T/SDSNCH 体 标 准
T/SDSNCH097-2026
Technical specification of chicken egg external quality inspection based onmachinevision
山东省农业科技转化促进会 发布
前言
本文件按照GB/T1.1《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草.
请注意本文件的某些内容有可能涉及专利.本文件的发布机构不承担识别专利的责任.
本文件由山东省农业科学院家禽研究所提出.
本文件由山东省农业科技转化促进会归口.
本文件起草单位：山东省农业科学院家禽研究所、山东兴恒环境科技集团有限公司、青岛田瑞科技集团有限公司、中国农业大学、山东省农业科技转化促进会.
本文件主要起草人：李大鹏、彭海青、宋士武、李福伟、刘玮、曲田桂、韩海霞、李惠敏、周一帆、施正香、雷秋霞、刘杰、王杰、曹顶国、周艳、徐莎莎.
基于机器视觉的鸡蛋外观品质检测系统技术规范
1范围
本文件规定了基于机器视觉的鸡蛋外观品质检测系统的术语和定义、系统组成与总体要求、图像采集模块、数据处理模块、检测模块、数据存储、系统性能评价与测试方法、操作与维护等要求.
本文件适用于蛋鸡养殖场、蛋品分选加工厂等场景，指导鸡蛋的外观品质检测系统的设计与研发.
2规范性引用文件
下列文件中的内容通过文中的规范性引用面构成本文件必不可少的条款.其中，注日期的引用文件，仅该日期对应的版本适用于本文件：不注日期的引用文件，其最新版本（包括的修改单）适用于本文件.
GB2749食品安全国家标准蛋与蛋制品
GB/T4208-2017外壳防护等级（IP代码）
GB/T5226.1机械电气安全机械电气设备第1部分：通用技术条件
GB/T15969.2可编程序控制器第2部分：设备要求和测试
GB/T20145灯和灯系统的光生物安全性
GB/T27025检测和校准实验室能力的通用要求
GB/T39438包装鸡蛋
GB/T44985.4农业物联网通用技术要求第4部分：畜禽养殖
NY/T1758鲜蛋等级规格
3术语和定义
下列术语和定义适用于本文件.
3. 1
机器视觉machinevision
利用光学成像装置和计算机算法，对目标对象进行图像获取、处理、分析和理解，从而实现检测、识别和测量的技术.
T/SDSNCH 097-2026
图像采集模块image acquisition unit
由工业相机、光源及暗箱及相关安装结构组成，用于获取鸡蛋外观图像的硬件系统.
4系统组成与总体要求
4.1系统组成
鸡蛋外观品质检测系统应由图像采集模块、数据处理模块、检测模块和数据存储模块组成，各模块应协同工作，实现鸡蛋外观品质的自动检测与分级.
4.2总体要求
4.2.1运行速度
系统应能在鸡蛋传送带速度不低于120枚/min的条件下稳定运行，或根据实际生产线速度进行合理配置.
4.2.2防护等级
系统整体防护等级不应低于GB/T4208-2017规定的IP54级.
4.2.3电气安全
系统电气安全应符合GB/T5226.1的规定.
5图像采集模块
5.1硬件组成
5.1.1相机
工业相机分辨率不低于500万像素，帧率不低于30顿/s（fps），并应支持外部触发模式.相机输出的RGB图像应采用24位真彩色（RGB888，每通道8位）或更高位深，确保对蛋壳表面细微颜色差异（如血班、轻度脏斑）的分辨能力.
5.1.2照明
照明装置宜采用LED面光源或背光源，照度均匀性不低于85%，色温应稳定.其光生物安全性应符合GB/T20145的规定.
5.1.3暗箱
暗箱内壁应采用哑光黑色材料，避免环境光和反射光对成像质量的影响.
5.1.4蛋托
T/SDSNCH 097-2026
传送装置的传送速度应可调，蛋托宜采用高透光低遮挡材料，如聚甲基丙烯酸甲酯（PMMA）或聚氯乙烯（PVC），以保证鸡蛋图像清晰.
5.1.5PLC控制器
PLC控制器用于同步触发相机、控制传送装置及分抹执行机构，应符合GB/T15969.2的规定.
5.1.6网络通信
网络通信应通过有线或无线方式实现，其网络配置及通信协议应符合GB/T30094和GB/T44985.4的规定.
5.2图像采集软件要求
5.2.1图像标注
应具备图像标注功能，支持对裂纹、脏污、畸形等缺陷进行像素级或区域级标注.
5.2.2数据格式
标注数据应支持导出为通用数据格式，如TXT、XML、JSON和PASCALVOC格式.
5.3图像质量要求
单幅图像分辨率不应低于2560×1920像素.图像中鸡蛋区域与背景之间应具有明显对比度，不应出现影响缺陷识别的强反光或阴影遮挡.
6数据处理模块
6.1硬件要求
数据处理模块应配置具备深度学习加速能力的GPU，其显存容量应满足相应算法的要求.
6.2软件与算法要求
6.2.1软件类型
应采用基于深度学习的目标检测或分类算法，如YOLO系列、SSD、FasterR-CNN等.
6.2.2算法要求
算法应支持迁移学习或增量学习，允许用户基于本地数据对模型进行微调或更新.训练数据集应覆盖主要缺陷类型，每类缺陷样本数量不应低于相应算法的最低样本量要求，并宜采用数据增强技术.
7检测模块
7.1软件开发环境
