Online Detection of Chicken Carcass Contaminants via Machine Vision

Online-Erkennung von Verunreinigungen in Hühnerschlachtkörpern mittels maschinellem Sehen

Zitat

Chen, K., Yang, K., Kang, R., Zhang, X., & Wu, W. (2015). Online-Erkennung von Verunreinigungen in Hühnerkadavern mittels maschinellem Sehen. Journal of Agricultural Machinery , 46(9). DOI:10.6041/j.issn.1000-1298.2015.09.033

Zusammenfassung

In diesem Dokument wird eine Technologie zur Erkennung von Verunreinigungen auf der Oberfläche von Hühnerkadavern mithilfe von maschinellem Sehen beschrieben. Bei dieser Technologie werden Bilder von Hühnerkadavern bei bestimmten Wellenlängen (500 nm und 710 nm) mithilfe eines mit Filtern ausgestatteten industriellen Kamerasystems aufgenommen. Die Bilder werden dann verarbeitet, um die Qualität zu verbessern und Kontaminationsbereiche mithilfe verschiedener Bildverarbeitungstechniken wie Medianfilterung, Graustufenverbesserung und binärer Schwellenwertbildung zu definieren. Ziel ist es, kontaminierte Bereiche auf den Hühnerkadavern automatisch zu identifizieren und zu behandeln.

Für Laien: Stellen Sie sich ein Kamerasystem vor, das entlang einer Hühnerverarbeitungslinie installiert ist und Bilder in speziellem Licht aufnimmt, das Verunreinigungen wie Kot, Blut oder Galle hervorhebt, die mit bloßem Auge möglicherweise nicht sichtbar sind. Dieses System verarbeitet diese Bilder schnell, um Schmutz oder unerwünschte Substanzen zu erkennen, und aktiviert dann ein Spray, um die kontaminierten Bereiche sofort zu reinigen. Diese Technologie trägt dazu bei, sicherzustellen, dass das Hühnerfleisch, das zum Verbraucher gelangt, sauber und sicher ist, eine hohe Qualität beibehält und Gesundheitsrisiken reduziert.

Filterauswahl

Im beschriebenen System werden zwei spezielle Filter verwendet: einer für die Wellenlänge 500 nm und einer für 710 nm. Diese Filter sind entscheidend, da sie es der Kamera ermöglichen, Bilder aufzunehmen, die die Unterschiede zwischen den Verunreinigungen des Hühnerkadavers (wie Blinddarmkot, Blut und Galle) und der Hühnerhaut hervorheben. Indem das System das Licht auf diese spezifischen Wellenlängen filtert, verbessert es die Sichtbarkeit der Verunreinigungen vor dem Hintergrund des Hühnerkadavers, sodass die Bildverarbeitungsalgorithmen diese Bereiche leichter erkennen und segmentieren können.

Die Filter spielen eine wichtige Rolle bei:

  1. Isolierung wichtiger Wellenlängen : Diese Filter lassen nur Licht bestimmter Wellenlängen (500 nm und 710 nm) durch. Diese Wellenlängen wurden aufgrund ihrer Fähigkeit ausgewählt, Verunreinigungen von der Hühnerhaut deutlicher zu unterscheiden als andere Wellenlängen.
  2. Kontrastverbesserung : Durch die Begrenzung des Lichts auf diese Wellenlängen tragen die Filter dazu bei, den Kontrast zwischen den Schadstoffen und der Hühnerhaut in den aufgenommenen Bildern zu erhöhen. Dieser Kontrast ist für eine effektive Bildanalyse von entscheidender Bedeutung, da er das Erkennen und Unterscheiden sauberer Bereiche von Bereichen mit Schadstoffen vereinfacht.

Würden diese Filter nicht verwendet, würde die Kamera Bilder mit einem breiteren Wellenlängenbereich aufnehmen, darunter möglicherweise viele, die Verunreinigungen nicht deutlich vom Hühnerkadaver unterscheiden. Dies könnte zu Folgendem führen:

  • Reduzierter Kontrast : Ohne die Filter könnte der Kontrast zwischen den Verunreinigungen und der Hühnerhaut viel geringer sein, wodurch es schwierig würde, kontaminierte Bereiche zu unterscheiden und genau zu identifizieren.
  • Erhöhtes Rauschen und Fehlerkennungen : Durch die Erfassung unnötiger Wellenlängen kann es zu Rauschen im Bild kommen, was wiederum zu ungenauen Erkennungen und einer höheren Anzahl falsch positiver oder falsch negativer Ergebnisse bei der Identifizierung von Schadstoffen führt.
  • Ineffizienz : Die Gesamteffizienz des Systems würde abnehmen, da die Bildverarbeitungsalgorithmen möglicherweise Schwierigkeiten haben, die zusätzlichen irrelevanten Daten zu verarbeiten. Zum Erreichen des gleichen Genauigkeitsgrads wären möglicherweise komplexere und rechenintensivere Methoden erforderlich.
Zurück zum Blog