CN101672839B - 一种基于计算机视觉的种蛋孵化品质检测方法 - Google Patents
一种基于计算机视觉的种蛋孵化品质检测方法 Download PDFInfo
- Publication number
- CN101672839B CN101672839B CN2009100353591A CN200910035359A CN101672839B CN 101672839 B CN101672839 B CN 101672839B CN 2009100353591 A CN2009100353591 A CN 2009100353591A CN 200910035359 A CN200910035359 A CN 200910035359A CN 101672839 B CN101672839 B CN 101672839B
- Authority
- CN
- China
- Prior art keywords
- egg
- image
- light
- kind egg
- hatching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000012447 hatching Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000011534 incubation Methods 0.000 title abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 12
- 235000013601 eggs Nutrition 0.000 claims description 139
- 241000287828 Gallus gallus Species 0.000 claims description 30
- 238000009395 breeding Methods 0.000 claims description 14
- 230000001488 breeding effect Effects 0.000 claims description 14
- 238000013145 classification model Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 9
- 230000003760 hair shine Effects 0.000 claims description 6
- 238000002594 fluoroscopy Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 claims 1
- 230000003287 optical effect Effects 0.000 abstract 1
- 208000021267 infertility disease Diseases 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 240000008067 Cucumis sativus Species 0.000 description 2
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 238000010413 gardening Methods 0.000 description 2
- 239000002932 luster Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 206010011409 Cross infection Diseases 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000009658 destructive testing Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000013020 embryo development Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 235000015067 sauces Nutrition 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于计算机视觉的种蛋孵化品质检测装置和方法，属于农产品检测技术领域。由CCD摄像头，光室，载物台，光源，图像采集卡和计算机组成，其采用CCD摄像头采集鸡蛋的透视图像，经图像采集卡传入到计算机中，对图像进行处理提取颜色特征参数，根据鸡蛋孵化品质的贝叶斯判别模型，对鸡蛋受精与否进行判别。本发明应用计算机视觉的方法检测种蛋的孵化品质，可以减少劳动强度和人为主观因素的干扰，其结果更客观、准确。试验证明，本发明方法对种蛋孵化品质的检测，白壳种蛋在第6天的检测准确率达100％，对模型验证的准确率达100％；褐壳种蛋在第6天的检测准确率达97.1％，对模型验证的准确率达100％。
Description
技术领域
本发明涉及一种基于计算机视觉的种蛋孵化品质检测装置和方法，特指基于计算机视觉的鸡蛋孵化品质的检测方法，属于农产品检测技术领域。
背景技术
鸡蛋的孵化过程大约需要21天，且对环境温湿度条件要求较高，是一个耗时，耗能的过程。而统计数据表明种蛋的孵化成功率为82％-99％，这意味着每年都有大量的种蛋不能孵化，这些不可孵化蛋中有相当一部分是因为鸡蛋没有受精，在孵化期内尽可能早地检测出无精蛋可以有效地节省时间、空间、能源和劳动力，从而对提高孵化效率具有十分重要的意义。
在实际的种蛋孵化过程中，识别鸡蛋孵化情况主要仍由人工照蛋检测完成，此种方法较费时费力，生产效率低，易于污染和交叉感染疫病，破损率较高，特别是机外停留时间较长，影响孵化率的提高。因此，开发一个能自动进行种蛋孵化成活性检测的系统，对降低人工照蛋强度，提高检测准确性和生产效率，保障生产者的经济利益，具有十分重要的意义。
计算机视觉技术是近几十年来发展十分快速的一项无损检测技术，在农产品品质自动检测方面已经进行很多研究并取得了不少成果，有些已经开发出了设备并投入商业应用。目前，国外有学者利用计算机视觉技术进行鸡蛋的孵化品质检测研究。美国的Das(Das K，Evans M D.Detectingfertility of hatching eggs using machine vision I：Histogram characterization method[J].Transactions oftheASAE.1992，35(4)：1335～1341.)用黑白计算机视觉系统对孵化早期的白壳鸡蛋品质进行检测，把种蛋分为无精蛋和受精蛋，但该方法包含了大量的数学计算，检测速度较低。国内也有学者展开了这方面的研究，如杨秀坤在1997年的博士论文“农产品品质检测中的人工智能方法研究”，和陈佳娟发表在《计算机应用与软件》第18卷第6期的文章“采用计算机视觉孵化鸡蛋成活性的自动检测”，以及郁志宏发表在《计算机工程与设计》第28卷第2期的文章“改进粒子群神经网络检测种蛋成活性”中，对鸡蛋的孵化品质检测进行了研究，他们的方法大致相同，即用HSI系统中的H分量作为种蛋分级的参数，构建各种神经网络进行分级判断，但是在孵化早期的判别准确率不高，相关的专利未见报道。
发明内容
技术问题
本发明的目的在于提供一种能自动进行鸡蛋孵化品质检测的计算机视觉无损检测装置和检测方法，以降低人工照蛋的劳动强度，提高检测准确性和生产效率，保障生产者的利益。
技术方案
本发明首先建立一套基于计算机视觉的鸡蛋孵化品质的检测装置，在一定的光照条件下用CCD摄像头(1)采集孵化种蛋(5)的透视图像，通过图像采集卡(7)把图像传送到计算机(8)，计算机(8)对所采集的图像进行处理，提取目标区域的颜色特征信息，把颜色特征参数代入到贝叶斯分类判别模型，就可以根据模型判别种蛋是无精蛋还是受精蛋。
本发明的目的通过以下方法实现：
本发明的一种基于计算机视觉的鸡种蛋孵化品质检测方法的装置，包括CCD摄像头(1)，光室(2)，载物台(3)，光源(6)，图像采集卡(7)和计算机(8)，其中载物台(3)，光源(6)处于光室(2)内部，光室(2)的尺寸为80cm×80cm×100cm，摄像头(1)安装在光室(2)顶部中央，镜头向下正对着种蛋(5)的位置，摄像头(1)输出端连接图像采集卡(7)的输入端，并与计算机(8)相连，载物台(3)表面为黑色，以形成黑色背景；光室(2)经载物台(3)分为上下两层：下层为光源部分，在光室(2)底部的中央放置着光源(6)，其采用的是18V的交流电，功率为125W；上层为种蛋检查暗室，两层中间的载物台(3)中间位置有一个直径为27mm透光 孔(4)，用于放置种蛋(5)；摄像头(1)、透光孔(4)和光源(6)位于同一竖直线上，摄像头(1)镜头到透光孔(4)的距离为15cm，透光孔(4)到光源(6)的距离为26cm；计算机(8)中装有图像处理软件用于种蛋透视图像的处理。
上述装置用于鸡蛋孵化品质的检测方法，包括图像采集、图像处理和分类判别。
1)图像采集
把孵化第6天的鸡种蛋(5)放置于光室(2)内部载物台(3)的透光孔(4)中，采用竖直放置放式，即鸡蛋有气室的钝端朝上，尖端朝下。光源(6)发出的光通过透光孔(4)照射到鸡蛋样本(5)。CCD摄像头(1)自上而下照射，镜头对准载物台(3)中的种蛋(5)，采集种蛋的透射图像，摄相头(1)的镜头设置为f/2，光圈为25mm，输出为PAL制彩色信号，所摄图像为原始种蛋图像，再通过图像采集卡(7)把图像传输到计算机(8)。
2)图像处理[阮秋琦，阮宇智.数字图像处理(第二版)[M].北京：电子工业出版社，2003]
①读取采集的原始种蛋图像；
②对图像进行去除噪声和背景分割的处理：图像去噪的方式为5×5窗口进行线性均值滤波[陈纯.计算机图像处理技术与算法[M].北京：清华大学出版社，2003]，背景分割的方式为用全局阈值法对R通道图像滤除背景[陈全胜，赵文杰，张海东，等.利用计算机视觉识别茶叶的色泽类型[J].江苏大学学报(自然科学版)，2005，26(6)：461-464]，从而得到种蛋目标区域的图像；
③提取RGB空间中的颜色特征参数，利用归一化直方图法计算颜色成分的统计特征参数[岑喆鑫，李宝聚，等.基于彩色图像颜色统计特征的黄瓜炭疽病和褐班病的识别研究[J].园艺学报，2007，34(6)：1425-1430]。
对于白壳鸡蛋，提取2个颜色特征参数：绿色分量G的均值 
蓝色分量B的均值 
对于褐壳鸡蛋，提取4个颜色特征参数：绿色分量G的均值 
蓝色分量B的均值 
绿色分量G的标准差σG和蓝色分量B的标准差σB。
3)分类判别
将提取的颜色特征参数代入到相应鸡蛋品种的分类判别模型，模型如下：
白壳鸡蛋孵化成活性的分类判别模型：
褐壳鸡蛋孵化成活性的分类判别模型：
得到样品受精与否的分级结果。
有益效果
本发明的有益效果是：只需要通过采集孵化第6天的种蛋图像，通过简单的图像处理，就能用 计算机自动判别种蛋的孵化品质。与现有的人工检测方法相比，检测速度快，准确率高，可以减少劳动强度和提高生产效率。
试验证明，本发明方法对种蛋孵化品质的检测，白壳种蛋在第6天的检测准确率达100％，对模型验证的准确率达100％；褐壳种蛋在第6天的检测准确率达97.1％，对模型验证的准确率达100％。
附图说明
图1本发明的装置示意图。
附图中的各部件说明如下：1、CCD摄像头；2、光室；3、载物台；4、透光孔；5、种蛋；6、光源；7、图像采集卡；8、计算机。
具体实施方式
本发明是基于计算机视觉的种蛋孵化品质检测装置和方法，用于白壳鸡种蛋和褐壳鸡种蛋的受精与否的检测。
1、试验样本
试验样本为白壳鸡种蛋和褐壳鸡种蛋。白壳鸡种蛋为南京溧水牧乐农副产品有限公司提供的产后1-3天的种蛋，鸡种为贵妃鸡。褐壳鸡种蛋为南京源创禽业有限责任公司提供的产后1-3天的种蛋，鸡种为苏北草鸡。试验样本分为两批，第一批样本用于建立贝叶斯判别模型，第二批样本用于检验判别模型的准确率。系统分级结果的准确率通过与鸡蛋破坏性检测结果相比较得出。
2、试验装置
一种基于计算机视觉的鸡种蛋孵化品质检测方法的装置，包括CCD摄像头(1)，光室(2)，载物台(3)，光源(6)，图像采集卡(7)和计算机(8)，其中载物台(3)，光源(6)处于光室(2)内部，光室(2)的尺寸为80cm×80cm×100cm，摄像头(1)安装在光室(2)顶部中央，镜头向下正对着种蛋(5)的位置，摄像头(1)输出端连接图像采集卡(7)的输入端，并与计算机(8)相连，载物台(3)表面为黑色，以形成黑色背景；光室(2)经载物台(3)分为上下两层：下层为光源部分，在光室(2)底部的中央放置着光源(6)，其采用的是18V的交流电，功率为125W；上层为种蛋检查暗室，两层中间的载物台(3)中间位置有一个直径为27mm透光孔(4)，用于放置种蛋(5)；摄像头(1)、透光孔(4)和光源(6)位于同一竖直线上，摄像头(1)镜头到透光孔(4)的距离为15cm，透光孔(4)到光源(6)的距离为26cm；计算机(8)中装有图像处理软件用于种蛋透视图像的处理。
CCD摄像头：JVC TK-C1381彩色摄像头，最大分辨率为752×582。
光源：卤钨灯，型号为MR-16，采用交流电源，电压为18V，功率为125W，索飞亚科技照明有限公司产。
图像采集卡：加拿大产Matrox Meteror-II/Standard图像采集卡。
计算机：CPU P4 1.7GHz，内存512M，显卡GeForce4 MX440。
3、试验方法和步骤
1)种蛋的孵化：种蛋竖直放置于37.8℃，55％RH孵化箱中培养，孵化期间每2小时翻一次蛋，水平前后倾斜各45°。
2)种蛋图像采集：孵化期内每24h从孵化箱中取出种蛋进行图像采集。检测时，把鸡蛋(5)有气室的钝端朝上，尖端朝下竖直放置于载物台(3)上的透光孔(4)中，光源(6)发出的光在光室(2)中通过透光孔(4)照射到鸡蛋样本(5)，CCD摄像头(1)自上而下照射，镜头对准载
物台中的种蛋(5)，采集种蛋的透视图像后通过图像采集卡(7)传输到计算机(8)。采集了第0-8天的鸡蛋图像。采集的图像以JPEG格式存储为24位真彩色RGB图像。
3)破坏性检测：孵化第9天，打开蛋进行破坏性检测，检查种蛋情况，判断是否有胚胎发育，从而确定鸡蛋受精与否。
4)图像处理：用图像处理软件Image system3.0(北京现代富博科技有限公司)对采集的图像进行以下处理[阮秋琦，阮宇智.数字图像处理(第二版)[M].北京：电子工业出版社，2003]：
①用图像处理软件读取原始种蛋图像；
②对图像进行去除噪声和背景分割的处理：图像去噪的方式为5×5窗口进行线性均值滤波[陈纯.计算机图像处理技术与算法[M].北京：清华大学出版社，2003]，背景分割的方式为用全局阈值法对R通道图像滤除背景[陈全胜，赵文杰，张海东，等.利用计算机视觉识别茶叶的色泽类型[J].江苏大学学报(自然科学版)，2005，26(6)：461-464]，从而得到种蛋目标区域的图像；
③提取RGB空间中的颜色特征参数，利用归一化直方图法计算颜色成分的统计特征参数[岑喆鑫，李宝聚，等.基于彩色图像颜色统计特征的黄瓜炭疽病和褐班病的识别研究[J].园艺学报，2007，34(6)：1425-1430]。提取每一幅图像中的红色分量R，绿色分量G，蓝色分量B，统计R、G、B的均值和标准差 
σR、σG、σB，再将RGB空间转换到HSV空间，求出色调H、饱和度S和亮度I的均值及各自的标准差： 
σH、σS和σI的值，共十二个特征参数。
4、贝叶斯判别模型的建立：
用SAS8.2数据分析系统处理数据。白壳种蛋的样本为120枚，其中受精蛋90枚，无精蛋30枚。褐壳种蛋的样本为73枚，其中受精蛋为45枚，无精蛋为28枚。对提取的颜色特征信息，首先根据受精蛋和无精蛋的颜色特征信息的差异，用SAS逐步判别分析筛选出合适的特征参数作为贝叶斯判别分析的变量，其中对于白褐壳筛选出的变量有2个：绿色分量G的均值 
蓝色分量B的均值 对于褐壳鸡蛋，筛选出的变量有4个：绿色分量G的均值 
蓝色分量B的均值 
绿色分量G的标准差σG和蓝色分量B的标准差σB。然后建立无精蛋和受精蛋的贝叶斯判别式。如表1，表2所示，为白壳种蛋和褐壳种蛋用各自筛选的变量所建立的贝叶斯判别式。
将原始鸡蛋样本的观测值(颜色特征参数)代入表中相应的判别式，若能使判别式成立，则把鸡蛋判定为相应的类别。与鸡蛋样本破坏性检测的实际分类结果相比较，计算出判别准确率，白壳种蛋的检测准确率在第4天时为94.85％，第5天为99.92％，第6天和第7天检测准确率高达100％。褐壳种蛋的检测准确率在第4天时为90.63％，第5天的准确率为91.75％，第6天，第7天和第8天检测准确率高达97.1％。
表1 白壳种蛋的判别式
表2 褐壳种蛋的判别式
5、判别模型精度的验证
为了验证上述模型的可信度，以第二批鸡蛋样本为检测对象，进行计算机视觉检测，对模型的准确率进一步检验。把第二批样本的颜色特征参数值代入上述判别模型，如表3，表4所示，白壳种蛋的测试样本第4天，第5天，第6天，第7天的准确率分别达到95.49％，100％，100％，100％；褐壳种蛋的测试样本第4天，第5天，第6天，第7天的准确率分别达到84.25％，84.25％，100％，100％，100％。所建的判别函数验证准确率高，是比较可信的。
表3 本发明方法检测白壳鸡蛋孵化品质的精度
表4 本发明方法检测褐壳鸡蛋孵化品质的精度
6、最适种蛋孵化品质的检测时间和分类判别模型
对种蛋孵化品质的检测，一方面是要求尽可能早的时间内检测出无精蛋，另一方面要求检测的准确率高，通过以上的分析，白壳种蛋在第6天的检测准确率达100％，对模型的验证准确率达100％；褐壳种蛋在第6天的检测准确率达97.1％，对模型的验证准确率达100％。在第6天时，模型的准确率达到较高的水平，确定最适种蛋孵化品质检测的时间为孵化第6天。
由此得出，对孵化第6天的种蛋进行计算机视觉检测，将提取的颜色特征参数代入到相应鸡蛋品种的分类判别模型，即
白壳鸡蛋孵化成活性的分类判别模型：
褐壳鸡蛋孵化成活性的分类判别模型：
可以得到样品受精与否的分级结果。
Claims (1)
1.一种用于鸡种蛋孵化品质的检测方法，包括图像采集、图像处理和分类判别，其特征在于，
1)检测装置，包括CCD摄像头(1)，光室(2)，载物台(3)，光源(6)，图像采集卡(7)和计算机(8)，其中载物台(3)，光源(6)处于光室(2)内部，光室(2)的尺寸为80cm×80cm×100cm，CCD摄像头(1)安装在光室(2)顶部中央，镜头向下正对着鸡种蛋(5)的位置，CCD摄像头(1)输出端连接图像采集卡(7)的输入端，并与计算机(8)相连，载物台(3)表面为黑色，以形成黑色背景；光室(2)经载物台(3)分为上下两层：下层为光源部分，在光室(2)底部的中央放置着光源(6)，其采用的是18V的交流电，功率为125W；上层为鸡种蛋检查暗室，两层中间的载物台(3)中间位置有一个直径为27mm透光孔(4)，用于放置鸡种蛋(5)；CCD摄像头(1)、透光孔(4)和光源(6)位于同一竖直线上，CCD摄像头(1)镜头到透光孔(4)的距离为15cm，透光孔(4)到光源(6)的距离为26cm；计算机(8)中装有图像处理软件用于鸡种蛋透视图像的处理；
2)图像采集：把孵化第6天的鸡种蛋(5)放置于光室(2)内部载物台(3)的透光孔(4)中，采用竖直放置放式，即鸡种蛋有气室的钝端朝上，尖端朝下；光源(6)发出的光通过透光孔(4)照射到鸡种蛋(5)，CCD摄像头(1)自上而下照射，镜头对准载物台(3)中的鸡种蛋(5)，采集鸡种蛋的透射图像，CCD摄像头(1)的镜头设置为f/2，光圈为25mm，输出为PAL制彩色信号，所摄图像为原始鸡种蛋图像，再通过图像采集卡(7)把图像传输到计算机(8)；
3)图像处理
①读取采集的原始鸡种蛋图像；
②对图像进行去除噪声和背景分割的处理：图像去噪的方式为5×5窗口进行线性均值滤波，背景分割的方式为用全局阈值法对R通道图像滤除背景，从而得到鸡种蛋目标区域的图像；
③提取RGB空间中的颜色特征参数，利用归一化直方图法计算颜色成分的统计特征参数：
对于白壳鸡种蛋，提取2个颜色特征参数：绿色分量G的均值蓝色分量B的均值
对于褐壳鸡种蛋，提取4个颜色特征参数：绿色分量G的均值蓝色分量B的均值绿色分量G的标准差σG和蓝色分量B的标准差σB；
2)分类判别：将提取的颜色特征参数代入到相应鸡种蛋品种的分类判别模型，模型如下：
白壳鸡种蛋孵化成活性的分类判别模型：
褐壳鸡种蛋孵化成活性的分类判别模型：
得到样品受精与否的分级结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009100353591A CN101672839B (zh) | 2009-09-25 | 2009-09-25 | 一种基于计算机视觉的种蛋孵化品质检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009100353591A CN101672839B (zh) | 2009-09-25 | 2009-09-25 | 一种基于计算机视觉的种蛋孵化品质检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101672839A CN101672839A (zh) | 2010-03-17 |
| CN101672839B true CN101672839B (zh) | 2012-11-14 |
Family
ID=42020156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2009100353591A Expired - Fee Related CN101672839B (zh) | 2009-09-25 | 2009-09-25 | 一种基于计算机视觉的种蛋孵化品质检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101672839B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104297439A (zh) * | 2014-10-21 | 2015-01-21 | 南京农业大学 | 一种基于计算机视觉的双黄鸭蛋自动识别检测方法 |
| WO2016033002A1 (en) * | 2014-08-26 | 2016-03-03 | Zdenko Grajcar | System and method of enhancing reproduction in avian |
| TWI644616B (zh) * | 2017-03-17 | 2018-12-21 | Method for judging the hatching shape of poultry eggs by using image processing |
Families Citing this family (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9482397B2 (en) | 2010-03-17 | 2016-11-01 | Once Innovations, Inc. | Light sources adapted to spectral sensitivity of diurnal avians and humans |
| CN102156169B (zh) * | 2011-03-08 | 2013-06-12 | 江苏大学 | 一种鸡蛋蛋壳强度在线无损检测方法 |
| CN102217559B (zh) * | 2011-05-27 | 2013-03-20 | 华中农业大学 | 孵化蛋品质在线自动检测分选设备及其方法 |
| JP5951011B2 (ja) * | 2012-05-18 | 2016-07-13 | 株式会社ヤマモト | 種卵検査装置 |
| CN103033512B (zh) * | 2012-07-24 | 2015-06-03 | 南京农业大学 | 一种基于高光谱识别种蛋孵化的方法 |
| CN102960265B (zh) * | 2012-12-05 | 2014-06-18 | 华中科技大学 | 一种非侵入式蛋胚存活状态检测方法及装置 |
| CN103026984B (zh) * | 2012-12-12 | 2014-08-27 | 华中农业大学 | 群体孵化蛋成活性的视觉检测分级装置及其方法 |
| US10237956B2 (en) | 2013-08-02 | 2019-03-19 | Once Innovations, Inc. | System and method of illuminating livestock |
| CN106061244A (zh) | 2014-01-07 | 2016-10-26 | 万斯创新公司 | 用于提高猪繁殖的系统和方法 |
| CN103823077B (zh) * | 2014-02-28 | 2015-09-30 | 北京天诚盛业科技有限公司 | 一种疫苗种蛋自动检测设备及其方法 |
| CN105894488A (zh) * | 2014-10-21 | 2016-08-24 | 南京农业大学 | 一种自适应的鸡蛋透射图像蛋黄区域分割方法 |
| CN104316473A (zh) * | 2014-10-28 | 2015-01-28 | 南京农业大学 | 一种基于高光谱图像对鸡种蛋孵化早期胚胎性别鉴定的方法 |
| CN105494168B (zh) * | 2016-01-26 | 2018-03-27 | 蔡海睿 | 一种观察和记录小鸡孵化实验的装置及方法 |
| CN105698693B (zh) * | 2016-03-24 | 2018-04-17 | 南京农业大学 | 一种基于近红外激光图像的鸡蛋气室直径测量方法 |
| US10772172B2 (en) | 2016-03-29 | 2020-09-08 | Signify North America Corporation | System and method of illuminating livestock |
| CN106645605B (zh) * | 2016-09-05 | 2019-01-08 | 中国农业大学 | 基于机器视觉的禽类受精蛋检测方法 |
| CN106872465B (zh) * | 2016-12-27 | 2020-03-03 | 中国农业大学 | 基于机器视觉的禽类受精蛋检测筛选装置 |
| CN106872467A (zh) * | 2017-01-04 | 2017-06-20 | 北京天诚智能科技有限公司 | 鸡胚成活性检测方法和装置 |
| CN107064150B (zh) * | 2017-05-27 | 2023-05-23 | 华中农业大学 | 一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置及鉴别方法 |
| EP3483619A1 (en) * | 2017-11-13 | 2019-05-15 | Technische Universität München | Automated noninvasive determining the sex of an embryo of and the fertility of a bird's egg |
| CN108663326B (zh) * | 2018-06-27 | 2020-11-03 | 苏州京浜光电科技股份有限公司 | 一种滤光片表面外观检查用检测平台 |
| CN108872527B (zh) * | 2018-09-06 | 2021-01-29 | 西安近代化学研究所 | 一种圆筒试验用安装定位装置 |
| CN109164107A (zh) * | 2018-10-09 | 2019-01-08 | 辽宁大学 | 一种无损检测野外杂色山雀卵孵化时间的装置及方法 |
| CN110402849B (zh) * | 2019-07-19 | 2021-06-01 | 华中农业大学 | 基于最小二乘法椭圆拟合的种蛋孵化成活性在线检测方法 |
| CN110637757B (zh) * | 2019-09-26 | 2022-05-06 | 广东工业大学 | 一种基于光学图像识别技术的禽蛋检测系统、方法和设备 |
| CN110991220B (zh) * | 2019-10-15 | 2023-11-07 | 京东科技信息技术有限公司 | 禽蛋检测、图像处理方法，装置、电子设备及存储介质 |
| CN111387087A (zh) * | 2020-04-10 | 2020-07-10 | 林心 | 一种鸡蛋孵化程度自动化检测系统 |
| CN113892445A (zh) * | 2020-07-06 | 2022-01-07 | 上海庆科信息技术有限公司 | 孵化环境监控方法、装置、存储介质、处理器及系统 |
| CN112444208B (zh) * | 2020-11-27 | 2022-05-06 | 中国科学院海洋研究所 | 基于边缘检测的高通量贝类外部形态自动测量方法 |
| CN113340899A (zh) * | 2021-07-07 | 2021-09-03 | 青岛兴仪电子设备有限责任公司 | 种蛋胚胎活性检测的装置及方法 |
| CN113993242B (zh) * | 2021-11-05 | 2022-10-28 | 南京农业大学 | 一种智能蛋内光照调控设备及方法 |
| KR102467736B1 (ko) * | 2022-07-26 | 2022-11-16 | 주식회사 한밭아이오티 | 부화 검란 시스템 |
| CN117243150B (zh) * | 2023-11-14 | 2024-04-23 | 河北玖兴农牧发展有限公司 | 一种孵化用种蛋筛选方法及系统 |
| CN117256514B (zh) * | 2023-11-17 | 2024-04-23 | 河北玖兴农牧发展有限公司 | 一种用于分选系统的剔除不合格种蛋的方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1742569A (zh) * | 2004-08-30 | 2006-03-08 | 天津师范大学 | 对家鸡的胚蛋孵化早期判断性别的方法及设备 |
-
2009
- 2009-09-25 CN CN2009100353591A patent/CN101672839B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1742569A (zh) * | 2004-08-30 | 2006-03-08 | 天津师范大学 | 对家鸡的胚蛋孵化早期判断性别的方法及设备 |
Non-Patent Citations (3)
| Title |
|---|
| 潘磊庆 等.基于计算机视觉和神经网络检测鸡蛋裂纹的研究.《农业工程学报》.2007,第23卷(第5期),155. * |
| 郁志宏 等.机器视觉技术在禽蛋品质和孵化成活性检测中的应用.《内蒙古农业大学学报》.2004,第25卷(第3期),118. * |
| 陈佳娟 等.采用计算机视觉进行孵化鸡蛋成活可能性的自动检测.《计算机应用与软件》.2001,第18卷(第6期),5-10. * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016033002A1 (en) * | 2014-08-26 | 2016-03-03 | Zdenko Grajcar | System and method of enhancing reproduction in avian |
| US9844210B2 (en) | 2014-08-26 | 2017-12-19 | Once Innovations, Inc. | System and method of enhancing reproduction in avian |
| US10104875B2 (en) | 2014-08-26 | 2018-10-23 | Once Innovations, Inc. | System and method of enhancing reproduction in avian |
| CN104297439A (zh) * | 2014-10-21 | 2015-01-21 | 南京农业大学 | 一种基于计算机视觉的双黄鸭蛋自动识别检测方法 |
| CN104297439B (zh) * | 2014-10-21 | 2019-09-13 | 南京农业大学 | 一种基于计算机视觉的双黄鸭蛋自动识别检测方法 |
| TWI644616B (zh) * | 2017-03-17 | 2018-12-21 | Method for judging the hatching shape of poultry eggs by using image processing |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101672839A (zh) | 2010-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101672839B (zh) | 一种基于计算机视觉的种蛋孵化品质检测方法 | |
| CN103033512B (zh) | 一种基于高光谱识别种蛋孵化的方法 | |
| CN104316473A (zh) | 一种基于高光谱图像对鸡种蛋孵化早期胚胎性别鉴定的方法 | |
| CN100561186C (zh) | 用于纺织品色牢度色差评级的测试方法和装置 | |
| CN103026984B (zh) | 群体孵化蛋成活性的视觉检测分级装置及其方法 | |
| CN101701906B (zh) | 基于近红外超光谱成像技术的仓储害虫检测方法和装置 | |
| CN102323221B (zh) | 烟叶成熟度检测方法及检测装置 | |
| CN103345617B (zh) | 中药识别的方法及其系统 | |
| CN102564964A (zh) | 基于光谱图像的肉品品质可视化非接触检测方法 | |
| TW200307810A (en) | Method and apparatus for determining the sex of a fertilized egg | |
| CN104408473B (zh) | 基于距离度量学习的棉花品级分类方法及装置 | |
| CN108198176A (zh) | 一种基于图像分析烟草成熟度的判别方法 | |
| Zhu et al. | The identification of white fertile eggs prior to incubation based on machine vision and least square support vector machine | |
| CN108829762B (zh) | 基于视觉的小目标识别方法和装置 | |
| CN108663367A (zh) | 一种基于鸡蛋容重的鸡蛋品质无损检测方法 | |
| Dong et al. | Assessment of hatching properties for identifying multiple duck eggs on the hatching tray using machine vision technique | |
| CN111914685A (zh) | 母猪发情检测方法、装置、电子设备及存储介质 | |
| CN104237235A (zh) | 基于近红外成像技术的食源性致病菌的快速检测方法 | |
| Zhihui et al. | Nondestructive detection of infertile hatching eggs based on spectral and imaging information | |
| CN104297439A (zh) | 一种基于计算机视觉的双黄鸭蛋自动识别检测方法 | |
| CN114359539A (zh) | 一种生鱼片中寄生虫高光谱图像智能识别方法 | |
| CN109389581A (zh) | 基于红外热成像边缘检测处理的小麦叶锈病分级的方法 | |
| CN102389291A (zh) | 一种实验动物体征信息采集分析系统与采集分析的方法 | |
| CN116930176A (zh) | 一种基于高光谱技术检测鸡种蛋早期胚胎性别的方法及系统 | |
| CN105352555A (zh) | 一种快速鉴定禽蛋贮藏时间的便携式检测装置及使用方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121114 |