(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210188111.4 (22)申请日 2022.02.28 (71)申请人 蚌埠依爱电子科技有限责任公司 地址 233000 安徽省蚌埠市 蚌西路西侧(依 爱电子产业园内) 申请人 青岛兴仪电子设备有限责任公司 (72)发明人 王波　郭庆亮　陈斌　殷勇　 王红安　郭小昆　古毓康　张小亮　 冯平　仇广杰　李林　张万涛　 李红博　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 董雪 (51)Int.Cl. G01N 21/95(2006.01)G01N 21/01(2006.01) G01G 17/00(2006.01) (54)发明名称 基于机器视觉的蛋称 重及畸形蛋识别设备、 系统和方法 (57)摘要 本公开公开的基于机器视觉的蛋称重及畸 形蛋识别设备、 系统和方法， 包括： 输送线， 用于 输送蛋； 图像采集装置， 设置于输送线上， 用于采 集蛋图像； 图像处理装置， 与图像采集装置连接， 根据采集的蛋图像， 计算获得蛋的重量和蛋形指 数， 根据蛋形指数判断蛋是否为畸形蛋。 通过设 置图像采集装置采集蛋图像， 对蛋图像进行分析 获得蛋的重量和蛋形指数， 通过蛋形指数进行畸 形蛋的判别， 实现了蛋的非接触式自动称重和畸 形蛋的自动识别， 提高了禽蛋的处理效率， 改善 工人劳动环境。 权利要求书1页 说明书3页 附图4页 CN 114544661 A 2022.05.27 CN 114544661 A 1.基于机器视觉的蛋称重及畸形蛋识别设备， 其特 征在于， 包括： 输送线， 用于 输送蛋； 图像采集装置， 设置 于输送线上， 用于采集蛋图像； 图像处理装置， 与图像采集装置连接， 根据采集的蛋图像， 计算获得蛋的重量和蛋形指 数， 根据蛋形指数判断蛋是否为畸形蛋。 2.如权利要求1所述的基于机器视觉的蛋称重及畸形蛋识别设备， 其特征在于， 图像处 理装置， 根据蛋图像， 计算 获得蛋的面积或体积， 及蛋的长轴和短轴； 根据蛋的面积或体积， 结合蛋的密度经验公式， 计算获得蛋的重量； 根据蛋的长轴和短轴， 计算蛋的蛋形指数， 根 据蛋形指数判断是否为畸形蛋。 3.如权利要求1所述的基于机器视觉的蛋称重及畸形蛋识别设备， 其特征在于， 图像采 集装置， 包括， 光源和工业相 机， 所述工业相机位于所述输送线的上方， 所述光源设置于所 述输送线的下 方或上方。 4.如权利要求3所述的基于机器视觉的蛋称重及畸形蛋识别设备， 其特征在于， 所述光 源通过光源固定支 架固定于所述禽种蛋输送线上。 5.如权利要求3所述的基于机器视觉的蛋称重及畸形蛋识别设备， 其特征在于， 所述工 业相机通过固定支 架横跨于所述输送线的上 方。 6.如权利要求5所述的基于机器视觉的蛋称重及畸形蛋识别设备， 其特征在于， 所述图 像采集装置， 还包括， 遮挡罩， 遮挡罩设置于固定支架的四周及顶部， 所述遮挡罩与所述输 送线之间形成输送通道， 工业相机和光源位于 输送通道中。 7.如权利要求6所述的基于机器视觉的蛋称重及畸形蛋识别设备， 其特征在于， 所述输 送通道的出入口处设置防护橡胶条。 8.如权利要求6所述的基于机器视觉的蛋称重及畸形蛋识别设备， 其特征在于， 所述遮 挡罩的内部 涂有黑色涂层。 9.基于机器视觉的蛋称重及畸形蛋识别系统， 其特征在于， 包括， 权利要求1 ‑8任一项 所述的基于 机器视觉的蛋称重及畸形蛋识别设备， 和与所述识别设备 连接的鸡蛋分级机 。 10.基于机器视觉的蛋称重及畸形蛋识别方法， 其特 征在于， 包括： 采集蛋图像； 根据蛋图像， 计算获得蛋的面积或体积， 及蛋的长轴和短轴； 根据蛋的面积或体积， 结合蛋的密度经验公式， 计算获得蛋的重量； 根据蛋的长轴和短轴， 计算蛋的蛋形指数， 根据蛋形指数判断是否为畸形蛋； 根据计算的蛋的重量和蛋形指数， 对蛋进行分级处 理。权　利　要　求　书 1/1 页 2 CN 114544661 A 2基于机器视觉的蛋称重 及畸形蛋识别设 备、 系统和方 法 技术领域 [0001]本公开涉及基于 机器视觉的蛋称重及畸形蛋识别设备和方法。 背景技术 [0002]本部分的陈述仅仅是提供了与本公开相关的背景技术信息， 不必然构成在先技 术。 [0003]近年来， 随着国内劳动力成本不断提高， 作为劳动密集型的禽类孵化养殖企业不 得不面临着越来越大 的人力成本和管理成本的压力。 目前， 中等规模的孵化场每天的种蛋 处理量在20万左右， 其中种蛋处理环节基本上是靠人工来完成， 人工 劳动强度大， 处理速度 慢， 处理效果差， 给后续孵化环节带来一系列的不利因素， 同时也极大的制约了孵化场规模 化发展。 市场上现有的设备通过称重传感器的方式可以实现种蛋的自动称重， 但是称重精 度受环境因素影响， 对于影响孵化效果的畸形蛋无法识别， 并且处理速度 慢， 难以满足规模 化孵化场的需求。 发明内容 [0004]本公开为了解决上述问题， 提出了基于机器视觉 的蛋称重及畸形蛋识别设备、 系 统和方法， 通过设置图像采集装置采集蛋图像， 对蛋图像进行分析获得蛋的重量和蛋形指 数， 通过蛋形指数进 行畸形蛋的判别， 实现了蛋的非接触式 自动称重和畸形蛋的自动识别， 提高了禽蛋的处 理效率， 改善 工人劳动环境。 [0005]为实现上述目的， 本公开采用如下技 术方案： [0006]在一个或多个实施例中， 提出了基于 机器视觉的蛋称重及畸形蛋识别设备， 包括： [0007]输送线， 用于 输送蛋； [0008]图像采集装置， 设置 于输送线上， 用于采集蛋图像； [0009]图像处理装置， 与图像采集装置连接， 根据采集的蛋图像， 计算获得蛋的重量和蛋 形指数， 根据蛋形指数判断蛋是否为畸形蛋。 [0010]在一个或多个实施例中， 提出了基于机器视觉的蛋称重及畸形蛋识别系统， 包括， 基于机器视觉的蛋称重及畸形蛋识别设备， 和与所述识别设备相连的鸡蛋分级机 。 [0011]在一个或多个实施例中， 提出了基于 机器视觉的蛋称重及畸形蛋识别方法， 包括： [0012]采集蛋图像； [0013]根据蛋图像， 计算获得蛋的面积或体积， 及蛋的长轴和短轴； [0014]根据蛋的面积或体积， 结合蛋的密度经验公式， 计算获得蛋的重量； [0015]根据蛋的长轴和短轴， 计算蛋的蛋形指数， 根据蛋形指数判断是否为畸形蛋； [0016]根据计算的蛋的重量和蛋形指数， 对蛋进行分级处 理。 [0017]与现有技 术相比， 本公开的有益效果 为： [0018]1、 通过设置图像采集装置采集蛋图像， 对蛋图像进行分析获得蛋的重量和蛋形指 数， 通过蛋形指数进 行畸形蛋的判别， 实现了蛋的非接触式 自动称重和畸形蛋的自动识别，说　明　书 1/3 页 3 CN 114544661 A 3