本發(fā)明涉及數(shù)字圖像處理和農(nóng)產(chǎn)品檢測技術(shù)，具體說是一種基于機器視覺的禽類受精蛋的檢測方法，屬于農(nóng)畜產(chǎn)品無損檢測技術(shù)。

背景技術(shù)：

禽蛋是人類理想的天然食品，含有豐富的營養(yǎng)物質(zhì)和微量元素，是人類最好的營養(yǎng)來源之一。如每百克雞蛋含蛋白質(zhì)14.7克，其中含有人體必需的8種氨基酸，并與人體蛋白的組成極為近似，人體對雞蛋蛋白質(zhì)的吸收率可高達98％。每百克雞蛋含脂肪11～15克，主要集中在蛋黃里，也極易被人體消化吸收，蛋黃中含有豐富的卵磷脂、固醇類、蛋黃素以及鈣、磷、鐵、維生素A、維生素D及B族維生素，對增進神經(jīng)系統(tǒng)的功能大有裨益。我國人口眾多，禽蛋食用量非常大，近年來，禽蛋的產(chǎn)量一直居世界首位，而且有繼續(xù)增長的趨勢。

在家禽飼養(yǎng)行業(yè)中，種蛋的挑選至關(guān)重要，這直接關(guān)系到養(yǎng)殖的成本和經(jīng)濟效益。一般禽蛋的孵化時間是21-30天(例如雞蛋是21天，鴨蛋是28天，鵝蛋是30天)，在孵化過程中，對孵化的環(huán)境溫度、濕度條件必須有較高的要求，這就需要專業(yè)的孵化設備和管理人員的及時調(diào)整，所以，禽蛋孵化是一個耗時、耗能、耗費人力的過程。我國的種蛋受精率在86％-95％,受精蛋孵化率約90％。所以，在入孵的種蛋中，至少有10％的種蛋無法成功孵化出來，這直接會影響飼養(yǎng)場的經(jīng)濟效益。一方面，孵化過程中存在無精蛋、死胚蛋,在孵化箱內(nèi)不僅搶占了空間，浪費電能和人力,而且還會爆裂,散發(fā)出惡臭氣味,導致其中的霉菌或細菌在孵化箱中迅速繁殖感染,造成巨大損失；另一方面，若及早的將不能成功孵化的種蛋及時挑選出來，還可以作為食品進行加工，給飼養(yǎng)場帶來一部分收入。因此,在孵化過程中及時準確地剔除無精蛋和死胚蛋具有重要的意義。雖然近年來我國的畜牧業(yè)有了長足的發(fā)展，現(xiàn)在的孵化設備已經(jīng)有了自動化的控制功能，但對于無精蛋和死胚蛋的剔除工作，還是主要依靠傳統(tǒng)的人工照蛋的方法，這種方法不僅費時費力，而且對工作人員有較高的要求，需要有豐富的經(jīng)驗。因此，展開對孵化過程中種蛋的無損檢測技術(shù)研究是非常重要的，這不僅有利于我國禽類飼養(yǎng)的快速發(fā)展，同時也對我國禽類飼養(yǎng)自動化水平的提高具有重要意義。

近年來，隨著科學技術(shù)的發(fā)展，計算機技術(shù)和圖像處理技術(shù)有了長足的進步，從而使以二者為基礎的機器視覺技術(shù)日新月異，已經(jīng)廣泛地應用于社會的各個領域。目前，機器視覺技術(shù)在禽蛋檢測方面已經(jīng)取得了不少成果：[郁志宏.基于機器視覺的種蛋篩選及孵化成活性檢測研究[D].內(nèi)蒙古農(nóng)業(yè)大學博士論文,2006][潘磊慶，屠康等.基于機器視覺和神經(jīng)網(wǎng)絡檢測雞蛋裂紋的研究[J].農(nóng)業(yè)工程學報，2007,23(5)：154-158]。對于受精蛋的檢測，有的方法是基于孵化過程中蛋的RGB顏色分量，有的方法是基于蛋的輪廓參數(shù)，雖然已有相應的論文和專利，但這些方法的有效性還有待于進一步探究，而且市場上并沒有成熟的設備。因此，尋找出受精蛋孵化特性的特征對提高判斷的準確性是至關(guān)重要的。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明提供了一種基于機器視覺的禽類受精蛋的檢測方法。該方法主要是運用了機器視覺技術(shù)和數(shù)字圖像處理技術(shù)，根據(jù)受精蛋在發(fā)育過程中透光性會逐漸變?nèi)踹@個特性，實現(xiàn)受精蛋判別。這種方法減輕了工人的勞動強度，而且提高了受精蛋的檢測速率，降低了生產(chǎn)成本，這對提高我國農(nóng)產(chǎn)品檢測的自動化水平具有重要意義和應用價值。

為達到以上目的，本發(fā)明采取的技術(shù)方案是：

一種基于機器視覺的禽類受精蛋檢測方法，其特征在于，包括如下步驟：

步驟1，將待測禽蛋開始孵化；

步驟2，使用相機拍攝經(jīng)步驟1孵化一定時間的待測禽蛋發(fā)育圖片；

步驟3，將步驟2獲得的待測禽蛋發(fā)育圖片進行圖像處理，獲得待測禽蛋透光性結(jié)果；

所述待測禽蛋透光性是指待測禽蛋經(jīng)過光照之后光線的透過情況；

步驟4，根據(jù)步驟3獲得的待測禽蛋透光性結(jié)果，判斷待測禽蛋是否為受精蛋；

若判斷待測禽蛋為無精蛋，則待測禽蛋可能為無精蛋，也可能為早期死胚蛋，因為早期死胚蛋的透光性與無精蛋相似；對判斷為無精蛋的待測禽蛋應及時剔除此類禽蛋；

若判斷待測禽蛋為受精蛋，則待測禽蛋為受精蛋，還可能為透光性變?nèi)醯乃琅叩?；對判斷為受精蛋的待測禽蛋應繼續(xù)孵化。

在上述基于機器視覺的禽類受精蛋檢測方法中，步驟2中，使用相機拍攝時，如待測禽蛋為受精蛋，經(jīng)步驟1孵化一定時間的發(fā)育期為起眼期，或步驟1所述孵化一定時間的條件滿足待測禽蛋為受精蛋時發(fā)育至起眼期所需的孵化條件；

該發(fā)育期根據(jù)人工照蛋時間確定，詳見《家禽孵化與雛禽雌雄鑒別》，所述起眼期即受精蛋胚胎發(fā)育一段時間后，經(jīng)光照后可見血管呈放射狀分布，顏色鮮艷發(fā)紅，透光性減弱；而無精蛋經(jīng)光照后發(fā)亮，無血管網(wǎng)，透光性無變化。

在上述基于機器視覺的禽類受精蛋檢測方法中，當所述待測禽蛋為雞蛋時，步驟1所述孵化的條件為：溫度37.8℃，相對濕度是55％-65％，禽蛋放置方式為鈍端朝上、銳端朝下；步驟2中所述一定時間為5天；

當所述待測禽蛋為鴨蛋時，步驟1所述孵化的條件為：溫度38.0℃，相對濕度是55％-65％，禽蛋放置方式為鈍端朝上、銳端朝下；步驟2中所述一定時間為7天；

孵化的條件設定根據(jù)《家禽孵化與雛禽雌雄鑒別》，其他禽類大規(guī)模養(yǎng)殖較少，在此不做說明；

禽蛋放置方式根據(jù)受精蛋發(fā)育特性決定，禽蛋胚胎在發(fā)育時，頭部在受精蛋的鈍端部位，而且鈍端朝上的放置方式也利于受精蛋出雛。

在上述基于機器視覺的禽類受精蛋檢測方法中，步驟1所述孵化之前，包括對待測禽蛋進行表面消毒處理的步驟,以減少細菌的滋生；

所述表面消毒處理具體使用消毒液進行；

所述消毒液具體可為75％醫(yī)用酒精(即酒精和水的體積比是3∶1)或0.4g/L高錳酸鉀溶液(即高錳酸鉀和水的比例是1g：2500mL)；所述表面消毒處理在室溫(15℃—40℃)條件下進行。

在上述基于機器視覺的禽類受精蛋檢測方法中，步驟2中，所述相機為CCD相機，

和/或，所述拍攝的方式為：所述相機在待測禽蛋鈍端一側(cè)拍攝待測禽蛋；拍攝時待測禽蛋的放置方式為鈍端朝上、銳端朝下，且在待測禽蛋的銳端一側(cè)設發(fā)光光源照射待測禽蛋。

在上述基于機器視覺的禽類受精蛋檢測方法中，

所述發(fā)光光源為LED光源；

和/或，所述拍攝時排除發(fā)光光源之外的光線；

具體可使拍攝在密閉的暗箱中進行，即相機、待測禽蛋和發(fā)光光源在同一暗箱內(nèi)，排除外界光線對獲取待測禽蛋圖片時造成的干擾。

在上述基于機器視覺的禽類受精蛋檢測方法中，步驟3包括如下步驟：

步驟3.1，將步驟2獲得的待測禽蛋發(fā)育圖片進行預處理，以有效抑制噪聲；

步驟3.2，對經(jīng)預處理后的圖片進行灰度化處理，獲得灰度圖像；

步驟3.3，在灰度圖像的待測禽蛋中心區(qū)域選取感興趣區(qū)域；

步驟3.4，選取適當?shù)南袼刂?灰度值)作為閾值T，對感興趣區(qū)域進行二值化處理，獲得待測禽蛋透光性結(jié)果；

步驟3中所用圖像處理函數(shù)均為OPENCV函數(shù)庫中的函數(shù)。

在上述基于機器視覺的禽類受精蛋檢測方法中，步驟3.1中，預處理為中值濾波預處理；其基本原理是把數(shù)字圖像或數(shù)字序列中一點的像素值用該點的一個鄰域中各點的像素值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點，函數(shù)窗可選擇3×3、5×5等奇數(shù)。

在上述基于機器視覺的禽類受精蛋檢測方法中，步驟3.4中，二值化處理的方法為：將灰度圖像中的感興趣區(qū)域中像素點大于閾值T的像素值變?yōu)?55，即白色像素點；將灰度圖像中的感興趣區(qū)域中像素點小于閾值T的像素值變?yōu)?，即黑色像素點。

在上述基于機器視覺的禽類受精蛋檢測方法中，步驟3.4中，閾值T的選取方法為：

選取與待測禽蛋品種相同的禽蛋樣本，按照與待測禽蛋相同的方法獲得該樣本中各受精蛋和無精蛋個體灰度圖像中的感興趣區(qū)域及其中所有像素點的像素值，得到區(qū)分受精蛋和無精蛋的適當?shù)南袼刂?灰度值)，即作為閾值T。

在上述基于機器視覺的禽類受精蛋檢測方法中，步驟4包括如下步驟：

步驟4.1，獲得感興趣區(qū)域內(nèi)黑色像素點個數(shù)n；

步驟4.2，設定判別閾值N；

步驟4.3，將黑色像素點個數(shù)n和判別閾值N進行比較，若黑色像素點個數(shù)n大于判別閾值N，則判斷待測禽蛋為受精蛋。

在上述基于機器視覺的禽類受精蛋檢測方法中，判別閾值N的設定方法為：統(tǒng)計與待測禽蛋品種相同的禽蛋樣本中各受精蛋和無精蛋個體的感興趣區(qū)域內(nèi)黑色像素點個數(shù)n，得到區(qū)分受精蛋和無精蛋的適當?shù)膎值，作為判別閾值N。

在上述基于機器視覺的禽類受精蛋檢測方法中，所述待測禽蛋的蛋殼顏色為白色。

本發(fā)明的有益效果如下：

本發(fā)明所述的基于機器視覺的禽類受精蛋檢測方法，是在禽蛋發(fā)育一段時間后，使用CCD相機獲取待測禽蛋發(fā)育圖像，然后用數(shù)字圖像處理算法提取待測禽蛋發(fā)育圖像中感興趣區(qū)域內(nèi)的透光性結(jié)果，根據(jù)透光性結(jié)果，判斷待測禽蛋為受精蛋還是無精蛋，與計算機結(jié)合，具有檢測效率和準確性高的優(yōu)點。本發(fā)明在取代傳統(tǒng)的人工照蛋，減輕工人勞動強度，實現(xiàn)禽類受精蛋檢測的自動化和產(chǎn)業(yè)化等方面，具有重要意義和應用價值。

附圖說明

本發(fā)明有如下附圖：

圖1為本發(fā)明使用的檢測裝置結(jié)構(gòu)示意圖。

圖2為實施例1透光性特征處理流程圖。

具體實施方式

下面將結(jié)合說明書附圖，對本發(fā)明做進一步說明。

本發(fā)明所提供的是一種基于機器視覺的禽類受精蛋的檢測方法，基本原理是基于禽類受精蛋在發(fā)育過程中透光性減弱這個特性，目前，該檢測方法只能把待測禽蛋鑒別為受精蛋或無精蛋，對于孵化過程中出現(xiàn)的死胚蛋問題，處理結(jié)果是：早期死胚蛋(透光性和無精蛋相似)判斷為無精蛋，其它死胚蛋(透光性已變?nèi)?判斷為受精蛋。該檢測方法包括如下步驟：

步驟1，將待測禽蛋開始孵化；

步驟2，獲取經(jīng)步驟1孵化一定時間的待測禽蛋發(fā)育圖片；

步驟3，將步驟2獲得待測禽蛋發(fā)育圖片進行圖像處理，獲得待測禽蛋透光性結(jié)果；

步驟4，根據(jù)步驟3獲得的待測禽蛋透光性結(jié)果，判斷待測禽蛋是否為受精蛋；

所述待測禽蛋透光性是指待測禽蛋經(jīng)過光照之后光線的透過情況。

在上述技術(shù)方案的基礎上，步驟1的具體步驟為：

步驟1.1，在室溫下對待測禽蛋用消毒液進行表面消毒處理，以減少細菌的滋生；

步驟1.2，將待測禽蛋以鈍端朝上、銳端朝下的方式放進孵化箱內(nèi)；

步驟1.3，設置孵化溫度和相對濕度，開始孵化。

步驟1主要是為了獲得合格的檢測樣品，樣品的制備至關(guān)重要，孵化的重要參數(shù)都是按照《家禽孵化與雛禽雌雄鑒別》進行設定。

在上述技術(shù)方案的基礎上，步驟1.1中，所述室溫指溫度為15℃—40℃。

在上述技術(shù)方案的基礎上，步驟1.1中，所述消毒液為75％醫(yī)用酒精或0.4g/L高錳酸鉀溶液；

75％醫(yī)用酒精中酒精和水的體積比是3∶1，0.4g/L高錳酸鉀溶液中高錳酸鉀和水的比例是1g：2500mL。

在上述技術(shù)方案的基礎上，步驟1.2中，鈍端朝上、銳端朝下的放置方式是根據(jù)受精蛋發(fā)育特性決定；禽蛋胚胎在發(fā)育時，頭部在受精蛋的鈍端部位，而且鈍端朝上的放置方式也利于受精蛋出雛。

在上述技術(shù)方案的基礎上，步驟1.3中，不同的禽蛋的孵化溫度和相對濕度不同；雞蛋的孵化溫度為37.8℃，相對濕度是55％-65％；鴨蛋的孵化溫度是38.0℃，相對濕度是55％-65％；參數(shù)設定根據(jù)《家禽孵化與雛禽雌雄鑒別》，其他禽類大規(guī)模養(yǎng)殖較少，在此不做說明。

在上述技術(shù)方案的基礎上，步驟2的具體步驟為：

步驟2.1，將經(jīng)步驟1孵化一定時間的待測禽蛋放到檢測暗箱1的檢測臺5上；

步驟2.2，關(guān)閉檢測暗箱，拍攝圖片。

在上述技術(shù)方案的基礎上，步驟2.1中，檢測暗箱是一個密閉的箱體，排除外界光線對獲取待測禽蛋圖片時造成的干擾。

在上述技術(shù)方案的基礎上，步驟2.1中，不同禽蛋的檢測時間(即步驟1孵化一定時間)不同，雞蛋的檢測時間是5天，鴨蛋的檢測時間是7天；檢測時間是根據(jù)人工照蛋時間確定，詳見《家禽孵化與雛禽雌雄鑒別》，受精蛋胚胎發(fā)育一段時間后，血管呈放射狀分布，顏色鮮艷發(fā)紅(即起眼期)，透光性減弱；無精蛋發(fā)亮，無血管網(wǎng)，透光性無變化。其他禽類大規(guī)模養(yǎng)殖較少，在此不做說明。

在上述技術(shù)方案的基礎上，步驟2.1中，檢測臺5中間有通孔10，是放置待測禽蛋的地方，待測禽蛋下方為光源3，待測禽蛋上方為CCD相機7，裝置結(jié)構(gòu)示意圖如圖1所示。

在上述技術(shù)方案的基礎上，步驟3的具體步驟為：

步驟3.1，將步驟2獲得待測禽蛋發(fā)育圖片進行預處理；

步驟3.2，對經(jīng)預處理后的圖片進行灰度化處理；

步驟3.3，在待測禽蛋中心區(qū)域選取感興趣區(qū)域；

步驟3.4，對感興趣區(qū)域進行二值化處理；

在步驟3中所用圖像處理函數(shù)均為OPENCV函數(shù)庫中的函數(shù)。

在上述技術(shù)方案的基礎上，步驟3.1中，圖片預處理是指中值濾波預處理，中值濾波是能有效抑制噪聲，其基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點，函數(shù)窗可選擇3×3、5×5等奇數(shù)。

在上述技術(shù)方案的基礎上，步驟3.2中，對圖像進行灰度化處理是指將彩色圖像轉(zhuǎn)化成為灰度圖像。將三通道的彩色圖像轉(zhuǎn)化成單通道的灰度圖像可以在后期圖像處理中大大減少圖像的計算量，而且灰度圖像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的亮度等級的分布和特征。

在上述技術(shù)方案的基礎上，步驟3.3中，感興趣區(qū)域(Regions of Interest簡稱ROI)即圖像中最能引起用戶興趣，最能表現(xiàn)圖像內(nèi)容的區(qū)域，如能提取出這些區(qū)域?qū)蟠筇岣邎D像處理和分析的效率和準確度。

在上述技術(shù)方案的基礎上，步驟3.4中，圖像的二值化處理就是將圖像上的點的像素值為0或255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果。即將256個亮度等級(0-255)的灰度圖像通過適當?shù)拈撝颠x取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。所有像素值度大于或等于閾值T的像素點被判定為屬于特定物體，其像素值變?yōu)?55，否則這些像素點被排除在物體區(qū)域以外，像素值為0，表示背景或者例外的物體區(qū)域。

在上述技術(shù)方案的基礎上，步驟4的具體步驟為：

步驟4.1，獲得感興趣區(qū)域內(nèi)黑色像素點的個數(shù)n；

步驟4.2，設定判別閾值N；

步驟4.3，將黑色像素點個數(shù)n和判別閾值N進行比較，黑色像素點個數(shù)n大于判別閾值N，則判斷為受精蛋；

在上述技術(shù)方案的基礎上，步驟4.1中，遍歷感興趣區(qū)域內(nèi)的每個像素，判斷每個像素的數(shù)值，數(shù)值為0是黑色像素點，數(shù)值為255是白色像素點，記錄黑色像素點的個數(shù)n。

在上述技術(shù)方案的基礎上，步驟4.2中，判別閾值N是區(qū)分受精蛋和無精蛋的值。

在上述技術(shù)方案的基礎上，步驟4.3中，對步驟4.1中得到的黑色像素點的個數(shù)n與步驟4.2中得到的判別閾值N進行比較，黑色像素點個數(shù)n大于判別閾值N，則判斷為受精蛋，否則，判斷為無精蛋。

本發(fā)明是基于機器視覺的禽類受精蛋檢測方法，因為圖像處理時蛋殼顏色會影響待測禽蛋的透光性，所以該方法更適用于白殼禽蛋。

實施例1、基于機器視覺的鴨受精蛋檢測方法

本實施例所用的待測禽蛋為櫻桃谷鴨蛋(蛋殼顏色為白色)。

如圖2所示，具體檢測方法如下：

步驟1，將待測禽蛋開始孵化：

步驟1.1，在室溫(15℃—40℃)下對待測禽蛋用75％醫(yī)用酒精進行表面消毒處理；

步驟1.2，將待測禽蛋以鈍端朝上、銳端朝下的方式放進孵化箱內(nèi)；

步驟1.3，在孵化溫度38.0℃和相對濕度55％-65％條件下，開始孵化。

步驟2，獲取經(jīng)步驟1孵化7天的待測禽蛋發(fā)育圖片：

此時受精蛋胚胎經(jīng)光照后可見血管呈放射狀分布，顏色鮮艷發(fā)紅(起眼期)，透光性減弱；而無精蛋經(jīng)光照后發(fā)亮，無血管網(wǎng)，透光性無變化；

使用圖1所示的檢測裝置進行，該裝置包括：檢測暗箱1，檢測暗箱1為一個密閉的箱體，檢測暗箱1內(nèi)設檢測臺5，檢測臺5中間設通孔10，通孔10旁設溫度傳感器2，溫度傳感器2與單片機8相連，在通孔10正上方設CCD相機7，在通孔10正下方設光源3，光源3下方設散熱風扇4，CCD相機7與計算機9相連；

其中，CCD相機7的型號MER-200-14GC，像素200萬，分辨率1628×1236，幀率14fps，來自于大恒圖像；

光源3為定制LED面光源，色溫為6000K，尺寸為360mm×500mm，功率為132W；

具體操作如下：

步驟2.1，將待測禽蛋6以鈍端朝上、銳端朝下的方式放到檢測暗箱1的檢測臺5上的通孔10處；檢測暗箱1是一個密閉的箱體，排除外界光線對獲取待測禽蛋圖片時造成的干擾；

步驟2.2，關(guān)閉檢測暗箱1，打開光源3，向待測禽蛋發(fā)射出透射光線，使用CCD相機7拍攝待測禽蛋，采集待測禽蛋的透光圖像，獲得待測禽蛋的圖像信號，然后轉(zhuǎn)化成數(shù)字信號傳給計算機9，并將圖像保存，即待測禽蛋發(fā)育圖片；

溫度傳感器2和散熱風扇4用于控制待測禽蛋附近的溫度保持在38℃。

步驟3，將步驟2獲得的待測禽蛋發(fā)育圖片進行圖像處理，獲得待測禽蛋透光性結(jié)果；圖像處理所用函數(shù)均為OPENCV函數(shù)庫中的函數(shù)，具體如下：

步驟3.1，將步驟2獲得的待測禽蛋發(fā)育圖片進行預處理；

所述預處理是指中值濾波預處理，中值濾波函數(shù)是medianBlur(src,dst,3)，其中，src是指原始圖像，dst是指轉(zhuǎn)化后圖像，3代表選取的是3×3函數(shù)窗，中值濾波預處理能夠在抑制噪聲的同時減少處理時間；

步驟3.2，對經(jīng)預處理后的圖片進行灰度化處理，獲得灰度圖像；

所述灰度化處理是指將彩色圖像轉(zhuǎn)化成為灰度圖像，將三通道的彩色圖像轉(zhuǎn)化成單通道的灰度圖像可以在后期圖像處理中大大減少圖像的計算量，灰度化處理函數(shù)是CvtColor(src，dst)，其中，src是指彩色圖像，dst是指灰度圖像；

步驟3.3，在灰度圖像的待測禽蛋中心區(qū)域選取感興趣區(qū)域；

選取像素面積為300×300的矩形區(qū)域作為感興趣區(qū)域，該區(qū)域要在待測禽蛋的中心選取，盡量包含待測禽蛋的圖像信息；

步驟3.4，選取適當?shù)南袼刂底鳛殚撝礣，對感興趣區(qū)域進行二值化處理；獲得待測禽蛋透光性結(jié)果：

二值化處理就是將灰度圖像上點的像素值變?yōu)?或255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果，二值化處理分為全局二值化和自適應二值化，此處采用的是全局二值化處理函數(shù)threshold(src,dst,thresh,maxval,type)，其中，src是指灰度圖像，dst是指二值化圖像，thresh是閾值T的具體值，maxval取值為255，type取值為0(0:THRESH_BINARY當前點值大于閾值時，取Maxval,也就是第四個參數(shù)，否則設置為0)；

閾值T的范圍是0-255，本實施例對鴨蛋灰度圖像進行二值化處理，選取閾值T＝200。該閾值T的取值方法如下：

從待測禽蛋中隨機取100個待測禽蛋作為已知樣本(其中80個經(jīng)傳統(tǒng)人工照蛋判別為受精蛋，20個經(jīng)傳統(tǒng)人工照蛋判別為無精蛋)按照上述步驟得到的感興趣區(qū)域進行逐點掃描，求出每個點的像素值，通過分析發(fā)現(xiàn)，受精蛋圖像中每個點的像素值一般都在150以下，而無精蛋的每個點的像素值一般都在220以上，所以，在150-220之間的像素值中取一個數(shù)值就可以作為閾值，對于受精蛋來說，每個點的灰度值一般都小于閾值，二值化后大部分是0，即為黑色像素點，當然也有白色像素點，但是比較少，對于無精蛋來說，每個點的灰度值一般都大于閾值，二值化后大部分是255，即為白色像素點。閾值T的取值越大，越容易判斷為受精蛋，為了盡可能減少對受精蛋的判斷錯誤，本實施例選取閾值T＝200；

遍歷感興趣區(qū)域內(nèi)的每個點的像素值，判斷每個點的像素值的二值化處理后的數(shù)值，若像素值大于閾值T，則該點的數(shù)值為255，是白色像素點，若像素值小于或等于閾值T，則該點的數(shù)值為0，是黑色像素點；記錄黑色像素點的個數(shù)n。

步驟4，根據(jù)步驟3獲得的待測禽蛋透光性結(jié)果，判斷待測禽蛋是否為受精蛋：

步驟4.1，獲得感興趣區(qū)域內(nèi)黑色像素點的個數(shù)n：

遍歷感興趣區(qū)域內(nèi)的每個像素，判斷每個像素的數(shù)值，數(shù)值為0是黑色像素點，數(shù)值為255是白色像素點，記錄黑色像素點的個數(shù)n；

步驟4.2，設定判別閾值N；

判別閾值N是區(qū)分受精蛋和無精蛋的值，設判別閾值N＝2100，N的值是在大批量圖像處理的基礎上取得的：對步驟3.4中100個已知樣本的二值化處理結(jié)果進行分析，受精蛋的黑色像素點的個數(shù)n幾乎都大于3000，而非受精蛋的黑色像素點的個數(shù)n幾乎都小于1000，即判別閾值N在1000-3000內(nèi)取值都是可以的，本實施例中判別閾值N選取了2100，避免一些特殊情況時判斷錯誤；

步驟4.3，將待測禽蛋的黑色像素點的個數(shù)n和判別閾值N進行比較，當n大于N時，則判斷待測禽蛋為受精蛋，繼續(xù)孵化；當n小于或等于N時，則判斷待測禽蛋為無精蛋，及時剔除。

閾值T和判別閾值N的取值和待測禽蛋的種類、蛋殼顏色、檢測環(huán)境和檢測方法有直接關(guān)系，當待測禽蛋或檢測環(huán)境以及檢測方法發(fā)生改變，閾值T和判別閾值N都會發(fā)生改變，即閾值T和判別閾值N的取值只適用于特定檢測禽蛋在特定環(huán)境和方法下的檢測。

對于檢測某種禽蛋(雞蛋或鴨蛋及其品種確定)，檢測環(huán)境和方法不發(fā)生改變，閾值T和判別閾值N的取值只需設置一次，就可以重復檢測這種禽蛋，不需要每次檢測都重新確定。

結(jié)果：待測禽蛋共300枚櫻桃谷鴨蛋，經(jīng)上述方法檢測為受精蛋的有285枚，無精蛋為15枚，傳統(tǒng)人工照蛋判別為受精蛋的有288枚，無精蛋為12枚，與傳統(tǒng)人工照蛋方法相比，檢測準確率為98.96％。

實施例2、基于機器視覺的雞受精蛋檢測方法

本實施例所用的待測禽蛋為農(nóng)大五號雞蛋(蛋殼顏色為白色)。

按照實施例1的檢測方法進行，系統(tǒng)硬件不變，但檢測參數(shù)做如下改變：

步驟1.1，在室溫(15℃—40℃)下對待測禽蛋用0.4g/L高錳酸鉀溶液進行表面消毒處理；

步驟1.3，在孵化溫度37.8℃和相對濕度55％-65％條件下，開始孵化；

步驟2，獲取經(jīng)步驟1孵化5天的待測禽蛋發(fā)育圖片；此時受精蛋胚胎經(jīng)光照后可見血管呈放射狀分布，顏色鮮艷發(fā)紅(即起眼期)，透光性減弱；而無精蛋經(jīng)光照后發(fā)亮，無血管網(wǎng)，透光性無變化；

步驟3中，閾值T＝220，

步驟4中，判別閾值N＝2300。

結(jié)果：待測禽蛋共200枚農(nóng)大五號雞蛋，經(jīng)上述方法檢測為受精蛋的有180枚，無精蛋為20枚，傳統(tǒng)人工照蛋判別為受精蛋的有185枚，無精蛋為15枚，與傳統(tǒng)人工照蛋方法相比，檢測準確率為97.30％。

本說明書中未作詳細描述的內(nèi)容屬于本領域?qū)I(yè)技術(shù)人員公知的現(xiàn)有技術(shù)。