我国蛋品缺陷智能化检测装备十分缺乏。中国的蛋品行业还处于机械化的初期，蛋品加工设备基本依靠进口，进口设备不仅价格昂贵，而且使用维护非常不便，配件和易耗品需要来自国外，不仅价高，而且供货不及时，我国采用进口设备的蛋品加工企业受制于人，早已苦不堪言。由于长期以来只进口，不研发，虽然目前国内已进口蛋品加工生产线数十条，但国内鲜有具有较大规模的蛋品加工设备生产企业，蛋品加工包装装备研发和制造整体技术与发达国家相比落后30年，使得我国的蛋品加工及包装产品进入国际贸易存在种种障碍。因此，研发蛋品缺陷智能化检测装备势在必行。目前国内外检测蛋品的明显缺陷虽有部分在线检测，但是隐性缺陷的在线检测还没有根本解决。

因此，通过对目前我国蛋品产业存在的现状和问题分析，本项目认为蛋品隐性蛋品质在线检测、蛋品蛋清稀化等隐性品质劣变状态的无损检测、蛋内血斑肉斑等异物的无损检测等装置的研发存在重大需求,通过人工智能技术进行蛋品缺陷智能化检测与分选，将极大的提升蛋品检测和分选的效率与准确率，同时也可以打破国外的长期垄断，实现国产化替代升级，极大的降低国内企业的成本，有助于我省的产业化升级改造，该项目的立项具有重要意义。

拟邀请高校进行如下技术合作：

1、蛋品成像模块的设计搭建

成像是整个检测系统的基础，成像的好坏直接影响着整个系统的检测分选效果重点，如何解决三维蛋品的成像全覆盖是重要难点，需要合作单位开展如下工作：

（1）对不同成像设计的优缺点及存在视觉死角的原因进行分析；

（2）研究蛋品成像模块的最优搭建方式，尽可能避免视野死角造成的漏检；

（3）研究成像系统的硬件选型，在满足成像需求的前提下降低硬件成本；

（4）设计满足无死角的成像结构，满足样本采集需求；

2、蛋品缺陷检测模型的训练及构建

训练缺陷识别模型，优化模型算力开销，主要工作如下：

（1）收集海量的蛋品缺陷样本并进行数据清洗、依据蛋企的质量标准进行数据标注；

（2）利用CN N及迁移学习来进行模型搭建；

（3）模型优化，实现算力开销最优化；