基于机器视觉和YOLOv4的破损鸡蛋在线检测研究OA

破损鸡蛋导致的漏液会污染自动化生产线和完好鸡蛋,不仅影响生产效率,还会干扰裂纹鸡蛋的检测。为实现破损鸡蛋快速、准确、低成本的识别,本文利用机器视觉技术,并结合深度学习网络深层次特征提取、高精度检测分类的特性,提出一种基于YOLOv4网络的破损鸡蛋检测方法。构建破损鸡蛋图像数据集,搭建YOLOv4深度学习网络,训练含有破损蛋和完好蛋图像的分类模型;并对比YOLOv4与YOLOv3、Faster RCNN网络模型对破损蛋的识别精度;同时为验证YOLOv4的在线检测能力,模拟搭建鸡蛋实际生产环境,对比不同破壳鸡蛋比例、不同移动速度下的检测精度。研究结果如下:相同数据集下,YOLOv4识别精度高出YOLOv3、Faster RCNN网络模型平均值4.62%;在线检测时,YOLOv4模型对含不同比例的破损蛋识别正确率平均为86.22%;鸡蛋生产线移动速度在5~6 m/min下,识别正确率平均为84.91%。结果表明,本文提出的基于YOLOv4的破损鸡蛋检测方法对流水线上移动的鸡蛋有较好的检测效果,检测速率较高,为鸡蛋智能化生产、品质检测提供一种新的方法,具有一定的实用价值。