基于血线纹理特征和GA-BP神经网络的鸡种蛋性别鉴定
为了对鸡种蛋孵化早期胚胎性别进行鉴别,构建机器视觉图像采集系统,在LED光源下获取186枚种蛋孵化第4天的图像.采用对鸡种蛋图像进行分量提取、去背景化和二值化等预处理方法,利用自适应直方图均衡化、高低帽变换增强图像,通过迭代阈值分割和“与”运算凸显血线纹理.运用差分计盒法、灰度共生矩阵法、灰度直方图统计法和几何法提取图像的11维特征参数,并构建鸡种蛋胚胎性别识别的BP模型(back propagation neural network,BPNN),利用遗传算法(genetic algorithm,GA)优化BP神经网络的初始权值和阈值.试验结果表明,GA-BP模型的训练集识别综合准确率为99.73%,预测集识别综合准确率为82.80%.
鸡种蛋、性别鉴定、血线、BP神经网络、遗传算法、无损检测
37
S121(农业物理学)
中央高校基本科研业务费专项2662017PY057;公益性行业农业科研专项201303084
2019-03-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
130-135