基于高光譜成像技術(shù)的雞種蛋孵前受精信息無損檢測研究.pdf

1、上孵前識別種蛋中的受精信息，剔除無精蛋是種蛋孵化業(yè)亟待解決的難題之一，在孵化的過程中每年都要浪費(fèi)大量的未受精蛋，其造成的經(jīng)濟(jì)損失相當(dāng)大。因此，盡可能早地檢測出無精蛋，可以提高孵化的經(jīng)濟(jì)效益及后期的蛋品加工質(zhì)量，帶來可觀的經(jīng)濟(jì)效益。目前，國內(nèi)種蛋的檢測主要是采用傳統(tǒng)的人工頭照方法完成，但該方法不僅加大了工人的勞動力度，檢測速度慢，而且判斷的結(jié)果受人為因素的影響。本文提出采用透射高光譜成像技術(shù)，融合圖像和光譜信息，對其孵化前的受精信息進(jìn)行檢

2、測，以此來提高種蛋的孵化率、經(jīng)濟(jì)效益，為種蛋的實時在線檢測提供理論依據(jù)和技術(shù)支持。本課題以荊州市峪口禽業(yè)有限公司的白殼京粉1號雞種蛋及華中農(nóng)業(yè)大學(xué)養(yǎng)雞場的白萊航雞種蛋為研究對象，利用高光譜成像儀，開展基于透射高光譜成像技術(shù)的孵化前受精蛋與無精蛋的無損識別方法研究。
　　本研究主要內(nèi)容包括：⑴搭建透射高光譜圖像采集系統(tǒng)，對高光譜儀采集圖像時的光源、光強(qiáng)、分辨率、曝光時間、載物臺移動速度等參數(shù)進(jìn)行調(diào)節(jié)設(shè)置，最終攝像頭的曝光時間確定為0

3、.1s，圖像分辨率為400×400，種蛋樣本采集速度為1.7mm/s;采集孵前種蛋在400～1000nm的高光譜圖像。⑵對受精蛋和無精蛋進(jìn)行圖像處理分析，提取了4個圖像特征:長短軸之比、伸長度、圓度、蛋黃面積與整蛋面積之比。對受精蛋和無精蛋進(jìn)行光譜處理分析，使用ENVI軟件提取種蛋520個波段的光譜信息，將光譜信息分為可見光、近紅外、全波段三個波段區(qū)域，經(jīng)過分析，最終可見光范圍的波段被選擇用來對種蛋的類別進(jìn)行判別，采用不同的預(yù)處理方法對

4、樣本的光譜進(jìn)行預(yù)處理，多元散射校正(Multiplicative Scatter Correction，MSC)、變量標(biāo)準(zhǔn)化(Normalize)、標(biāo)準(zhǔn)正態(tài)變量變換(Standard Normal Variate Transformation，SNV)、一階導(dǎo)數(shù)(FirstDerivative，F(xiàn)D)、MSC+FD，SNV+FD，Normalize+FD;經(jīng)過Normalize預(yù)處理后的正確率最高，所以，光譜預(yù)處理最終選擇采用Norma

5、lize，通過Normalize預(yù)處理結(jié)合相關(guān)系數(shù)法提取155個光譜特征變量。將4個圖像特征和155個光譜特征進(jìn)行信息融合，采用主成分分析方法對融合信息進(jìn)行降維，提取前6個主成分。⑶采用支持向量機(jī)(SVM)和相關(guān)向量機(jī)(RVM)兩種分類器進(jìn)行建模，將300個種蛋樣本按照2∶1的分配原則，構(gòu)建訓(xùn)練集和測試集，建立基于4個圖像特征的受精蛋和無精蛋分類判別模型，其識別精度分別為84％、90％;建立基于155個光譜特征的受精蛋和無精蛋分類判別模

6、型，其識別精度分別為90％、91％;建立基于圖像—光譜融合信息的受精蛋和無精蛋分類判別模型，其識別精度分別為93％、96％。⑷實驗結(jié)果表明，基于圖像—光譜融合信息所建立的模型優(yōu)于單一信息的模型，說明利用透射高光譜成像技術(shù)融合圖像和光譜信息對雞種蛋孵前受精信息進(jìn)行識別檢測是可行的;相關(guān)向量機(jī)對孵前種蛋的受精信息識別精度要高于支持向量機(jī)，識別精度達(dá)到了96％，而且識別速度很快，為在線實時檢測提供了可行性，該課題的研究為實現(xiàn)孵前無精蛋和受精蛋