基于种蛋图像血线特征和深度置信网络的早期鸡胚雌雄识别

摘要：

为了实现孵化早期鸡胚雌雄识别,构建了机器视觉采集系统,在LED光源下获取180枚鸡种蛋孵化第4天的图像.首先对鸡种蛋图像进行RGB分量提取、中值滤波、感兴趣区域提取等预处理,然后利用限制对比度自适应直方图均衡化、形态学处理、最大类间方差阈值分割和八连通域去噪等方法凸显血线纹理,并通过方向梯度直方图(histogram of oriented gradient,HOG)提取图像的全信息特征和利用灰度共生矩阵提取能量、对比度、相关性、熵、均匀度等5个特征,对HOG全信息特征采用主成分分析(principal component analysis,PCA)降维,最后利用全信息特征和PCA降维特征-灰度共生矩阵特征组合的简化特征,分别构建支持向量机(support vector machine,SVM)、反向传递(back propagation,BP)神经网络、深度置信网络(deep belief networks,DBN)3种鸡胚雌雄识别模型,并比较不同模型的识别准确率.试验中,全信息特征比简化特征构建的模型识别准确率高,基于简化特征的 BP、SVM、DBN 模型测试集识别综合准确率分别为51.67%、60%和58.33%,基于全信息特征的 BP、SVM、DBN 模型测试集识别综合准确率分别为58.33%、63.33%和83.33%.其中,基于全信息特征的DBN模型识别准确率最高,达到83.33%.结果表明机器视觉技术为孵化早期鸡胚雌雄识别提供了一种可行方法.

关键词：机器视觉、无损检测、模型、血线特征、深度置信网络(DBN)、鸡胚、雌雄、识别

所属期刊栏目：34

分类号：TS253.7(食品工业)

资助基金：中央高校基本科研业务费资助2662017PY057;公益性行业农业科研专项201303084;"十二五"国家科技支撑计划项目2015BAD19B05

在线出版日期：2018-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：197-203