刘广文. 基于特征加权模块双方向二维主成分分析的人脸识别[J]. 吉林大学学报(工学版), 2014, 44(3): 828-833.
[11] 富爽,李一兵,叶方,高振国. 利用频域Sevcik分形维数进行快速盲频谱感知[J]. 吉林大学学报(工学版), 2014, 44(3): 854-860.
[12] 陈莉, 孙永海, 付天宇, 丁健峰. 羊肚菌胞外多糖快速估测方法[J]. 吉林大学学报(工学版), 2014, 44(2): 567-572.
[13] 侯阿临, 廖庆, 靳志娟, 陈娟, 耿莹. 计算全息图的人工神经网络压缩算法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 21-24.
[14] 陈万忠, 孙保峰, 高韧杰, 雷俊. 基于NNE技术的手臂运动模式识别算法研究[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 69-73.
[15] 司建波, 杨芳, 郭蔚莹, 姚燕. 基于BP神经网络的两阶段疾病预测模型[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 481-484.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发