基于機器視覺的孵化卵在線監測系統研究

張琰

摘 要：孵化卵的成活率除了取決于種蛋自身的質量和品質之外，還與孵化卵所處的具體環境有非常密切的關聯，因此，在種蛋的具體孵化過程中加強對孵化卵的在線監測對于提高孵化卵的成活率具有十分重大的意義。然而人工監測的勞動強度非常大，而且監測的質量比較差，因此，加強基于機器視覺的孵化卵在線監測系統研究具有十分重大的現實意義。文章基于此對機器視覺進行了概述，然后在此基礎上對基于機器視覺的孵化卵在線監測的硬件系統、軟件系統以及圖像處理進行了深入的分析和研究。

關鍵詞：機器視覺；孵化卵；在線監測系

中圖分類號：S817.6 文獻標識碼：A 文章編號：1006-8937（2015）26-0001-02基于機器視覺的孵化卵在線監測系統研究

孵化卵的具體發育過程受到種蛋自身質量以及發育環境等的影響，如果能夠在種蛋的孵化過程中對胚胎的具體發育情況進行緊密觀察，以此來對種蛋的成活率進行檢測，可以及時將無精蛋、死精蛋以及死胚蛋等進行有效地剔除。人工的檢測方法主要是通過人體感官以及光照等進行檢測，這種檢測方法所需要的勞動強度非常大，而且極易受到情緒、疲勞程度、工作條件以及色彩分辨力等人為主觀因素的影響，使得人工檢測的準確率大大降低。因此，我們必須要加強孵化卵在線監測系統的研究，不斷提高種蛋成活率的檢測效率和檢測質量。

1 機器視覺概述

機器視覺的出現和發展經歷了一個漫長的過程，其最初源于遙感和圖片在生物醫學方面的研究和應用。隨著時間的推移和科技的進步，機器視覺已經逐漸發展為集計算機、自動化、光學以及心理學等于一身的綜合性學科。機器視覺的主要目的是通過計算機的模擬人的視覺功能，對實際輸入的圖像信息進行有效的檢測、測量和控制。

隨著機器視覺技術的不斷發展和成熟，機器視覺被逐漸應用到人們生產生活的各個領域，為提高生產效率和方便人們的生活帶來了巨大的幫助。機器視覺不僅具有人眼的獲取圖像信息的功能，而且它還在一定程度上具有人腦的智能分析功能。目前，機器視覺已經逐漸在機器人導航、智能機器人、工業檢測和衛星遙感系統以及動植物生長狀態的監控等實現了深入的應用。

機器視覺在產品的記錄方面有著巨大的優勢，已經逐漸成為生產過程中不可或缺的重要技術。機器視覺可以對不合格的產品進行及時剔除，從而有效保證產品的質量。除此之外，位置探測、目標識別以及完整性檢測等常見的任務也需要通過機器視覺技術來完成。通過基于機器視覺的孵化卵在線監測系統，可以將孵化過程中的無精蛋、死精蛋以及死胚蛋等進行有效剔除，保證孵化的具體質量。

2 基于機器視覺的孵化卵在線監測的硬件系統

通常情況下而言，基于機器視覺的孵化卵在線監測的硬件系統主要是由攝像機、嵌入式系統、光照箱和光源、計算機、載物平臺等部分組成的。一般情況下，攝像機位于孵化卵在線監測的硬件系統的光照箱的頂端和正中央，嵌入式系統分為輸出端和輸入端，其輸出端與計算機相連接，其輸入端和攝像機的輸出端相連接。光源位于光照箱的底部，而且光照箱的中間有一個隔板，可以將載物平臺分割成兩部分。

在對孵化卵進行具體的檢測時，可以將待檢測的種蛋放在再無平臺上，位于頂部的計算機會對種蛋進行拍攝，在拍攝的具體過程中，攝像機的鏡頭會對準位于載物平臺上的孵化卵。孵化卵在線監測的硬件系統的光室位于載物臺的下方，為了得到更加均勻的漫反射光源，使被拍攝的種蛋更加突出，光照箱的內壁通常被涂成白色，而載物平臺的背景顏色被設置成黑色。通過攝像機的拍攝，計算機可以獲得圖像信息，為后續的軟件系統對圖像信息的進一步分析和處理打下良好的基礎。

3 基于機器視覺的孵化卵在線監測的圖像預處理

圖像處理是孵化卵在線監測的重要步驟。通常情況下而言，圖像處理可以分為三個重要的階段，即預處理階段、特征提取階段、模式識別、理解階段。孵化卵在線監測系統是以機器視覺為基礎的，因此圖像預處理的質量直接決定著孵化卵在線監測的準確性。基于機器視覺的孵化卵在線監測的圖像處理的圖像預處理分為圖像去噪、圖像增強、圖像分割以及邊緣跟蹤和區域標記，其具體的過程按照圖像去噪、圖像增強、圖像分割以及邊緣跟蹤和區域標記的具體順序進行。

3.1 基于機器視覺的孵化卵在線監測的圖像去噪

對于基于機器視覺的孵化卵在線監測系統而言，在圖像的實際形成過程中以及圖像的獲取和傳輸過程中，會受很多噪聲的影響，這些噪聲的影響會在很大程度上對圖像的質量造成不良的干擾，因此我們必須要進行圖像去噪。目前比較常用的圖像去噪方法主要有鄰域平均法和中值濾波法兩種。通過采取圖像去噪的方式可以在很大程度上提高種蛋檢測的準確性。

3.2 基于機器視覺的孵化卵在線監測的圖像增強

圖像增強主要是指通過信息和數據的交換來對圖像中不需要的部分進行掩蓋，對需要的部分進行強調，使圖像更加符合視覺響應的特性。通常情況下而言，圖像增強技術可以劃分為基于空域的算法和基于頻域的算法兩種情況。我們要嚴格按照種蛋內部圖像的具體特征來對圖像進行適當的增強，將孵化卵監測所需要的圖像信息進行有效突出，為了接下來的圖像處理提供基礎。通常情況下，基于機器視覺的孵化卵在線監測系統的圖像增強主要通過直方圖變換調整對比度的方法來進行。

3.3 基于機器視覺的孵化卵在線監測的圖像分割

圖像分割也是孵化卵在線監測的圖像處理的圖像預處理的重要步驟。圖像分割的主要作用是對圖像中人們感興趣的某些特殊區域進行有效的提取的過程。通常情況下，圖像分割的主要算法有閾值分割和邊緣分割兩種。對于孵化卵在線監測的內部圖像來說，圖像分割的質量直接關系到種蛋成活率檢測的準確性。

3.4 基于機器視覺的孵化卵在線監測顏色特征的提取

一般情況下，種蛋的質量和種蛋的內部顏色有著直接的聯系，種蛋的內部顏色是種蛋質量的最重要品質性狀。因此，我們必須要加強對種蛋圖像信息中顏色特征的提取，這對于檢測不同內部顏色的種蛋和提高種蛋的成活率具有十分重大的現實意義。顏色模型主要是指一種可見光子集，這個可見光子集包含著特定顏色域的一切顏色，常用的顏色模型有RGB、XYZ、YIQ、HIS以及GMY等。通過具體的分析和研究發現，HIS顏色模型更加適用于基于機器視覺的孵化卵在線監測系統，因為該種顏色模型和人眼的顏色感覺原理非常吻合，HIS顏色模型的具體分量分別是色度、亮度以及飽和度，而人眼也是通過色度、亮度以及飽和度來對顏色進行分辨的。

4 基于機器視覺的孵化卵在線監測的軟件系統

4.1 人工神經網絡

在基于機器視覺的孵化卵在線監測系統中，人工神經網絡的基本思想是重要的組成部分。人工神經網絡主要是指利用工程技術方法對人腦神經網絡的基本結構和基本功能進行模擬，從而使機器能夠具有像人體一樣感知、學習和推理的功能。人工神經網絡在圖像的識別領域具有十分突出的特點，它通過神經網絡的分布方式來存儲相關的信息，因而大大提高了整個網絡的容錯性，從而有效解決了圖像因噪聲損失的問題。除此之外，神經網絡還具有自主學習的特點，因而使得傳統圖像識別所帶來的制約條件得到改善。

人工神經網絡在基于機器視覺的孵化卵在線監測的軟件系統的應用，使得基于機器視覺的孵化卵在線監測的軟件系統的性能得到極大的優化，提高了種蛋成活率的檢測效率和檢測質量。人工神經網絡的具體分類過程為圖像信息、圖像交換和特征提取、特征數字規格化、神經網絡分類器、具體分類判決圖像分類結果。

4.2 基于機器視覺的孵化卵在線監測的軟件系統結構

基于機器視覺的孵化卵在線監系統的主要目的是應該選擇最佳的特征子集來提高種蛋成活的是設別率。通常情況下而言，基于機器視覺的孵化卵在線監系統的整個處理過程分為圖像預處理、特征提取和模式識別與理解等三個重要的組成部分，其軟件系統的主要結構能夠對整個處理過程中提供充分的支持。基于機器視覺的孵化卵在線監測的軟件系統的具體結構主要由采集種蛋內部圖像、圖像預處理和特征提取、顏色特征選擇、BP神經網絡及特征訓練以及利用具體的訓練結果進行成活性檢測等組成。

基于機器視覺的孵化卵在線監測的軟件系統在特定的環境下對圖像進行采集，并在此基礎上對圖像進行必要的預處理，同時對有效的區域進行提取。然后，孵化卵在線監測的軟件系統能夠通過一定的方式和辦法對顏色特征進行有效提取，并根據提取到的顏色特征的信息進行相應的訓練，從而進一步對圖像進行識別。這樣能夠有效提高種蛋成活率的檢測效率和檢測質量。

5 結 語

綜上所述，孵化卵的成活率除了取決于種蛋自身的質量和品質之外，還與孵化卵所處的具體環境有非常密切的關聯，因此，在種蛋的具體孵化過程中加強對孵化卵的在線監測對于提高孵化卵的成活率具有十分重大的意義。然而人工的檢測方法主要是通過人體感官以及光照等進行檢測，這種檢測方法所需要的勞動強度非常大，而且極易受到情緒、疲勞程度、工作條件以及色彩分辨力等人為主觀因素的影響，使得人工檢測的準確率大大降低，因此我們要加強基于機器視覺的孵化卵在線監測系統研究。本文對機器視覺進行了概述，然后在此基礎上對基于機器視覺的孵化卵在線監測的硬件系統、軟件系統以及圖像處理進行了深入的分析和研究，明確了基于機器視覺的孵化卵在線監測系統的基本工作原理和操作步驟。科學技術的進步是沒有止境的，我們不能滿足于孵化卵在線監測系統的現狀，而應在此基礎上進一步加強研究和創新，使孵化卵在線監測系統得到進一步的突破和發展，不斷提高種蛋的成活率的檢測效率和檢測質量。

參考文獻：

[1] 袁清珂，張振亞，吳暉輝，等.基于機器視覺系統的自動檢測系統設計與開發[J].組合機床與自動化加工技術，2014，（11）.

[2] 馬賀賀，齊亮，張茂松，等.機器視覺技術在生產制造智能化進程中的發展應用[J].裝備機械，2014，（3）.

[3] 廖強，曾建風，陳里里.高速便攜式視覺信號采集系統的設計與實現[J].世界科技研究與發展，2013，（3）.

[4] 鄢國林，付軍，楊亞寧.基于機器視覺的零部件尺寸檢測技術[J].科技創新與應用，2013，（32）.