張琰

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

關(guān)鍵詞：機器視覺；孵化卵；在線監(jiān)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(jiān)測系統(tǒng)研究

孵化卵的具體發(fā)育過程受到種蛋自身質(zhì)量以及發(fā)育環(huán)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(fā)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(jiān)測系統(tǒng)的研究，不斷提高種蛋成活率的檢測效率和檢測質(zhì)量。

1 機器視覺概述

機器視覺的出現(xiàn)和發(fā)展經(jīng)歷了一個漫長的過程，其最初源于遙感和圖片在生物醫(yī)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(jīng)逐漸發(fā)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(shù)的不斷發(fā)展和成熟，機器視覺被逐漸應用到人們生產(chǎn)生活的各個領(lǐng)域，為提高生產(chǎn)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(jīng)逐漸在機器人導航、智能機器人、工業(yè)檢測和衛(wèi)星遙感系統(tǒng)以及動植物生長狀態(tài)的監(jiān)控等實現(xiàn)了深入的應用。

機器視覺在產(chǎn)品的記錄方面有著巨大的優(yōu)勢，已經(jīng)逐漸成為生產(chǎn)過程中不可或缺的重要技術(shù)。機器視覺可以對不合格的產(chǎn)品進行及時剔除，從而有效保證產(chǎn)品的質(zhì)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(shù)來完成。通過基于機器視覺的孵化卵在線監(jiān)測系統(tǒng)，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(zhì)量。

2 基于機器視覺的孵化卵在線監(jiān)測的硬件系統(tǒng)

通常情況下而言，基于機器視覺的孵化卵在線監(jiān)測的硬件系統(tǒng)主要是由攝像機、嵌入式系統(tǒng)、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(jiān)測的硬件系統(tǒng)的光照箱的頂端和正中央，嵌入式系統(tǒng)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(jiān)測的硬件系統(tǒng)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(nèi)壁通常被涂成白色，而載物平臺的背景顏色被設(shè)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(xù)的軟件系統(tǒng)對圖像信息的進一步分析和處理打下良好的基礎(chǔ)。

3 基于機器視覺的孵化卵在線監(jiān)測的圖像預處理

圖像處理是孵化卵在線監(jiān)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(jiān)測系統(tǒng)是以機器視覺為基礎(chǔ)的，因此圖像預處理的質(zhì)量直接決定著孵化卵在線監(jiān)測的準確性?；跈C器視覺的孵化卵在線監(jiān)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(qū)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(qū)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(jiān)測的圖像去噪

對于基于機器視覺的孵化卵在線監(jiān)測系統(tǒng)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(zhì)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(jiān)測的圖像增強

圖像增強主要是指通過信息和數(shù)據(jù)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(diào)，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(shù)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(nèi)部圖像的具體特征來對圖像進行適當?shù)脑鰪?，將孵化卵監(jiān)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(chǔ)。通常情況下，基于機器視覺的孵化卵在線監(jiān)測系統(tǒng)的圖像增強主要通過直方圖變換調(diào)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(jiān)測的圖像分割

圖像分割也是孵化卵在線監(jiān)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(qū)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(jiān)測的內(nèi)部圖像來說，圖像分割的質(zhì)量直接關(guān)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(jiān)測顏色特征的提取

一般情況下，種蛋的質(zhì)量和種蛋的內(nèi)部顏色有著直接的聯(lián)系，種蛋的內(nèi)部顏色是種蛋質(zhì)量的最重要品質(zhì)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(nèi)部顏色的種蛋和提高種蛋的成活率具有十分重大的現(xiàn)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(fā)現(xiàn)，HIS顏色模型更加適用于基于機器視覺的孵化卵在線監(jiān)測系統(tǒng)，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(jiān)測的軟件系統(tǒng)

4.1 人工神經(jīng)網(wǎng)絡(luò)

在基于機器視覺的孵化卵在線監(jiān)測系統(tǒng)中，人工神經(jīng)網(wǎng)絡(luò)的基本思想是重要的組成部分。人工神經(jīng)網(wǎng)絡(luò)主要是指利用工程技術(shù)方法對人腦神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)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(jīng)網(wǎng)絡(luò)在圖像的識別領(lǐng)域具有十分突出的特點，它通過神經(jīng)網(wǎng)絡(luò)的分布方式來存儲相關(guān)的信息，因而大大提高了整個網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)還具有自主學習的特點，因而使得傳統(tǒng)圖像識別所帶來的制約條件得到改善。

人工神經(jīng)網(wǎng)絡(luò)在基于機器視覺的孵化卵在線監(jiān)測的軟件系統(tǒng)的應用，使得基于機器視覺的孵化卵在線監(jiān)測的軟件系統(tǒng)的性能得到極大的優(yōu)化，提高了種蛋成活率的檢測效率和檢測質(zhì)量。人工神經(jīng)網(wǎng)絡(luò)的具體分類過程為圖像信息、圖像交換和特征提取、特征數(shù)字規(guī)格化、神經(jīng)網(wǎng)絡(luò)分類器、具體分類判決圖像分類結(jié)果。

4.2 基于機器視覺的孵化卵在線監(jiān)測的軟件系統(tǒng)結(jié)構(gòu)

基于機器視覺的孵化卵在線監(jiān)系統(tǒng)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(shè)別率。通常情況下而言，基于機器視覺的孵化卵在線監(jiān)系統(tǒng)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(tǒng)的主要結(jié)構(gòu)能夠?qū)φ麄€處理過程中提供充分的支持?；跈C器視覺的孵化卵在線監(jiān)測的軟件系統(tǒng)的具體結(jié)構(gòu)主要由采集種蛋內(nèi)部圖像、圖像預處理和特征提取、顏色特征選擇、BP神經(jīng)網(wǎng)絡(luò)及特征訓練以及利用具體的訓練結(jié)果進行成活性檢測等組成。

基于機器視覺的孵化卵在線監(jiān)測的軟件系統(tǒng)在特定的環(huán)境下對圖像進行采集，并在此基礎(chǔ)上對圖像進行必要的預處理，同時對有效的區(qū)域進行提取。然后，孵化卵在線監(jiān)測的軟件系統(tǒng)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(jù)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(zhì)量。

5 結(jié) 語

綜上所述，孵化卵的成活率除了取決于種蛋自身的質(zhì)量和品質(zhì)之外，還與孵化卵所處的具體環(huán)境有非常密切的關(guān)聯(lián)，因此，在種蛋的具體孵化過程中加強對孵化卵的在線監(jiān)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(jiān)測系統(tǒng)研究。本文對機器視覺進行了概述，然后在此基礎(chǔ)上對基于機器視覺的孵化卵在線監(jiān)測的硬件系統(tǒng)、軟件系統(tǒng)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(jiān)測系統(tǒng)的基本工作原理和操作步驟?？茖W技術(shù)的進步是沒有止境的，我們不能滿足于孵化卵在線監(jiān)測系統(tǒng)的現(xiàn)狀，而應在此基礎(chǔ)上進一步加強研究和創(chuàng)新，使孵化卵在線監(jiān)測系統(tǒng)得到進一步的突破和發(fā)展，不斷提高種蛋的成活率的檢測效率和檢測質(zhì)量。

參考文獻：

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

[2] 馬賀賀，齊亮，張茂松，等.機器視覺技術(shù)在生產(chǎn)制造智能化進程中的發(fā)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(tǒng)的設(shè)計與實現(xiàn)[J].世界科技研究與發(fā)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(shù)[J].科技創(chuàng)新與應用，2013，（32）.