基于 reComputer RK3576 的鸡蛋计数与裂纹检测

基于 RK3576 / RKNN / YOLO 的鸡蛋计数与裂纹检测系统

源码：https://github.com/doublelf/Egg_Counting_and_Damage_Detection

基于 reComputer RK3576 的鸡蛋计数与裂纹检测，二者由 Conveyor/ 编排器整合为一条统一的传送带质检流水线：每一帧同时运行计数模型与裂纹模型，借助 IoU 关联器把“越线事件”与“裂纹发现”配对，最终对每一颗蛋给出 cracked / dirty / intact 的判定。

计数：源自 Automated-Egg-Counting-System/，单类目标检测 + 质心跟踪 + 越线计数。
裂纹检测：源自 crack_inspect/，默认采用经典 CV 路线（CLAHE → 黑帽 → 自适应阈值 → 连通域），不依赖额外权重；亦可通过 --inspector-mode yolo 切到 YOLOv8-seg 模型。
编排：Conveyor/src/egg_pipeline/ 把两者串起来，并写出 CSV / JSON / 可选标注视频。

快速开始

1. 拉取代码

bash

git clone https://github.com/doublelf/Egg_Counting_and_Damage_Detection
cd Egg_Counting_and_Damage_Detection

2. 创建虚拟环境并安装依赖

bash

python3 -m venv .venv
source .venv/bin/activate
pip install --upgrade pip
pip install -r requirements.txt

3. 执行推理

计数阈值设得很高（--conf-counter 0.99）是为了保证越线统计稳定；裂纹阈值保持默认（--conf-inspector 0.25）；跨模型关联阈值放宽到 --associate-iou 0.1 以适配两个模型框位的轻微偏移。

bash

cd Conveyor
python run.py --video ./video2.mp4 --conf-counter 0.99 --conf-inspector 0.25 --associate-iou 0.1

必须先 cd Conveyor：run.py 默认从 config.yaml 读取模型，相对路径以 Conveyor/ 为基准。

参数速查表

参数	默认	说明
`--video PATH`	—	本地视频文件路径（与 `--webcam` 互斥）
`--webcam [INDEX]`	—	使用摄像头；不传值取 `0`，可显式指定 `--webcam 1`
`--source STR`	—	直接覆盖 `video.source`（数字串被当作摄像头索引，路径字符串被当作文件）
`--counter-weights PATH`	—	计数模型权重（YOLOv5）
`--inspector-weights PATH`	同上	裂纹模型权重；`mode=classical` 时忽略
`--inspector-mode`	`classical`	`auto` / `yolo` / `classical`；默认走经典 CV 路线，不需额外权重
`--conf-counter FLOAT`	`0.35`	计数模型置信度阈值
`--conf-inspector FLOAT`	`0.25`	裂纹模型置信度阈值
`--associate-iou FLOAT`	`0.3`	计数框与裂纹框关联的最小 IoU，低于此值记为 `unknown`
`--line-start X Y`	`[100, 240]`	越线起点（像素坐标）
`--line-end X Y`	`[540, 240]`	越线终点（像素坐标）
`--line-direction`	`down`	`down` / `up` / `any`；越线方向判定
`--no-display`	关闭	关闭实时预览窗口，适合无图形界面的服务器
`--save-video PATH`	—	把带标注的画面写入 mp4
`--frames-csv PATH`	`logs/frames.csv`	每帧统计输出
`--crossings-csv PATH`	`logs/crossings.csv`	每次越线的逐颗蛋判定
`--summary PATH`	`logs/summary.json`	任务级汇总
`--loop`	关闭	视频播放完毕后从头循环
`--config PATH`	`config.yaml`	自定义 yaml 配置文件

完整列表见 python run.py --help。

输出产物

执行后会在 Conveyor/logs/ 下生成（路径可通过 CLI 重定向）：

logs/frames.csv：每帧的统计（帧序号、时间戳、当帧蛋数、累计越线数等）。

logs/crossings.csv：逐颗蛋 的越线判定，列含义：

列	含义
`frame_idx`, `timestamp`, `direction`	越线时刻与方向
`track_id`	计数模型分配的稳定 ID
`color`	`white` / `brown` / `unknown`（Lab a* 通道判别）
`cls`	裂纹模型给出的类别名，例如 `brown-egg-crack`
`cracked`, `dirty`, `intact`	派生布尔值
`is_defective`	`cracked or dirty`
`mask_area_ratio`	蛋框内被裂纹 mask 覆盖的比例
`iou`	计数框与裂纹框的 IoU
`source`	`inspector`（匹配成功）或 `unknown`（无重叠）

logs/summary.json：总数 + 各颜色计数 + 不合格率。
--save-video output/annotated.mp4（可选）：带越线、检测框、裂纹 mask、HUD 的标注视频。

终端输出示例：

Code

[conveyor] Done. crossings=42 defective=3 frames=1280
[conveyor] Artifacts: frames=logs/frames.csv crossings=logs/crossings.csv summary=logs/summary.json

配置文件

所有默认参数集中在 Conveyor/config.yaml，CLI 标志会覆盖其中对应键：

yaml

counter:
  model:
    weights: ../Automated-Egg-Counting-System/best.pt
    device: auto
    img_size: 640
    conf_threshold: 0.35   # 对应 --conf-counter
    iou_threshold: 0.45
  line:
    start: [100, 240]     # 对应 --line-start
    end:   [540, 240]     # 对应 --line-end
    direction: down       # 对应 --line-direction
    min_track_length: 3
  tracker:
    max_lost_frames: 30
    iou_match_threshold: 0.2

inspector:
  model:
    weights: ../Automated-Egg-Counting-System/best.pt
    mode: classical       # 对应 --inspector-mode
    conf_threshold: 0.25  # 对应 --conf-inspector
  filter:
    crack_only: false
    min_mask_pixels: 0
    min_bbox_area: 16

association:
  min_iou: 0.3            # 对应 --associate-iou

video:
  source: "0"             # 对应 --source / --video / --webcam
  loop: false

如果两个模型框位系统性偏移（计数框与裂纹框几乎不重叠），可下调 cfg.association.min_iou；若出现明显误匹配，则上调此值。