基于機器視覺的種蛋篩選及孵化成活性檢測研究.pdf

1、入孵前種蛋篩選以及種蛋孵化過程中胚胎成活性檢測是孵化工作的重要技術(shù)環(huán)節(jié)。鑒于人工檢測勞動強度大，效率低，準確性差。通過對基于機器視覺的種蛋篩選和孵化成活性檢測方法的系統(tǒng)研究，建立了種蛋篩選和孵化成活性自動檢測系統(tǒng)。 1．建立了基于機器視覺的種蛋篩選和孵化成活性檢測硬件系統(tǒng)。通過對比試驗研究，確定了圖像采集時的最佳光源和背景顏色；對種蛋篩選硬件系統(tǒng)進行了標定，標定精度能滿足種蛋外觀品質(zhì)檢測要求。 2．對基于機器視覺技術(shù)的種

2、蛋篩選方法進行了系統(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個檢測指標的種蛋外觀品質(zhì)綜合評價體系。 (1)提出利用種蛋圖像零階矩計算圖像投影面積代替重量稱量的方法，檢測結(jié)果與實際稱量值間有良好的相關(guān)性，過大蛋、正常蛋、過小蛋檢測準確率分別達到了97.73％、97.04％和96.51％。 (2)研究了基于機器視覺的種蛋蛋殼表面缺陷識別方法，提出利用閾值識別法結(jié)合八鄰域邊界跟蹤算法檢測裂紋、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準確率分別達到了91.25％、94.18％和96.36％。 (3)提出基于機器視覺、矩和神經(jīng)網(wǎng)絡(luò)技術(shù)，以種蛋蛋形指數(shù)及蛋徑差為檢測指標的蛋形分步檢測方法。先檢測種蛋蛋形指數(shù)，再利用提出的改進免疫遺傳算法優(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)識別畸形蛋。過長蛋、過圓蛋和畸形蛋的檢測準確率分別達到了97.1％、95.59％和94.87％，正常蛋平均檢測準確率達到了95.75％。

4、(4)以色度頻度值為蛋殼顏色特征參數(shù)，采用改進免疫遺傳LMBP神經(jīng)網(wǎng)絡(luò)進行蛋殼顏色一致性檢測，淺殼蛋、正常蛋和深殼蛋的檢測準確率分別達到了95.6％、95.8％和91.3％。 3．參照人工照蛋時間，對孵化早期、中期和后期的種蛋胚胎成活性檢測方法進行了系統(tǒng)研究。利用改進模擬退火微粒群優(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)檢測種蛋孵化成活性，對孵化早、中和后期的種蛋孵化成活性平均檢測準確率