传统家禽行业中,鸡的繁育方向是蛋肉兼容。新型农业体系下的市场对鸡的繁育提出了新的要求,需要蛋肉分离,实现蛋品系和肉品系专门供应。鸡种蛋的性别检测是实现蛋品和肉品分离的基础。目前,国内鸡种蛋性别检测主要是对出雏后的幼雏进行人工筛选,该方法检测速度慢,而且易受人为主观因素的影响。因此,为了保证两个品系满足市场刚需的前提下,还要避免孵后幼雏的宰杀行为,对鸡种蛋早期性别检测的研究不仅具有伦理道德意义,而且具有实际经济价值。本研究以白壳鸡种蛋为对象,基于图像技术建立鸡种蛋性别检测模型,从而实现鸡种蛋孵化早期的性别检测。本课题主要研究内容和结论如下:（1）搭建鸡种蛋机器视觉图像采集系统。本文的图像采集系统主要由工业相机（Basler,Aca1600-20uc）、光照系统和计算机构成。通过不同光源的比较,确定本研究的光源为1W的LED灯,安装在光照系统底部。待检测鸡蛋横向放置在载物平台上,通过载物平台下的光源透射,利用工业相机获取图像并通过USB数据线传送至计算机。比较不同采集方式,确定利用LED灯横向采集鸡蛋横向静置2min后的种蛋图像;图像采集系统的物距为218mm。（2）凸显种蛋图像中的血线纹理。采集不同孵化时期鸡种蛋彩色图像,分析比较孵化第3d、第4d、第5d、第6d、第8d、第10d的图像。根据血线的清晰度以及机器视觉视野范围内的血线完整度原则,最终确定利用孵化早期第4d的图像作为研究对象。通过种蛋图像预处理去除图像的背景色以及椒盐噪声,确定种蛋的ROI区域;利用自适应直方图均衡和组合形态学处理增强图像中血线的对比度,将血线纹理从整个背景中凸显。（3）提取鸡种蛋图像特征参数。利用F检验分析种蛋整个孵化阶段的蛋重失重率与性别之间的显著性,本研究不将蛋重作为一个特征检测鸡种蛋性别。针对于种蛋的性别特征,通过相应的指标进行数据量化。利用最小外接矩形、灰度共生矩阵、灰度直方图统计和差分计盒维数法分别提取蛋形指数、能量、对比度、相关性、熵、均值、标准偏差、平滑度、三阶矩、一致性和分形维数等11维特征。（4）建立鸡种蛋性别检测模型。将第一批和第二批样本分别按照2:1的分配原则随机选取训练集和预测集组成样本1和样本2;以第一批样本为训练集,第二批样本为预测集组成样本3。建立孵化早期鸡种蛋性别检测GA-SVM模型,3组样本的检测精度分别为70.97%、63.33%、60%;建立孵化早期鸡种蛋性别检测GA-单隐层BP模型,3组样本的检测精度分别为80.65%、81.67%、80.56%;建立孵化早期鸡种蛋性别检测GA-双隐层BP模型,3组样本的检测精度分别为90.32%、90%、90%。实验结果表明,基于11维种蛋图像特征建立的GA-BP模型优于GA-SVM模型,说明利用机器视觉图像技术对孵化早期的鸡种蛋性别进行检测是可行的;GA-双隐层BP模型对孵化早期鸡种蛋性别检测准确率高于GA-单隐层BP模型,而且组间样本和组内样本之间的检测准确率相差不大,表明模型具有较好的鲁棒性。可用3批样本的准确率平均值表示模型的综合检测准确率,综合检测准确率为90.11%,而且模型的检测时间短,单个样本的平均检测时间是0.2679ms,为实现孵化早期鸡种蛋性别在线检测奠定了基础。