基于深度学习的种鸭蛋孵化早期受精信息无损检测

摘要：

针对我国鸭蛋孵化行业剔除无精蛋的方法效率低、剔除的无精蛋已丧失食用价值、造成资源巨大浪费的问题,运用机器视觉技术,以孵化至第3天的种鸭蛋为研究对象,运用深度卷积神经网络(Convolutional neuralnetworks,CNN)端对端的特点,在Alexnet神经网络基础上进行改进,将孵化第3天的种鸭蛋透射图像直接输入到深度卷积神经网络.用卷积层代替全连接层,改变卷积核的尺寸,搭建了种鸭蛋受精信息识别网络(Eggnet)模型,实现了对种鸭蛋孵化早期受精信息的无损判别.试验结果表明,该方法对孵化第3天的种鸭蛋图像测试集分类准确率高达98.87％,验证集分类准确率为97.97％,平均单枚蛋检测时间仅为0.24 s.

关键词：种鸭蛋、受精、深度学习、无损检测、图像识别

所属期刊栏目：51

分类号：TP391.4;S834+.83(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目;“十二五”国家科技支撑计划项目;公益性行业农业科研专项

在线出版日期：2020-04-21（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：188-194