中国禽蛋行业市场巨大，年禽蛋产量超过万吨，也是关乎老百姓菜篮子质量的民生工程。
刚生下来的禽蛋很难做到出淤泥而不染。从一颗禽蛋的呱呱坠地，经过现场复杂环境的洗礼，以及产线的多重流转，往往会出现破损、裂纹、脏污等各种问题，如果未经检测和清洁，将大大增加食用安全隐患。
不过，目前因禽蛋产量过大，产线的生产速率要求极高，对品质控环节的把控还较为薄弱。市面上多数采用人工抽检形式进行检测，筛选效率低，且极易出现漏检、错检的情况，难以保障出货品质。
02检测难点现有的禽蛋检测存在下列难点：
（1）缺陷细小，肉眼难以识别，对算法精度要求高；
（2）缺陷类型不规则，相似度高，难以区分；
而长期工作易导致人的视觉疲劳，更容易造成目测的准确率降低。
0解决方案a、方案概述：
蛋品缺陷智能检测系统：通过提取每个蛋壳区域的缺陷特征，进行标注训练，生成满足检测需求的深度学习模型，快速定位缺陷类型，包括脏蛋、破损蛋、砂壳、裂纹蛋、色选、大小等，提升检测准确度和产品品质。
b、检出类型：
识别鸡蛋外壳的各种缺陷信息，给出识别结果，为分选机构提供分选依据。
脏蛋：包括鸡屎、异物、羽毛、血渍等脏污，检出面积的阈值可自定义；
破损蛋：包括塌窝蛋(凹陷)和破洞蛋(蛋液流出)，检出面积的阈值可自定义；
裂纹蛋：检测目视可见裂纹，检出面积的阈值可自定义；
麻点蛋：检测鸡蛋表面的密集黑点，检出面积的阈值可自定义；
砂壳：包括蛋壳表面的降起颗粒和凹凸不平的鸡蛋表面，检出面积的闯值可自定义；
色选：识别蛋壳颜色，并且可以在三种颜色之间设置界限值；
以及钙化蛋（检测蛋壳表面白化的问题）、暗斑蛋（检测蛋壳表面出现的暗斑）、蛋液附着（包括蛋清附着和蛋黄附着）等等。
04实现效果（1）完全替代人工抽检及肉眼无法识别的缺陷，实现产线智能全检；
（2）准确分类不同大小、颜色禽蛋，保障同批次蛋的一致性；
（）缺陷检测准确率≥99.5%，误检率≤5%；
希望通过“鸡蛋检测”的案例分享，能够让大家看到AI如何助力工业质检更智能~
转载请注明：http://www.0431gb208.com/sjszyzl/6897.html
