技术科普｜如何利用高光谱成像技术实时检测鸡蛋的缺陷及新鲜度

一、研究背景

在传统的鸡蛋生产线上，鸡蛋的分级通常依赖人工检查。这种方式不仅耗费人力，而且由于疲劳等因素的影响，检查质量可能不稳定。为了改善这一状况，本研究提出了一种基于高光谱成像技术（HSI）的实时鸡蛋缺陷与新鲜度检测系统，即高光谱鸡蛋缺陷检测技术（HEDIT）和高光谱鸡蛋新鲜度检测技术（HEFIT）。该系统旨在通过减少人工操作来提高检测效率及准确性，并推动农业智能化发展。

二、研究方法

研究者们使用了多种深度学习框架来实现HEDIT和HEFIT，其中包括一维卷积神经网络（1D-CNN）、二维卷积神经网络（2D-CNN）、三维卷积神经网络（3D-CNN）以及MobileNet模型。实验中采用了带选择算法来优化数据处理流程，并通过主成分分析（PCA）等方法来减少原始高光谱图像中的波段数量，从而加速后续信号处理以达到实时水平。为了进一步提高分类性能，还进行了图像分割以自动去除背景。实验中测试了共1800个样本，包括1000个新鲜蛋样本和800个有缺陷的蛋样本，这些样本涵盖了清洁、脏污、破损和血斑等多种情况。使用线扫描高光谱相机获取图像，同时针对新鲜度检测，确定了690至780纳米的光谱范围为关键特征。

三、研究结论

HEDIT对于鸡蛋缺陷检测的准确率达到100%，且单次检测时间仅需31毫秒；而HEFIT在新鲜度检测上的整体准确率达到了99%。这表明所提出的系统不仅提高了生产线上的识别准确性和速度，还为消费者提供了便利，使得他们能够自行检查鸡蛋的新鲜程度。未来的研究可以将此技术集成到智能农场或手持设备中，以进一步提升鸡蛋品质控制的能力。此外，该研究创建了一个包含大量鸡蛋缺陷和新鲜度高光谱图像的数据库，这为智能农业的发展奠定了基础。

四、图文赏析

高光谱鸡蛋缺陷检测技术的流程图。

高光谱鸡蛋新鲜度检测技术的流程图。

正常和瑕疵（破损、脏、从左到右的血点）鸡蛋示意图。

高光谱相机测量物体发射、透射或反射的光。在反射和透射的情况下，入射光对结果的相关性起着重要作用。由于高光谱相机测量连续光谱，因此光源也具有连续光谱是至关重要的。有几种光源适合并具有这种特性。卤素灯是高光谱成像中最常见的光源。盛宏光源定制厂家提供的的室内恒定卤素灯光源被测物可实现360度旋转中检测高光谱数据，（比如鸡蛋不能高温照射测试，盛宏光源的恒定光源保证灯光温度在测定标准范围达标内）在测试时要保证被测试的样品物体不会被光源照射高温烫伤很关键。盛宏的光源调节器可以实时显示恒定卤素灯亮度强弱及灯光温度。

预处理流程图。

1D-CNN模型的体系结构。

2D-CNN模型的体系结构。

移动网络的架构。

3DCNN与DNN模型的架构。

快照频带选择结果(a) PCA频带选择结果（736、826、843）；(b) SF-TCIMBS频带选择结果（763、895、929）；(c) SF-CTBS频带选择结果（843、876、944）。

鸡蛋新鲜度PCA条带选择结果(a) PCA50条带选择结果；(b) PCA30条带选择结果；以及(c) PCA10条带选择结果。

FX10使用MobileNet (a)地面-真相；(b) PCA波段选择；(c) SF-TCIMBS波段选择；和(d) SF-CTBS波段选择。

使用2D-CNN (a)不同波段选择的最终结果；(b) PCA频带选择；(c) SF-TCIMBS频带选择；和(d) SF-CTBS频带选择。

HEDIT的Kappa使用FX10相机。HEDIT的Kappa使用快照相机。使用FX10相机的HEDIT缺失率。HEDIT相机使用快照。使用快照相机的HEDIT缺失率。使用FX10相机的HEDIT的OA。