禽流感的预防主要通过接种疫苗的手段,目前禽流感疫苗的制备主要通过在鸡蛋胚胎中接种毒株然后增殖培养的方式进行,在毒株胚蛋培养过程中,未剔除的死亡胚蛋会导致毒株增殖培养失败,因此毒株胚蛋的成活性检测与分类对禽流感疫苗的制备具有重要意义。目前毒株胚蛋的成活性检测仍然采用传统人工照蛋检测方法,检测效率较低。采用机器视觉的方法通过图像判断其成活性逐渐成为当前研究的热点。为了实现毒株胚蛋图像分割,本文提出一种结合密集连接块(Dense Block)和像素分层采样的图像分割方法。该方法可以进行语义级别的图像分割,即对图像中的每个像素都进行归类,实现像素级的分类。采用密集连接块结构代替了传统的逐层连接的结构,这种结构中每一层与块内所有的层都连接了起来。密集连接结构使得每层都可以直接从损失函数和原始输入信号中获得梯度,把不同层学习的特征图拼接起来会增加后续层输入的变化,提高效率;浅层和深层的特征可以自由的组合,会使得模型结果的鲁棒性更好。像素的分层采样策略使用小批量采样策略在批量更新期间添加多样性,加速学习;对采样后的特征进行稀疏排列,使用多层感知机(MLP)分类,引入复杂的非线性预测因子,提高了准确性。实验结果表明,采用密集连接块结构减少了网络的参数量,增强了网络的特征提取能力,提高了网络的泛化能力;像素分层采样充分利用了相邻像素的信息,使分割结果在边缘上的表现更加精细。针对毒株胚蛋图像数据,本文设计的网络结构对血管、裂纹、气室的分割结果有所提升,依据分割结果中各组织区域的面积占比进行了胚蛋的分类,实现了胚蛋的成活性检测。