家禽胴体影像分选技术研究新进展

郭 峰 刘立峰2 张奎彪 刘 辉 钟少辉

1.吉林省艾斯克机电股份有限公司智能化家禽加工 技术科技创新中心 吉林四平 136000 2.中科院长春光学精密机械与物理研究所 吉林长春 130033

市场上销售的禽肉分割品绝大多数是以重量规格区分的，适宜重量的加工品能够得到理想的售价。因此，家禽胴体的分割加工也是以重量为中心进行，每一种产品都要经过重量分级[1，2]。由于家禽品种的不同，养殖条件的不一致，饲料配方的差异化等原因，使得每一批次的家禽胴体外形，各部位重量不一致。为了得到最大的经济效益，加工企业在分割加工前通常对禽胴体进行重量分级，以得到符合规定要求的分割产品。欧美发达国家很早就有人对禽胴体进行分级研究。比如，STOUFFER JAMES用超声波检测家禽胸肌尺寸与屠体重量的比率进行分级，由于超声波技术检测速度慢，15s才能获得家禽胸肌尺寸的准确信息，处理能力为240只/h，该技术不适宜用在15 000只/h加工能力的生产线[3]。一些欧美国家采用机器视觉技术对胴体及胴体切片进行分级取得了实用成果[4～8]。口田、圭吾等用不同亮度值或灰度级阈值判读脂肪花纹区、肌肉脂肪面积比进行分级[9]，对现代的禽胴体分割质量判定很有借鉴意义。国内近几年也开始运用机器视觉技术对禽胴体进行分级研究。如南京农业大学用鸡胴体投影面积、鸡胴体投影轮廓的长度、鸡胸部分高度和鸡胸部分面积，这4个特征量预测鸡胴体重量[10～12]。陈坤杰，杨凯[13](2015)等对鸡胴体表面污染物在线检测技术，为自动分割加工禽胴体表面破损检测提供了参考。

在实际自动分割加工时，用禽胴体总体重量进行分级往往判读的禽胴体重量要比预设值小很多，可能被划分为等外品；鸡翅或鸡腿有损坏，或者挂单腿，都会导致自动分割设备定位不准确，造成严重的切割废品，降低了分割品的出成率，直接影响加工企业的效益[14]。因此，还需要对禽胴体翅折损或者缺失进行区分。本文介绍一种胴体影像分选技术，用高速视觉传感器对高架输送线上移动的家禽胴体进行快速扫描，扫描结果经过影像分析系统的快速计算分析，对禽胴体大小、残次品分成不同级别范围，级别范围数据转换成信号由分选系统接收后，分别传送到指定的加工位置，根据实际要求实施不同部位的分割加工。

1 系统组成及工作原理

1.1 系统组成

家禽胴体自动化分割设备是一条生产线，是由机械设备、电、气、自动控制系统组成的综合载体[15]。在家禽胴体自动化分割工序进行之前，在悬挂输送线上设置光影像扫描站和转载或转挂站，及辅助设施，对家禽胴体进行分选。

家禽胴体影像分选系统见图1。

1.1.1 展翅机

在禽胴体进入影像采集站之前设置一台禽胴体展翅机，其作用是能够将禽胴体翅膀关节舒展开，有利于影像采集站采集到禽胴体效果图形。

1.1.2 影像采集站

影像采集站由面阵图像采集器和背光板组成(见图2、3)。面阵图像采集器和背光板分别设置在禽胴体悬挂输送线的两侧。用来采集禽胴体的胸侧影像或背侧影像。面阵图像采集器设置在禽胴体的胸侧(胸部一侧)，背光板设置在背侧(背部一侧)。面阵图像采集器设置在禽胴体的背侧(背部一侧)，背光板设置在胸侧(胸部一侧)。

1.1.3 转载站和卸载站

转载站安装在禽胴体悬挂输送线上，设置多个转载站，控制系统接收到禽胴体不同级别的信号后转载到指定的分割悬挂输送线上，并可以根据需要设定参数。不符合分割条件的禽胴体由卸载站卸下进行特殊处理。

1.1.4 数据分析和信号控制系统

图像处理系统用于处理影像采集站的光信息，将图像处理系统形成的数据经过处理计算得出的禽胴体轮廓或重量值，并转换成信号传输给PLC控制系统，根据设定好的形态或重量区间确定由转载站中的一个或几个转载。

通过影像分析系统传来的信号，控制对应的转载站或转挂站，将对应的禽胴体自动转载或同步、选择转挂到对应的掏膛或分割生产线上，保证了体影像分选系统与现有生产线的无缝融合，提高了工作效率。

1.2 工作原理

家禽胴体影像分选系统，是以悬挂输送线为输送载体，家禽胴体悬挂在家禽输送悬挂输送线的等间距挂钩上连续运动，最大运行速度可达15 000只/h。在到达影像采集站之前，先用展翅机对禽胴体进行梳理，让禽胴体的体位展开，有利于影像采集站的有效工作。当禽胴体通过影像采集站时，影像采集站采集禽胴体各部位影像数据，提取禽胴体的轮廓，形态等体征，并形成影像数据。图像处理系统与影像采集站通过高速千兆网连接，图像处理系统将影像按照分割品14个部位分解(见图4)，依照建立的模型和图像处理算法，分别计算面积与形态。再通过对比、整合各部位胸部和背部两侧的影像，分析各部位的厚度、密度等参数，建立各分割部位形态、重量的数学模型。根据各分割部位的数学模型与数据库储存的对应家禽信息进行对比计算，得到各分割部位的计算重量，最后将各分割部位重量累加计算出禽胴体的整体重量。

对禽胴体分割品部位与数据库信息进行对比分析，数据库储存的对应家禽信息包括：家禽品种信息、养殖期信息、饲料信息、密度信息等，并通过一定分割品数量的录入重量修正平均值作为原始数据值，按照工艺要求进行分级。悬挂输送线运送禽胴体到指定转载站位置时，由控制系统发出指令给转载站，该级别的禽胴体被转载到对应的分割悬挂输送线上，完成对家禽胴体重量的分选过程。

当禽胴体有残损时(见图5)和挂单腿时(见图6)，图像处理系统会自动识别并计算，按缺失部位预设程序执行。当完好部分用于分割时，禽胴体按整体重量计算，并执行上述过程。当有缺失部位的禽胴体用于手工分割时，在指定卸载站剔除。

在禽胴体分割加工过程中，采用了对禽类胴体各分割部位按形状或转换重量进行分级的方法，得到最优化的分割品，显著提高家禽加工企业产品的附加值，提高家禽加工企业管理水平，节约了投资和维护费用。解决了传统机械称重方法无法精确判明分割部位级别和禽胴体有残损问题。

面阵图像采集器采用高分辨率CCD数字相机，其采集时间最高可达0.1ms，其光谱响应范围满450nm范围的应用，并具有千兆网高速图像数字信号传输的无缝链接技术，能够在禽胴体通过时快速检测并提取出通过禽胴体的影像并传输给图像处理系统。在面阵图像采集器的前端设有滤光片，主要通过波长短于450nm的短波长光线，而对于波长大于450nm的光线几乎无法通过[16]。具有短波长峰值功能的背光板的尺寸幅面大于禽类的外形尺寸，并实现均匀的面光源照明，既提供背光照明又充当了影像背景作用，进一步降低了对环境光线的影响。背光板的主波长是430nm，与通过波长短于450nm的短波长光线的滤光片配合使用，只有背光板的光可以通过滤光片被面阵图像采集器接受，而环境光却被滤光片阻挡，消除了绝大部分的环光，对环境光线不敏感，具有抵抗环境光能力。影像采集站能够在禽胴体高速运动的状态下提取禽胴体影像，当悬挂输送线运行速度达到15 000只/h时，影像采集站每秒钟将采集超过4个产品影像的速度。

本项技术方案没有采用光学的暗箱。(1)禽类滴水滴血严重，很快会污染暗箱，而暗箱内部难以清理，无法达到卫生标准；(2)水雾、滴血对暗箱的腐蚀性强，暗箱的腐蚀物质会污染禽类，造成食品安全问题；(3)当悬挂输送线发生故障或需要调节时，由于一部分悬挂输送线位于暗箱内部，阻挡了维护工作；(4)禽类容易卡在暗箱内部，发生事故；(5)暗箱在高潮湿环境下寿命受到影响[14]。

采集与分割品相对应的多个分割部位特征量的方式，分别建立模型确定图像处理算法，根据图像处理算法，计算出产品的重量，然后根据重量进行分级。当鸡胴体有一只鸡翅缺失(见图5阴影部分)，而另一只完好时，可以依据工艺要求将该鸡胴体转载到对应的位置。影像采集站采用开放式，无暗箱构件，适于实际生产应用。

光影扫描器，采用宽光谱大面积照明系统设计，图像采集与照明同步触发模型，通过投影及衍射关系建立成像模型，适于不同季节、不同时间段的雾气高湿度环境。

采用高速视觉传感器，光机电与高速图像数字信号传输的无缝链接技术。

根据不同要求，设置对禽胴体胸、背部进行光扫描，除体态判别，还可以进行质量判别。

2 图像处理

2.1 图像处理设计

采用自适应禽胴体特征提取方法，确定高效率的图像处理加速算法。根据检测各部位面积、重量、密度、残次品等数值，建立禽胴体级别范围模型。其“级别值”的设置通过换算要与实际禽体重量、密度等数值对应。利用储存数据，建立神经网络模型，可并行分布处理、高度鲁棒性和容错能力、分布存储及学习能力，提高了识别与分类的准确性和效率。

图像处理系统与影像采集站通过高速千兆网连接[17]，能够将影像采集站采集禽胴体各部位影像数据，包括提取禽胴体的轮廓，形态等体征，通过禽胴体各部位的面积、形态分别建立模型确定图像处理算法。根据图像处理算法，计算出各部位重量及禽胴体的重量，然后根据重量进行分级。具体方法是先将禽胴体的胸部一侧影像拆分为14个分割部位，分别计算面积与形态。再将禽胴体的背部一侧影像拆分为14个分割部位，分别计算面积与形态。再通过对比、综合各部位两侧影像并分析各部位的厚度、密度等参数，建立各部位重量的数学模型，根据各部位的数学模型与数据库储存的对应家禽信息进行对比计算，得出各部位的计算重量，最后将各部位重量累加计算，得出禽胴体的整体重量，然后按照禽胴体的重量级别设定进行分级。

由于OpenCV提供了丰富的视觉处理算法，并且它由一系列C函数及C++类构成[18]，便于图像处理程序的编写，所以图像处理系统采用OpenCV2.4的VS2012方法。

2.2 图像处理方法

(1)畸变校正，矫正镜头造成的图像畸变，提高识别精度。方法是采用OpenCV中函数calibrateCamera，进行标定相机内参和外参系数，从而消除畸变。

(2)直方图均衡，可以使输入图像转换为在灰度级分布上更加均衡的输出图像。

(3)中值滤波，去除孤点噪声。方法是采用函数MedianBlur实现。

(4)归一化，使不同光照强度下拍摄的物体具有一致性。尤其在阴影区和高亮区域，会消除后续识别的影响。方法是采用函数Normalize实现。

(5)边缘提取，使用两种不同的阈值分别检测强边缘和弱边缘，得到清晰的禽胴体边缘轮廓。经过对比，采用Canny函数可以快速实现。

(6)图像分割，将禽胴体与背景完全分离，只留下禽胴体的图像信息，通过二值化处理实现。

(7)禽胴体特征提取，根据各分割部位分布特点和形态特征，将禽体的胸、腿、翅、脖等多个部位进行图像分割并分别标记，同时计算每个部位面积，具体处理方法见2.3部分。

(8)通过分析各部位的厚度、密度等参数，建立各分割部位重量的数学模型，得到每个部位的计算权重值。

(9)根据各部位的数学模型，输入各分割部位面积和权重值，计算出各部位的理论重量。

(10)将各部位重量累加计算出禽胴体的整体重量。

(11)按照禽体的重量级别设定，进行分级。

应用此方法，可以获得精度较高的禽胴体重量预测值。其中，数据库储存的对应家禽信息包括：家禽品种信息、养殖期信息、饲料信息、密度信息等，并通过一定分割品数量的录入重量修正平均值作为原始数据值。

当禽胴体有缺失部位时，图像处理系统会自动识别并计算，按预设程序执行；当完好部分用于分割时，图像处理系统会依照完好部分，计算出禽胴体整体重量，并执行上述过程。当有缺失部位的禽胴体不用于分割时，在指定转载站位置转载剔除(见图5、图6)。

2.3 分割图像处理及算法

2.3.1 成像分析

由于相机镜头成像是有视角的，因此相同物体与镜头距离不同，在相机中成像的尺寸不同。同时，针对不同物体表面轮廓的成像，轮廓的差异通过光线的反射也能有所体现。根据这个特点，对胴体的胸侧和背侧分别进行两次拍照，不同部位到镜头的距离不同，得到了需要的信息。例如胴体的尾部，在背侧成像中距离相机更近，因此，形态更加明显。同时，在背侧成像中胴体腿部的轮廓线表现明显，而胸侧成像的胴体胸部轮廓曲线表现明显，这些信息为分割模型提供了依据。

2.3.2 胸背二值化图像

图7是分别对禽胴体的胸侧和背侧成像，经过预处理得到两幅二值化图像。可以看出，由于镜头视场角和表面轮廓不同，两幅图片的细节特征也不同。根据图7二值化图像分别提取图4中14个部位图形，胸背的提取方法略有不同。

2.3.3 减除躯干图像

首先根据胸侧二值化图像，提取胴体躯干部分。设置胴体躯干区域图8(1)，采用边缘轮廓的椭圆拟合算法[18]，得到躯干的近似轮廓图8(2)。方法是先提取区域FindContours(edges,contours,hierarchy,CV-RETR-EXTERNAL,CV-CHAIN-APPROX-NONE)，然后通过椭圆轮廓拟合FitEllipse函数，得到结果。得到躯干的近似椭圆后，从整体区域减除此区域，分离了两个翅膀和头部区域，见图8(3)。

2.3.4 提取图4中101、103、104部位

见图9，分别求取躯干区域与左侧和右侧翅膀部位的连接分割线。分别连接两个分割线的上端和下端，闭合得到区域103。根据算法第3步，103区域下边界之下的区域，即为部位104。将躯干区域面积减去部位103，即可得到部位101。

2.3.5 提取图4中105、106、107、112部位

根据相同算法，103区域的右侧边界，为躯干与右侧翅膀的分界线，可得到右侧翅膀区域，见图10中(1)。将此区域平均分为上下两个区域，见图8中(2)。并在两个区域分别求取最大凹拐点，将此两点连接，将翅膀分为abcd四个区域，见图10中(3)。在a区域上边界，求取中心点；在d区域下边界，求取最大凹拐点。将此连点连接，得到部位105。在b区域上边界，求取中心点；在c区域下边界，求取最大凹拐点。将此连点连接，得到部位107，见图10中(4)。部位112与部位107算法相同，见图10。

2.3.6 提取图4中108、109部位

根据图7(2)背侧图片，设置胴体的臀部区域，见图11(1)。采用边缘轮廓的椭圆拟合算法[19]，得到臀部的近似轮廓，图11(2)。按照上述方法减除椭圆轮廓，见图11(3)。在臀部轮廓上侧，利用阈值分割法[20，21]，求出两只鸡腿的中间空白区域，见图10(4)。在此区域，分别求出下端的两个最大凹拐点。由于每只禽类都是通过鸡脚挂在悬挂钩上，而其小腿的长度差别不大，因此可以认为鸡腿在矩形框选择区域之上为小腿部位，在矩形选择框之内为大腿部位。这样，在右侧凹拐点的右侧区域，在椭圆形臀部区域与矩形选择框之间的区域，即为部位108图形，图11(5)。在区域108以上、挂钩以下的部位，即为部位109图形，见图11(6)。

2.3.7 提取图4中其余部位

见图12，按照胸侧提取相同的算法，可以得到部位110、111、112、113、114图形。已经得到禽胴体臀部102的两个分割点，通过灰度值选取，可以得到部位102图形。这样，就得到了所有部位的分割区域。

2.3.8计算每个部位的计算权值系数

(1)通过分割算法，计算得到一只禽类胴体的14个部位的面积数据Sn。

(2)将此胴体称重，得到总质量。

(3)将此胴体按照分割进行剖解，得到14块部位。

(4)分别称量14个部位的质量Wn。

(5)选取任一部位的面积数据和质量数据，通过公式。

Pn=Wn/Sn

得到每个部位的面积到质量的权值系数Pn。

2.3.9 根据各部位面积计算胴体总质量

通过以下公式，就可以根据14个部位的面积得到禽类总质量。

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

其中，TS是胴体总质量，B是总质量调节系数，一般设置为1.0，Pn是每个部位的权值系数。

2.3.10 胴体缺失判别

当鸡翅残缺情况，如图5所示，左右翅膀的面积差异DFW达到30%以上，判断为鸡翅残缺。

当挂单腿情况，如图6所示，躯干近似轮廓的长轴方向倾斜，当倾斜角度大于10°，判断为挂单腿情况。

3 试验

3.1 试验材料与设备

爱博益佳、罗斯M370，养殖期42d。

样机试验见图13。通过操作屏读取数据见图14。

3.2 胴体影像分选系统技术条件

(1)悬挂输送线禽胴体间距10ich。

(2)悬挂输送线速度运行范围10 000～15 000只/h。

(3)预冷时间90min，禽胴体吸水率8%左右。

(4)鸡胴体分级：最多可设定20级，级差最小50g。

级别设定。

第一组：2 000g以下，2 000～2 500g，2 500～3 000g，3 000g以上。

第二组：1 750g以下，1 750～2 000g，2 000～2 250g，2 250～2 500g，2 500～2 750g，2 750g以上。

第三组： 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 数据重复性试验

3.3.1 面积模式

见表1，在悬挂输送线10 000只/h运行速度的情况下，以胴体的投影面积作为特征值的试验统计数据。

试验表明，重复性试验时，展翅机只能在第一次使用，避免过度舒展使禽胴体各部位改变形态，影响影像采集重复性数据。悬挂输送线各种运行速度的试验方法基本相同。

从数据可以看出，悬挂输送线的运行方向对影像面积有一定影响，悬挂输送线从左至右高速运行情况下，前方的翅尖和翅中有并拢的倾向，胸背合成计算后翅尖、翅中误差比躯干部位大。

随着悬挂输送线运行速度的加快，胸干、腿的部分差别不大，翅尖和翅中数据误差逐步增大，见图15。翅缺失、全翅折损、挂单腿准确率100%。

面积模式的平均准确率：10 000只/h，93%；12 000只/h，88%；15 000只/h，84%。

表1 面积模式重复性试验数据

3.3.2 重量模式

通过面积数据得出结论，以101、102、103、108、109、113、114部位为基本组合体，与重量参数对应计算，建立数据库，测量的数据与数据库对比，可以得到较为适宜的重量计算数值，重量模式的平均准确率82%。误差不超过±30g。禽胴体的翅膀部分仅作为残次品检测用，以避免自动化设备定位失准，分割刀具使禽胴体切割成废品或二级品。

从试验情况看，分4个级差比较适宜，每一个级差250g。

第三组级别太多，级差太小仅仅50g。当翅尖、翅中的图形参与计算时，出现严重的混级现象。

值得注意的是，实际应用时应考虑预冷工序吸水率工艺指标。

4 结论

在家禽自动分割前对家禽胴体规格、质量进行分选。在家禽自动分割悬挂输送线上设置展翅机、光影像扫描站、转载或卸载站及辅助设施，使用光视觉识别技术，提取禽胴体14个分割部位的特征量，通过投影及衍射关系建立成像模型，确定高效率的图像处理加速算法，识别出不同级别范围和局部损坏的禽胴体，级别范围数据转换成信号由分选系统接收后将禽胴体分别传送到指定的加工位，保证自动化分割系统正常有效运行，提高分割品质量。最大达到15 000只/h的能力，平均准确率82%，误差不超过±30g。实际应用时应充分考虑分割前预冷工序禽胴体吸水率工艺指标[22]。