تشخيص تخم مرغ هاي شكسته با استفاده از روش ظرفيت خازني و طبقه‌بندهاي هوشمند

Eggshell crack detection by using electrical conductivity and intelligent classification

يكي از مشكلات موجود در صنعت بسته‌بندي، توزيع تخم مرغ و جوجه‌كشي وجود تخم مرغ هاي داراي ترك مي‌باشد. با توجه به حجم بالاي تخم­ مرغ ­هاي توليد شده در جهان جدا كردن تخم‌مرغ‌هاي شكسته امري مهم تلقي مي ­شود. در اين تحقيق با استفاده از خاصيت هدايت الكتريكي، تخم­ مرغ­ هاي شكسته و سالم از يكديگر تفكيك گرديدند. در اين تحقيق از تخم مرغ نژاد هايلان استفاده گرديد. از آنجايي كه معياري براي سنجش ترك در پوسته تخم ­مرغ وجود ندارد تعداد 100 تخم مرغ شكسته انتخاب گرديد و به ده نفر متخصص در زمينه تخم مرغ نشان داده شد. 48 تخم مرغ با ترك مويي از بين تخم ­مرغ ­هاي شكسته انتخاب و مورد آزمايش قرار گرفت. بدين منظور ضرايب دي ­ا لكتريك و اتلاف تخم­ مرغ­ ها در فركانس ­هاي بين KHz 40 تا MHz 20 اندازه‌گيري شدند و به‌عنوان ورودي طبقه ­بندهاي شبكه عصبي و ماشين بردار پشتيبان مورد استفاده قرار گرفتند. طبقه ­بندهاي شبكه عصبي و SVM از 50% داده­هاي اختصاص‌يافته براي ارزيابي شامل 75 و 26 تخم ­مرغ شكسته و سالم، هردو توانستند با دقت 100% تخم مرغ ­هاي سالم و شكسته را با ضريب كاپا 1 از يكديگر جدا كنند.

Packaging, distribution and hatchery of the cracked in eggshell are always big challenges in egg industries. Due to the high volume of the egg production in the world, sorting eggs with cracks in the shell is so important. In this study, cracks in sell eggs are detected by using their electrical conductivity. In this study, 203 Hy-line eggs, including 48 micro-cracks egg were used. Since there is no measurement technique for detecting eggshell crack, 100 crack eggs were selected, and have been examined by expertise. Among them, 48 eggs with micro-cracks were selected and tested. For this purpose, dielectric constant and loss factor of eggs were measured between 40 KHz to 20MHz. These coefficients are then used as input matrix of classifiers, which are artificial neural network and support vector machine. 50% of data allocated for testing included 75 intacts eggs and 26 micro-cracks eggs. Both of the classifiers, Neural network and support vector machine, were detected cracks in shell eggs with 100% accuracy and 1 Kappa statistic.