内蒙古农业大学博硕士论文样本.docx

内蒙古农业大学博硕士论文样本.docx

《内蒙古农业大学博硕士论文样本.docx》由会员分享，可在线阅读，更多相关《内蒙古农业大学博硕士论文样本.docx（29页珍藏版）》请在冰点文库上搜索。

内蒙古农业大学博硕士论文样本

分类号TP391.41学校代码10129

UDC35.140学号20022004

基于机器视觉的种蛋筛选及孵化成活性检测研究

StudyonAutomaticIdentifyingQualityandFertility

ofHatchingEggsBasedonMachineVisionSystem

申请人：

AAA

学科门类：

工学

学科专业：

农业机械化工程

研究方向：

机器视觉技术在农牧业生产中的应用

指导教师：

XXX教授

用小三号黑体字。

论文提交日期：

二〇〇六年十月

分类号S828学校代码10129

UDC11.220学号20003004

鸡毒支原体的分离鉴定及基因免疫的研究

StudiesonIsolationandGeneImmunization

ofMycoplasmaGallisepticum

申请人：

BBB

学科门类：

农学

学科专业：

基础兽医学

研究方向：

动物传染病与免疫病理学

指导教师：

XXX教授

论文提交日期：

二〇一三年十二月

注：

封面、中文摘要、英文摘要不编页码。

摘要

入孵前种蛋筛选以及种蛋孵化过程中胚胎成活性检测是孵化工作的重要技术环节。

鉴于人工检测劳动强度大，效率低，准确性差。

通过对基于机器视觉的种蛋筛选和孵化成活性检测方法的系统研究，建立了种蛋筛选和孵化成活性自动检测系统。

1．建立了基于机器视觉的种蛋筛选和孵化成活性检测硬件系统。

通过对比试验研究，确定了图像采集时的最佳光源和背景颜色；对种蛋筛选硬件系统进行了标定，标定精度能满足种蛋外观品质检测要求。

2．对基于机器视觉技术的种蛋筛选方法进行了系统研究，建立了种蛋重量、蛋形、蛋壳表面缺陷和蛋壳颜色等4个检测指标的种蛋外观品质综合评价体系。

（1）提出利用种蛋图像零阶矩计算图像投影面积代替重量称量的方法，检测结果与实际称量值间有良好的相关性，过大蛋、正常蛋、过小蛋检测准确率分别达到了97.73%、97.04%和96.51%。

（2）研究了基于机器视觉的种蛋蛋壳表面缺陷识别方法，提出利用阈值识别法结合八邻域边界跟踪算法检测裂纹、脏斑、血斑等种蛋蛋壳表面缺陷，裂纹蛋、污斑蛋和正常蛋的检测准确率分别达到了91.25%、94.18%和96.36%。

（3）提出基于机器视觉、矩和神经网络技术，以种蛋蛋形指数及蛋径差为检测指标的蛋形分步检测方法。

先检测种蛋蛋形指数，再利用提出的改进免疫遗传算法优化LMBP神经网络结构，并用优化后的神经网络识别畸形蛋。

过长蛋、过圆蛋和畸形蛋的检测准确率分别达到了97.1%、95.59%和94.87%，正常蛋平均检测准确率达到了95.75%。

（4）以色度频度值为蛋壳颜色特征参数，采用改进免疫遗传LMBP神经网络进行蛋壳颜色一致性检测，浅壳蛋、正常蛋和深壳蛋的检测准确率分别达到了95.6%、95.8%和91.3%。

3．参照人工照蛋时间，对孵化早期、中期和后期的种蛋胚胎成活性检测方法进行了系统研究。

利用改进模拟退火微粒群优化算法，优化BP神经网络结构。

以种蛋色度频度值为特征参数，用优化后的BP神经网络检测种蛋孵化成活性，对孵化早期、中期和后期的种蛋孵化成活性平均检测准确率分别达到了92.5%、98.3%和100%。

关键词：

种蛋筛选；成活性检测；机器视觉；图像处理；遗传算法；

用小四号黑体字，

顶左。

微粒群算法；神经网络

StudyonAutomaticIdentifyingQualityandFertilityofHatchingEgg

BasedonMachineVisionSystem

Abstract

Identifyingqualityandfertilityofhatchingeggsareanimportantandhardworkinthefarms.Manualinspectionsuffersfromvisualstressandtirednessandislowaccuracyandtime-consuming.AnautomaticandpracticaldetectionsystembasedonmachinevisionsystemandANNisdevelopedinsteadofmanualinspectionofhatchingeggforimprovingdetectingaccuracyandeffciency.

1.Themachinevisionhardwaresystemisbuiltforidentifyingexteriorqualityandfertilityofhatchingegg.Thelightsourceandbackgroundcolorarefoundoutthroughalotofexperiments.Cameracalibrationisdoneforcorrectingimagedistortion,anditsaccuracyisabletomatchthedemandofidentifyingexteriorqualityofhatchingegg.

2.Basedonmachinevisiontechnique,criterionisproposedforcomprehensiveevaluatingegg’sexteriorqualitybyweight,shape,eggshelldefectfeatureandeggshellcolor,andmethodofeggqualityclassificationisdeveloped.

（1）Theprojectionareaofeggimageisextractedby0-ordermomentandusedtoclassifyeggweightinsteadofmetage.Theclassificationaccuracyis97.73%forbiggereggs,97.04%fornormaleggs,and96.51%forsmallereggs.

（2）Thresholdrecognitionand8-connectedboundarytrackingmethodarecombinedtoextractthedefectfeatureoneggshell,anditsclassificationaccuracyis91.25%forcrackedeggs,94.18%fordirtstained,bloodspottedeggsand96.36%fornormaleggs.

（3）Eggshapeindexandradiusdifferencesareextractedasshapefeatureparameters,atwo-stepshapemeasurementmethodisproposedbasedonmachinevision,momenttechniqueandneuralnetwork.AnimprovedimmuneGAalgorithmisputforward,whichisusedtooptimizetopologystructureofLMBPneuralnetworkfordetectingqualityofhatchingeggautomatically.

KeyWords:

Fertilityidentification;Imageprocessing;

Geneticalgorithm;Neuralnetwork

用英文写专业名并用圆括号括住，括号前面空二格。

。

Directedby:

Prof.XXXXYyyyy

ApplicantforDoctordegree:

AAAABbbbb（AgriculturalMechanization）

用小五号TimesNewRoman字。

注意：

汉语拼音姓名不能缩写，姓在前、名在后。

姓的字母全部大写、复姓要连写，名的首字母大写，双名或多名中间不加连字符。

（CollegeofMechanicalandElectricalEngineering.InnerMongoliaAgriculturalUniversity.Hohhot010018.China）

目　　录

1引言1

1.1机器视觉概述1

1.2研究背景和意义1

1.3国内外研究现状2

1.3.1国外研究现状2

1.3.2国内研究现状错误！

未定义书签。

1.4存在问题错误！

未定义书签。

1.5研究内容及目标错误！

未定义书签。

1.5.1种蛋筛选和孵化成活性检测硬件系统建立错误！

未定义书签。

1.5.2基于机器视觉的种蛋筛选错误！

未定义书签。

1.5.3基于机器视觉的种蛋孵化成活性检测错误！

未定义书签。

1.5.4软件系统集成错误！

未定义书签。

1.6　小结错误！

未定义书签。

2彩色机器视觉硬件系统与颜色模型错误！

未定义书签。

2.1种蛋筛选机器视觉硬件系统错误！

未定义书签。

2.1.1摄像机错误！

未定义书签。

2.1.2计算机错误！

未定义书签。

2.1.3光照箱错误！

未定义书签。

2.1.4光源错误！

未定义书签。

2.1.5背景错误！

未定义书签。

2.2种蛋孵化成活性检测机器视觉硬件系统错误！

未定义书签。

2.3视觉系统标定错误！

未定义书签。

2.3.1摄像机模型错误！

未定义书签。

2.3.2摄像机标定方法错误！

未定义书签。

2.4颜色模型错误！

未定义书签。

2.4.1常用的颜色模型错误！

未定义书签。

2.4.2本文使用的颜色模型错误！

未定义书签。

2.5　小结错误！

未定义书签。

3基于机器视觉的种蛋筛选错误！

未定义书签。

3.1种蛋重量检测错误！

未定义书签。

3.1.1　种蛋图像投影面积计算错误！

未定义书签。

3.1.2种蛋周长计算错误！

未定义书签。

3.1.3种蛋重量检测样本错误！

未定义书签。

3.1.4检测结果与分析错误！

未定义书签。

3.2种蛋蛋壳表面缺陷检测错误！

未定义书签。

3.2.1图像分割错误！

未定义书签。

3.2.2分割结果错误！

未定义书签。

3.2.3种蛋蛋壳表面污斑面积计算错误！

未定义书签。

3.2.4种蛋蛋壳表面缺陷检测样本错误！

未定义书签。

3.2.5检测结果与分析3

3.3种蛋蛋形检测错误！

未定义书签。

3.3.1种蛋蛋形特征参数提取错误！

未定义书签。

3.3.2改进的免疫遗传LMBP神经网络模型建立错误！

未定义书签。

3.3.3种蛋蛋形检测样本选择错误！

未定义书签。

3.3.4免疫遗传LMBP神经网络检测种蛋蛋形结果与分析错误！

未定义书签。

3.4种蛋壳色检测错误！

未定义书签。

3.4.1种蛋壳色特征参数提取错误！

未定义书签。

3.4.2种蛋蛋壳颜色检测样本选取错误！

未定义书签。

3.4.3免疫遗传LMBP神经网络检测种蛋壳色结果与分析错误！

未定义书签。

3.5基于机器视觉的种蛋筛选检测结果与分析错误！

未定义书签。

3.6　小结错误！

未定义书签。

4　基于机器视觉的种蛋孵化成活性检测错误！

未定义书签。

4.1种蛋孵化成活性特征参数提取错误！

未定义书签。

4.2　改进模拟退火微粒群算法错误！

未定义书签。

4.2.1　微粒群算法错误！

未定义书签。

4.2.2　模拟退火算法错误！

未定义书签。

4.3　小结错误！

未定义书签。

5　基于机器视觉的种蛋筛选及孵化成活性检测软件系统集成错误！

未定义书签。

6结论5

7展望5

致谢6

参考文献7

作者简介错误！

未定义书签。

注：

目录页可不编页码，若编页码用罗马数字编，位于该页的下方，居中。

插图和附表清单

1.图1禽蛋年产量增长趋势2

2.图2鸡蛋裂纹检测用机器视觉系统示意图错误！

未定义书签。

3.图3鸡蛋分级决策支持系统示意图错误！

未定义书签。

4.图4非正常鸡蛋的无损检测系统示意图错误！

未定义书签。

5.图5鸡蛋分级图像采集装置错误！

未定义书签。

6.图6实验系统装置示意图及14个参数提取位置错误！

未定义书签。

7.图7种蛋分选的机器视觉系统错误！

未定义书签。

8.图8种蛋孵化成活性检测机器视觉系统错误！

未定义书签。

9.图9种蛋筛选机器视觉硬件系统错误！

未定义书签。

10.图10种蛋孵化成活性检测机器视觉系统结构示意图错误！

未定义书签。

11.图11针孔模型错误！

未定义书签。

12.图12空间点的选取错误！

未定义书签。

13.图13RGB三原色混合效果错误！

未定义书签。

14.图14RGB立方体错误！

未定义书签。

15.图15CMY原色的减色效果图错误！

未定义书签。

16.图16预处理前后的种蛋图像错误！

未定义书签。

17.图17蛋重与种蛋图像投影面积拟合效果错误！

未定义书签。

18.图18种蛋边界提取方法错误！

未定义书签。

19.图19八邻域边界跟踪算法错误！

未定义书签。

20.图20蛋重与种蛋投影图像周长拟合效果错误！

未定义书签。

21.图21阈值识别法流程图错误！

未定义书签。

22.图22脏斑图像分割过程错误！

未定义书签。

23.图23污斑图像分割错误！

未定义书签。

24.表1种蛋重量检测结果错误！

未定义书签。

25.表2种蛋蛋壳表面缺陷检测结果3

26.表3算法性能比较5

27.表4种蛋蛋形指数检测结果错误！

未定义书签。

28.表5种蛋蛋壳颜色检测结果错误！

未定义书签。

29.表6算法性能比较错误！

未定义书签。

缩略语表

APC（antigenpresentcell）抗原提呈细胞

CD（clusterofdifferentiationantigen）淋巴细胞分化抗原

CRD（chronicrespiratorydisease）慢性呼吸道病

CRM（cytadhesinrelatedmolecule）细胞吸附相关分子

DC（dendriticcell）树突状细胞

Dot—ELISA（Dot—enzymelinkingimmunosorbentassay）斑点酶联免疫吸附试验

dsDNA（doublestrandDNA）双链DNA

ELI（expressionlibrary）表达文库

ELISA（enzymelinkingimmunosorbentassay）酶联免疫吸附试验

HA（hemagglutination）血凝

HI（hemagglutinationinhibition）血凝抑制

IB（Internalbreast）胸腔内接种

IBDV（infectiousbursaldiseasevirus）传染性囊病病毒

IBV（infectiousbronchitisvirus）鸡传染性支气管炎病毒

IFN（interferon）干扰素

IL（intierleukin）白细胞介素

ILV（infectiouslaryngotracheitis）鸡传染性喉气管炎病毒

IM（intramuscularly）肌内注射

IP（intraperitonealinjection）腹腔内接种

IV（intravenousl）静脉注射

LEE（linarexpressionelement）线性表达元件

MDV（marek’sdiseasevirus）

注：

单位

文中的单位要用国家标准计量单位,GB3100—GB3102--93。

单位的名称可用中文，也可用符合国家标准的国际通用符号，但全文前后必须一致。

其中:

土地面积单位，可用“亩”，也可用“公顷”，“平方米”，“平方公里”但全文必须一致。

在篇眉下方加通页横线，页眉设置为2.4cm。

注意：

页面设置时，单双页要对称设置。

1引言

页码用五号黑体字。

注意：

引言开始用阿拉伯数字连续编页码，页码位于该页篇眉通页横线靠切边端的上方。

1.1机器视觉概述

机器视觉是近几十年来发展起来的一门智能技术，它主要用计算机来模拟人的视觉功能，从客观事物的图像或图像序列中提取信息，对客观世界的三维景物和物体进行形态和运动识别，目的是寻找人类视觉规律，从而开发出从图像输入到自然景物分析的图像理解系统，最终用于实际检测、测量和控制[1～3]。

引用某文献时，将该文献在参考文献中的编号用方括号括住加在引文末右上角，用五号黑体字。

机器视觉是计算机、自动化、光学、视觉学、心理学、脑研究等多学科的交叉领域，它始于20世纪70年代，是在遥感和生物医学图片分析应用技术取得卓越成果的基础上发展起来的。

随着计算机技术的飞速发展，机器视觉、模式识别、人工智能及人工神经网络等交叉学科的研究与应用已扩展到人们生产生活的各个领域，在工业检测、农业生产自动化、农产品分选、收获机器人、动植物生长状态监控、机器人导航、视觉伺服系统、军事、医学、商业、闭路电视监控系统和卫星遥感系统等领域得到了广泛的应用，并取得了重要研究成果。

机器视觉技术的诞生与应用，极大地解放了劳动生产力，提高了生产自动化水平，改善了人类生活现状，具有很好的应用前景。

机器视觉不仅是人眼的延伸，也具有人脑的部分功能，其优点是速度快、信息量大、功能多、检测精度和效率高。

借助红外线、紫外线、X射线、超声波等高新探测技术，机器视觉在探测不可视物体和高危险场景时更突显其优点。

在需要重复、单调的依靠视觉获取信息的场合，如大批量的产品品质检测、分级，机器视觉还能够达到快速、准确、无损等人工无法比拟的效果。

目前，国内外的许多研究人员已为开发应用于农产品品质识别和分级的机器视觉系统付出了不懈努力，如谷粒的表面裂纹检测、农作物种子的分级以及根据鸡蛋、黄瓜、玉米、竹笋、番茄、辣椒、苹果、桃、梨、柑橘等的大小、形状、颜色和表面损伤与缺陷进行分级，取得了不少阶段性的研究成果。

1.2研究背景和意义

禽蛋含有人体所需的蛋白质、脂肪、矿物质和多种维生素，易于消化和吸收，具有很高的营养价值，是人们日常生活中重要的动物性营养食品。

我国禽蛋资源丰富、品种多样，是世界禽蛋生产和消费大国。

伴随着中国经济体制改革开放的步伐，禽蛋业也轻舒猿臂、展翅腾飞。

据统计，1982年我国的鲜蛋产量仅281万t，1992年突破1000万t大关，1998年则达到2000万t。

2002年中国禽蛋产量增加到2462万t，之后产量连年递增，到2005年已达到2860万t[4，4]，近八年来我国禽蛋年产量一直呈增长趋势（图1）。

自1985年以来我国已连续20年保持了世界第一产蛋大国的地位，禽蛋的人均占有和消费量均超过了世界平均水平[5]，禽蛋业在我国工农业生产中扮演着重要的角色。

作为全球第一禽蛋生产大国，我国禽蛋的生产成本大大低于其它国家，因此，禽蛋业作为国内畜牧业的优势产业，开拓国际市场理应很有潜力。

20世纪90年代以后，我国鲜蛋产量虽逐年飙升，但出口量却持续下滑。

图1禽蛋年产量增长趋势

Fig.1Theannualoutputtrendofeggs

美国鲜蛋年产量虽占世界第二位（仅为我国产量的1/5），然而其出口量却占到世界出口总量的22%；荷兰、马来西亚的鲜蛋生产量并不在世界前10位之列，但其出口已分别占到世界总量的31%和7%。

他们成功的秘诀是在高效控制质量的前提下，形成了产品规格和包装统一化的市场模式。

造成中国禽蛋产业与国际市场差距的主要原因，有以下两个方面：

（1）禽蛋产品本身的质量存在问题[7]，如农药残留、微生物污染等。

我国禽蛋业生产集约化程度不高，仅占30%左右，而农村的散养比重却高达70%[4，8]。

禽舍的环境控制不力，禽蛋产后处理方式不当及大量的手工劳动污染引起的微生物污染。

（2）禽蛋检测标准未达到国际技术质量标准，缺乏严格的挑选与分级，品种混杂、质量参差不齐。

CAC、欧盟和美国均有现行的禽蛋标准，其中CAC是国际通用的标准，其制定有着较为严密的程序和规范，具有一定的先进性、广泛性和普适性，为大多数国家所承认，已被采用为禽蛋国际贸易的基本准则。

我国在禽蛋的标准制定方面相对滞后，不能适应国际禽蛋发展的要求。

注意：

上下两极标题连排，之间无其他内容时，不空行。

1.3国内外研究现状

1.3.1国外研究现状

20世纪80年代，美国率先运用机器视觉技术进行蛋品品质检测与分级的研究，并在生产中得到了广泛应用，此后日本、西班牙等国也相继开展了这方面的研究。

具有代表性的研究有：

————————————————————————————————————

注：

有页注的页，应在页注上方加通页横线，页注用小五号黑体字。

注:

AAAAA

正方形箱体的边长L可按式

（1）计算：

（1）

文中的公式要用阿拉伯数字连续编号，用圆括弧阔住置于行末。

之间不加虚线。

所设计光照箱大小为60cm×60cm×60cm，内壁表面均匀用油漆涂成白色，以形成均匀的漫反射。

箱顶部有一个4cm×4cm的方孔用于固定摄像机。

箱内顶部四角装有位置对称、上下可调的灯座，并配置合适的光源，载物台的支架位置同样可以上下调节，可实现在摄像机固定的条件下不同物距的比较，以获得最佳图像效果。

设

为三维世界坐标系中某目标点

的三维坐标，从三维世界坐标到摄像机图像齐次坐标

的变换如式

（2）：

（2）

注意：

每一标题下的内容写完后空一行，再接排下一标题。

表序用阿拉伯数字连续编号，表序与表名间空二格，置于表的上方。

用小五号黑体字。

英文表名，用小五号TimesNewRoman字

注意：

表名上方和表注的下方各空一行。

若位于页首，上面不空行。

式中：

分别为焦距f与像素点在u、

方向宽度的比值，

为图像平面不垂直光轴产生的畸变因子，

为光轴与图像平面交点坐标，

为3×3旋转矩阵，

为三维平移向量，

。

只与摄像机内部结构有关，称为摄像机内参数，

由摄像机相对于世界坐标系的方位决定，称为摄像机外参数。

3.2.5检测结果与分析

检测结果如表1所示。

表1种蛋蛋壳表面缺陷检测结果

Table.4Thedifferenttypesofdefectdetectionres