Egg production facilities have grown and production amounts have increased due to the developing technology and increasing demand. Quality and hygiene of egg production has come to the forefront. For the production of high quality and hygienic eggs, it is necessary to remove the defective eggs from the production line and the remaining eggs must be packed in accordance with the standards specified on the package. This process is called egg grading process. Within of the European Union standards, the Ministry of Agriculture and Forestry has issued a circular on the separation, classification and production of eggs produced and presented to the consumer. The facilities that produce eggs must produce within the limits determined in the circular published by the Ministry.Egg grading process can be carried out manpower, as well as with machines designed for egg grading. Depending on their production capacities, facilities prefer one of these two classification methods.Image processing is a technology that can be used to egg grading process. Using image processing techniques, it is possible to design fast and reliable systems compared to manpower, low cost systems according to existing grading machines.In this study, an image processing based embedded system design has been made in egg production facilities which separates the eggs coming from the conveyor belt to the desired classes. The images of the egg taken by the camera placed on the conveyor belt were evaluated by developed algorithms and the abnormal egg detection and dimensional classification of the egg were applied. In this study, Raspberry Pi microcomputer and Raspberry Pi the camera module were used. The program was developed using the python program with add-on the OpenCV library. Sensor integrated into conveyor belt, the rotation information of the belt has been obtained and it has been ensured that the image is taken from the camera periodically by using this information. Three images of each egg were taken so images of all surfaces were obtained. As a result of the images obtained, any abnormalities in the egg shell have been evaluated, and in the absence of an abnormality, dimensional analysis of the egg was made. Three different resolutions were used in application, the highest success was achieved in 1280x720 resolution. 120 eggs were used. Abnormalities were determined with 100% success and dimensional classification was achieved with a success rate of 92,85%.

Gelişen teknoloji ve artan talep nedeniyle yumurta üretim tesisleri büyümüş ve üretim miktarları artmıştır. Buna paralel olarak yumurta üretiminde kalite ve hijyen ön plana çıkmıştır. Kaliteli ve hijyenik yumurta üretimi açısından kusurlu yumurtaların paketleme hattından çıkarılması, geriye kalan yumurtaların ambalajda belirtilen standartlarda ayrılarak paketlenmiş olması gerekmektedir. Bu işleme yumurta tasnif işlemi denilmektedir. Avrupa Birliği standartları çerçevesinde Tarım ve Orman Bakanlığı, üretilen yumurtaların ayrılması, sınıflandırılması ve ne şekilde paketlenip tüketiciye sunulması gerektiği konusunda genelge yayınlamıştır. Yumurta üretimi yapan işletmeler Bakanlıkça yayınlanan genelgede belirlenen sınırlar içerisinde üretim yapmak zorundadırlar. Yumurta tasnif işlemi, insan gücüne dayalı olarak yapılabildiği gibi gelişen teknolojiyle birlikte yumurta tasnif işlemi yapmak üzere tasarlanmış makineler yardımıyla da yapılabilmektedir. Üretim kapasitelerine bağlı olarak işletmeler bu iki tasnif yönteminden birini tercih etmektedirler. Görüntü işleme, yumurta tasnif işleminde kullanılabilir bir teknoloji konumundadır. Görüntü işleme tekniklerini kullanarak insan gücüne oranla hızlı ve güvenilir, mevcut tasnif makinelerine göre ise düşük maliyetli sistemler tasarlamak mümkündür.Bu tez çalışmasında, yumurta üretim tesislerinde, taşıyıcı bant üzerinden gelen yumurtaları istenilen sınıflara ayıran görüntü işleme temelli bir gömülü sistem tasarımı yapılmıştır. Taşıyıcı bant üzerine yerleştirilen kamera vasıtasıyla alınan yumurtaya ait görüntüler, geliştirilen algoritmalar vasıtasıyla değerlendirilerek yumurtanın kusur tespiti ve boyutsal sınıflandırma uygulaması yapılmıştır. Bu çalışmada, Raspberry Pi mikrobilgisayarı ve bu bilgisayara ait kamera kullanılmıştır. Program, OpenCV kütüphanesi kullanılarak python programı vasıtasıyla geliştirilmiştir. Yumurta taşıma sistemine entegre edilen sensör vasıtasıyla bandın dönüş bilgisi elde edilmiş, bu bilgi kullanılarak kameradan belirli periyotlarda görüntü alınması sağlanmıştır. Her bir yumurtanın üç adet görüntüsü alınmış dolayısıyla tüm yüzeylerine ait görüntüler elde edilmiştir. Elde edilen görüntüler ışığında yumurta kabuğunda herhangi bir kusur olup olmadığı değerlendirilmiş, kusur olmaması durumunda yumurtanın boyutsal analizi yapılmıştır. Üç farklı çözünürlükte yapılan uygulamada, en yüksek başarı 1280x720 çözünürlükte gerçekleştirilmiştir. 120 adet yumurta üzerinde yapılan çalışmada, kabuk kusurları %100 başarı ile tespit edilirken, boyutsal sınıflandırma işlemi %92,85 başarı ile gerçekleştirilmiştir.