基于機(jī)器視覺(jué)的種蛋篩選及孵化成活性檢測(cè)研究.pdf

1、入孵前種蛋篩選以及種蛋孵化過(guò)程中胚胎成活性檢測(cè)是孵化工作的重要技術(shù)環(huán)節(jié)。鑒于人工檢測(cè)勞動(dòng)強(qiáng)度大，效率低，準(zhǔn)確性差。通過(guò)對(duì)基于機(jī)器視覺(jué)的種蛋篩選和孵化成活性檢測(cè)方法的系統(tǒng)研究，建立了種蛋篩選和孵化成活性自動(dòng)檢測(cè)系統(tǒng)。 1．建立了基于機(jī)器視覺(jué)的種蛋篩選和孵化成活性檢測(cè)硬件系統(tǒng)。通過(guò)對(duì)比試驗(yàn)研究，確定了圖像采集時(shí)的最佳光源和背景顏色；對(duì)種蛋篩選硬件系統(tǒng)進(jìn)行了標(biāo)定，標(biāo)定精度能滿(mǎn)足種蛋外觀品質(zhì)檢測(cè)要求。 2．對(duì)基于機(jī)器視覺(jué)技術(shù)的種

2、蛋篩選方法進(jìn)行了系統(tǒng)研究，建立了種蛋重量、蛋形、蛋殼表面缺陷和蛋殼顏色等4個(gè)檢測(cè)指標(biāo)的種蛋外觀品質(zhì)綜合評(píng)價(jià)體系。 (1)提出利用種蛋圖像零階矩計(jì)算圖像投影面積代替重量稱(chēng)量的方法，檢測(cè)結(jié)果與實(shí)際稱(chēng)量值間有良好的相關(guān)性，過(guò)大蛋、正常蛋、過(guò)小蛋檢測(cè)準(zhǔn)確率分別達(dá)到了97.73％、97.04％和96.51％。 (2)研究了基于機(jī)器視覺(jué)的種蛋蛋殼表面缺陷識(shí)別方法，提出利用閾值識(shí)別法結(jié)合八鄰域邊界跟蹤算法檢測(cè)裂紋、臟斑、血斑等種蛋蛋殼

3、表面缺陷，裂紋蛋、污斑蛋和正常蛋的檢測(cè)準(zhǔn)確率分別達(dá)到了91.25％、94.18％和96.36％。 (3)提出基于機(jī)器視覺(jué)、矩和神經(jīng)網(wǎng)絡(luò)技術(shù)，以種蛋蛋形指數(shù)及蛋徑差為檢測(cè)指標(biāo)的蛋形分步檢測(cè)方法。先檢測(cè)種蛋蛋形指數(shù)，再利用提出的改進(jìn)免疫遺傳算法優(yōu)化LMBP神經(jīng)網(wǎng)絡(luò)參數(shù)，并用優(yōu)化后的神經(jīng)網(wǎng)絡(luò)識(shí)別畸形蛋。過(guò)長(zhǎng)蛋、過(guò)圓蛋和畸形蛋的檢測(cè)準(zhǔn)確率分別達(dá)到了97.1％、95.59％和94.87％，正常蛋平均檢測(cè)準(zhǔn)確率達(dá)到了95.75％。

4、(4)以色度頻度值為蛋殼顏色特征參數(shù)，采用改進(jìn)免疫遺傳LMBP神經(jīng)網(wǎng)絡(luò)進(jìn)行蛋殼顏色一致性檢測(cè)，淺殼蛋、正常蛋和深殼蛋的檢測(cè)準(zhǔn)確率分別達(dá)到了95.6％、95.8％和91.3％。 3．參照人工照蛋時(shí)間，對(duì)孵化早期、中期和后期的種蛋胚胎成活性檢測(cè)方法進(jìn)行了系統(tǒng)研究。利用改進(jìn)模擬退火微粒群優(yōu)化算法，優(yōu)化BP神經(jīng)網(wǎng)絡(luò)參數(shù)。以種蛋色度頻度值為特征參數(shù)，用優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)檢測(cè)種蛋孵化成活性，對(duì)孵化早、中和后期的種蛋孵化成活性平均檢測(cè)準(zhǔn)確率