1.一种鸡胴体体表缺陷自动检测方法，其特征在于，鸡胴体体表缺陷自动检测方法包括构建图像采集模块、图像处理与数据集制作模块、目标检测模块、缺陷分级模块；

(1)构建图像采集模块，获取鸡胴体表面完整数据；

(2)构建图像处理与数据集制作模块，对图像采集模块输出的原始图像进行图像预处理，并使用LabelImg软件对预处理后的图像数据进行标注，随后进行数据筛选和数据增强操作，得到数据集，并按照7:3的比例划分训练集和测试集；

(3)构建目标检测模块，使用改进的YOLOv7目标检测模型对鸡胴体体表缺陷进行检测；

S3.1改进的YOLOv7目标检测网络模型是在YOLOv7目标检测网络模型的基础上进行如下改进：1)将YOLOv7的主干特征网络替换为轻量级MobileViT网络；2)在特征融合的池化阶段，将SPPCSPC特征金字塔模块替换为SPPFS特征金字塔模块；3)在颈部引入CBAM注意力机制；4)在颈部加入Focal‑EIoU Loss；

S3.2设置改进的YOLOv7目标检测网络模型的训练参数；

S3.3利用图像处理与数据集制作模块中的训练集数据对步骤S3.2设置好参数后的改进的YOLOv7目标检测网络模型进行训练，得到最优的目标检测模型；

S3.4使用步骤S3.3所得到的最优的目标检测模型，对鸡胴体体表缺陷进行目标检测，将测试集中的图像输入到训练好的目标检测模型中，得到包含缺陷类别、边界框和置信度的体表缺陷图像；

S3.5基于步骤S3.4得到的包含缺陷类别、边界框和置信度的体表缺陷图像，对改进后的YOLOv7目标检测模型进行总结评估；对于训练和测试所采用的评价指标是平均精度均值mAP；

(4)构建缺陷分级模块，设计基于数量和面积的统计方法对目标检测模块输出的缺陷信息进行分级；

S4.1根据步骤S3.4得到的含有缺陷类别、边界框和置信度的体表缺陷图像，对每张图像上的缺陷进行数量统计；首先遍历所有的边界框，对于每个边界框，提取其类别信息和位置信息；然后使用字典来存储不同类别的缺陷数量，其中字典是一个无序的键值对集合，每个键都是唯一的，并映射到一个值，将缺陷类别作为键，将每个类别的数量作为值；并在遍历每个边界框时，根据其类别标签在字典中增加相应的计数；最后输出每个缺陷的数量，并形成相应的缺陷统计报告；

S4.2根据步骤S3.4得到的含有缺陷类别、边界框和置信度的体表缺陷图像，对每张图像上的缺陷进行面积统计；利用python‑OpenCV对每张图像上边界框中的缺陷进行轮廓提取，利用像素值标记轮廓然后根据缺陷的轮廓计算出缺陷的像素面积，再根据已设立的标准块像素面积与其真实面积之间的比值最终计算出鸡胴体缺陷的实际面积；然后将所有缺陷的实际面积输出，形成缺陷面积统计报告；在拍摄鸡胴体图像前，在一个选定的鸡胴体表面贴上一张具有已知尺寸的标准白纸，将这张标准白纸作为标准块，用来计算像素面积与真实面积的比值，将缺陷的像素面积转换为实际面积；

S4.3在图像经过目标检测模块的识别和定位后，进入缺陷分级模块；首先依据步骤S4.1和步骤S4.2，对缺陷进行数量和面积的统计计算；随后结合步骤S4.1和步骤S4.2所得结果，按照鸡胴体体表缺陷的数量Q、实际面积A以及分布情况，将其进行分级标准设定并分级；首先，根据步骤S4.1的数据，将缺陷数量Q的阈值设定为少量Q<2、中等2≤Q<5和大量Q≥

5；接下来，依据步骤S4.2的分析结果，对缺陷的实际面积A进行细分，对于鲜花和旧花类型

2 2 2 2

的缺陷，小面积阈值定义为A<2cm 、中等面积为2cm≤A<5cm和大面积A≥5cm；对于体表淤

2 2

血和黑胸这类缺陷，小面积定义为A<3cm、大面积为A≥3cm ；根据上述设定的分级标准，综合数量和面积两个维度，将缺陷划分为一级、二级和三级；一级缺陷表现为缺陷数量少量且小面积，对鸡胴体的整体品质影响较小；二级缺陷则表现为缺陷数量中等或面积中等，对品质有一定影响；三级缺陷则是缺陷数量大量或大面积，对整体品质有显著影响。

2.根据权利要求1所述的鸡胴体体表缺陷自动检测方法，其特征在于，步骤(1)构建图像采集模块，获取鸡胴体表面完整数据的具体实现过程如下：S1.1为模拟鸡胴体在悬挂输送线悬挂的状态并获取图像，按生产实际所用悬挂输送线，设计鸡胴体图像采集装置，包括旋转机构、夹持机构、鸡胴体、LED条形光源、光源装置、工业相机、显示器以及工控机；工业相机固定在可上下伸缩支架上，使工业相机的镜头距离地面150cm，将鸡胴体挂在旋转机构的夹持机构上，由于旋转机构的定向作用，使鸡胴体的胸部或脊背部朝向工业相机方向；由于重力作用，悬挂的鸡胴体会自然下垂，鸡胸将垂直于工业相机的光轴；为保证光照均匀，分别将四根等长的高亮LED条形光源拼接在矩形光组架上构成光源装置，光源装置平行布置于距离被测鸡胴体对面0.8m的位置；每条LED条形光源在光组架上可单独调节一定的照射角度和亮度，以配合输送装置上悬挂鸡胴体的体表形态，使鸡胴体不同部位达到最佳照明亮度，进而减少反光和光斑的现象，以配合工业相机采集到清晰的鸡胴体图像；

S1.2当鸡胴体到达工业相机的光轴位置时，给工业相机1个触发信号，相机自动采集1张鸡胴体图像，同时将采集到的图像通过工控机显示在显示器上，由此完成图像采集工作；

其中，步骤S1.1所设计的鸡胴体图像采集装置中含有软触发拍照算法，软触发拍照算法是根据鸡胴体颜色与背景物品的颜色差距以及鸡胴体在图像的位置来触发拍照；首先，将实时视频的每一帧图像大小固定为640×640像素；然后，对图像进行BGR转GRAY的颜色格式转换以便进行后续处理；接着，对图像进行腐蚀、膨胀的图像处理；随后，以图像中鸡胴体颜色的GRAY数值作为颜色识别阈值，基于阈值分割的颜色识别方式来区分图像中的鸡胴体与背景；根据颜色识别结果，确定鸡胴体在图像中的位置，为后续的触发拍照提供准确的定位信息；在确定鸡胴体位置后，软触发拍照算法会选择图像的中心线作为触发拍照的标准；当鸡胴体图像到此标准位置的下2/3时，系统会发出拍照信号，触发相机拍摄图像；

S1.3在步骤S1.2触发拍照完成后，利用OpenCV中的图像储存函数来完成对图像的储存工作，并根据图像的创建时间和创建顺序来命名；当系统收到拍照触发信号时，将当前视频的一帧作为图像保存下来。

3.根据权利要求1所述的鸡胴体体表缺陷自动检测方法，其特征在于，

步骤S3.2中的训练参数包括输入图像尺寸为640×640、训练批大小为32、起始世代为

0、训练世代为300、权重衰减系数为0.0005、初始学习率为0.01，使用SGD优化器进行优化。