论文部分内容阅读
上孵前识别种蛋中的受精信息,剔除无精蛋是种蛋孵化业亟待解决的难题之一,在孵化的过程中每年都要浪费大量的未受精蛋,其造成的经济损失相当大。因此,尽可能早地检测出无精蛋,可以提高孵化的经济效益及后期的蛋品加工质量,带来可观的经济效益。目前,国内种蛋的检测主要是采用传统的人工头照方法完成,但该方法不仅加大了工人的劳动力度,检测速度慢,而且判断的结果受人为因素的影响。本文提出采用透射高光谱成像技术,融合图像和光谱信息,对其孵化前的受精信息进行检测,以此来提高种蛋的孵化率、经济效益,为种蛋的实时在线检测提供理论依据和技术支持。本课题以荆州市峪口禽业有限公司的白壳京粉1号鸡种蛋及华中农业大学养鸡场的白莱航鸡种蛋为研究对象,利用高光谱成像仪,开展基于透射高光谱成像技术的孵化前受精蛋与无精蛋的无损识别方法研究,具体工作如下:(1)搭建透射高光谱图像采集系统,对高光谱仪采集图像时的光源、光强、分辨率、曝光时间、载物台移动速度等参数进行调节设置,最终摄像头的曝光时间确定为0.1s,图像分辨率为400400?,种蛋样本采集速度为1.7mm/s;采集孵前种蛋在400~1000nm的高光谱图像。(2)对受精蛋和无精蛋进行图像处理分析,提取了4个图像特征:长短轴之比、伸长度、圆度、蛋黄面积与整蛋面积之比。对受精蛋和无精蛋进行光谱处理分析,使用ENVI软件提取种蛋520个波段的光谱信息,将光谱信息分为可见光、近红外、全波段三个波段区域,经过分析,最终可见光范围的波段被选择用来对种蛋的类别进行判别,采用不同的预处理方法对样本的光谱进行预处理,多元散射校正(Multiplicative Scatter Correction,MSC)、变量标准化(Normalize)、标准正态变量变换(Standard Normal Variate Transformation,SNV)、一阶导数(First Derivative,FD)、MSC+FD,SNV+FD,Normalize+FD;经过Normalize预处理后的正确率最高,所以,光谱预处理最终选择采用Normalize,通过Normalize预处理结合相关系数法提取155个光谱特征变量。将4个图像特征和155个光谱特征进行信息融合,采用主成分分析方法对融合信息进行降维,提取前6个主成分。(3)采用支持向量机(SVM)和相关向量机(RVM)两种分类器进行建模,将300个种蛋样本按照2:1的分配原则,构建训练集和测试集,建立基于4个图像特征的受精蛋和无精蛋分类判别模型,其识别精度分别为84%、90%;建立基于155个光谱特征的受精蛋和无精蛋分类判别模型,其识别精度分别为90%、91%;建立基于图像―光谱融合信息的受精蛋和无精蛋分类判别模型,其识别精度分别为93%、96%。实验结果表明,基于图像―光谱融合信息所建立的模型优于单一信息的模型,说明利用透射高光谱成像技术融合图像和光谱信息对鸡种蛋孵前受精信息进行识别检测是可行的;相关向量机对孵前种蛋的受精信息识别精度要高于支持向量机,识别精度达到了96%,而且识别速度很快,为在线实时检测提供了可行性,该课题的研究为实现孵前无精蛋和受精蛋的在线检测仪器奠定了理论基础。