Eggs are widely consumed in many products industry and homes as they are rich in vitamins and minerals. In orderto meet increasing need quickly, automation has been made in chicken farms for processes, such as collectingeggs, weight classifying, separating cracked, and packing. If shell is cracked, harmful microorganisms can easilyenter into it, and egg will deteriorate in a short time due to contact with air. Cracks can be large enough to bevisible to naked eye, and sometimes they are micro-sized and cannot be detected by human eye. In this study,detection of cracked eggshell based on signal processing and machine learning was carried out. Acoustic signalgenerated as a result of impact made to shell by means of mechanical system was recorded for 0.2 seconds at asampling frequency of 50 kHz with microphone. Separately, 50 eggs data with intact and cracks shells wererecorded with system and data set were created. Threshold value of 0.74V was used to determine time from moment of impact to egg shell to damping, and 680 data were taken after this value. The detail and approximationcomponents with different frequencies were extracted by applying Wavelet Packet Transform (WPT) from 2ndlevel with db4 main wavelet. By calculating entropy value of each component, 1x4 feature vector was obtained.Artificial Neural Network (ANN) was used to determine efficiency of extracted feature vector in detecting crackegg shell. 100% performance was achieved and an egg's shell crack detection time was determined inapproximately 0.216 seconds.
Endüstride birçok üründe ve evlerimizde, vitaminler ve mineraller bakımından zengin olmasından dolayı yumurtayaygın olarak tüketilmektedir. Artan ihtiyacın hızlı bir şekilde karşılanması için tavuk çiftliklerinde yumurtalarıntoplanması, ağırlıklarına göre sınıflandırılması, sağlam/çatlak olanların ayrılması, paketlenmesi vb. işlemler içinotomasyona geçiş yapılmıştır. Kabuğun çatlak olması durumunda içerisine zararlı mikroorganizmalar kolaylıklagirebileceği gibi yumurta içinin havayla temasından dolayı kısa sürede bozulmasına yol açacaktır. Çatlaklar gözlegörülebilecek kadar büyük olabildiği gibi bazen de mikro boyutta olmakta insan gözüyle tespit edilememektedir.Bu çalışmada yumurta kabuğunun çatlak/sağlam olması durumunun sinyal işleme ve makine öğrenme tabanlıtespiti gerçekleştirilmiştir. Mekanik sistem vasıtasıyla kabuğa yapılan darbe neticesindeki oluşan akustik sinyalsistemdeki mikrofonla 50kHz örnekleme frekansında 0.2 sn süresince kayıt altına alınmaktadır. Kabuğu sağlam ve çatlak olan ayrı ayrı 50 yumurta verisi düzenekle kayıt altına alınıp veri seti oluşturulmuştur. Yumurta kabuğunadarbenin uygulanma anından sönümlenene kadarki zamanın tespiti için 0.74V eşik değeri kullanılıp bu değerdensonraki 680 veri alınmıştır. Bu verilere db4 ana dalgacığı ile 2. seviyeden Dalgacık Paket Dönüşümü (DPD) uygulanarak farklı frekanslı detay ve yaklaşım bileşenleri çıkartılmıştır. Her bir bileşenin entropi değerihesaplanarak 1x4 boyutunda özellik vektörü elde edilmiştir. Çıkartımı yapılan özellik vektörünün yumurtakabuğundaki çatlağın tespitindeki etkinliğini belirlemek için Yapay Sinir Ağı (YSA) kullanılmıştır. %100 başarımelde edilmiş olup bir yumurtanın kabuk çatlak/sağlam belirleme süresi yaklaşık olarak 0.216sn’dir.
