(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210671004.7 (22)申请日 2022.06.14 (71)申请人 华中农业大 学 地址 430070 湖北省武汉市洪山区狮子山 街1号 (72)发明人 祝志慧　叶子凡　马美湖　何昱廷　 (74)专利代理 机构 宜昌市三峡专利事务所 42103 专利代理师 王玉芳 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G01N 21/84(2006.01)G01N 21/359(2014.01) G01N 21/3563(2014.01) G01N 21/25(2006.01) A01K 43/00(2006.01) (54)发明名称 一种基于RF-DS图谱信息融合的孵化早期鸡 胚蛋性别无损检测方法 (57)摘要 本发明公开了一种基于RF ‑DS图谱信息融合 的孵化早期鸡胚蛋性别无损检测方法。 利用机器 视觉和光谱仪分别采集孵化期d4水平横放的胚 蛋信息， 在对胚蛋图像和光谱预处理的基础上， 提取图像纹理特征和光谱特征， 再分别以2类单 特征的RF分类结果作为独立证据构造基本概率 分配函数(BPA)， 运用D ‑S证据理论进行决策级融 合， 根据分类判决门限给出最终的识别结果。 试 验结果表明， 图像和光谱 单特征RF模型准确率最 高分别达到 78.00%和82.6 7%， 多特征决策融合识 别方法准确率达到88.00%， 其中雌雄识别率分别 达到90.00%和86.25%， 单个鸡蛋的判别用时为 2.843s。 结果表明， 该光谱 ‑图像信息融合方法可 以提高孵化 早期胚蛋雌雄识别准确率。 权利要求书2页 说明书10页 附图4页 CN 115187514 A 2022.10.14 CN 115187514 A 1.一种基于RF ‑DS图谱信息 融合的孵化早期鸡胚蛋性别无损检测方法， 其特征在于， 所 述方法包括以下步骤： S1： 选用样本鸡蛋， 对样本鸡蛋擦洗消毒、 干燥、 编号并入孵； S2： 采用胚蛋孵化信息图谱 采集系统对鸡胚蛋光谱和图像数据采集： S3： 数据处理及模型建立： 对鸡胚蛋光谱和图像数据数据预处理、 特征提取及模型建 立； S4： 光谱‑图像信息融合建模， 用于后续孵化 早期鸡胚蛋性别无损检测。 2.根据权利要求1所述基于RF ‑DS图谱信 息融合的孵化早期鸡胚 蛋性别无损检测方法， 其特征在于， 所述步骤S1中： 用4 ‑5.5％苯扎溴铵溶液对样本鸡蛋擦洗消毒， 待自然风干后 在鸡蛋表面进行编号并入孵 。 3.根据权利要求1所述基于RF ‑DS图谱信 息融合的孵化早期鸡胚 蛋性别无损检测方法， 其特征在于， 所述步骤S 1中： 样本鸡蛋中， 蛋重49.82～69.72g， 长轴53.13～61.81mm， 短轴 40.03～51.87m m， 蛋形指数(长轴/短轴)1.10～1.45 。 4.根据权利要求1所述基于RF ‑DS图谱信 息融合的孵化早期鸡胚 蛋性别无损检测方法， 其特征在于， 所述步骤S2中： 胚蛋孵化信息图谱采集系统由可见 ‑近红外透射光谱检测系统 和图像检测系统两部 分构成， 其中， 图像检测系统的光源通过光源试验对比不同色温LED的 照蛋效果确定 。 5.根据权利要求1所述基于RF ‑DS图谱信 息融合的孵化早期鸡胚 蛋性别无损检测方法， 其特征在于， 所述 步骤S2中： 采集过程中， 光谱仪积分时间设置为450 ‑550ms， 平均次数和平滑度分别设置为2 ‑4和 4‑6， 最终采集的光谱有效波 段范围为400 ‑900nm； 调整相机焦距、 光圈大小、 物距， 将工业相 机软件的 曝光参数设定为70 ‑90ms。 6.根据权利要求1所述基于RF ‑DS图谱信 息融合的孵化早期鸡胚 蛋性别无损检测方法， 其特征在于， 所述步骤S 3中： 孵化期d4 天， 鸡蛋横放的进 行鸡胚蛋光谱和图像数据作为后续 处理数据。 7.根据权利要求1所述基于RF ‑DS图谱信 息融合的孵化早期鸡胚 蛋性别无损检测方法， 其特征在于， 所述 步骤S3中： S3.1.1鸡胚蛋光谱预处 理方法采用归一 化处理； S3.1.2光谱特征提取： 使用CA RS算法对归一化后光谱进行特征筛选， 重 复筛选10次， 选 出了出现次数最高的4维特征波长， 分别是587.14nm， 588.04nm， 588.49nm， 589.39nm； 使用 SPA算法筛选归一化后的胚蛋光谱， 确定12个筛选特征波长， 分别为521.79nm， 526.76nm， 566.02nm， 593.87nm， 607.76nm， 620.73nm， 631.45nm， 688.79nm， 784.2nm， 802.95nm， 830.32nm， 835.08nm； 使用血值法从原始光谱中提取包含雌雄显著差异的光谱血值特征， 分 别为T575.02/T596.12， T575.02/T598.36和T575.02 /T610.00， 其中， T5 75.02/T596.12代表 575.02nm波段透射 率与596.12nm波段透射 率的比值； S3.1.3利用筛 选出的特 征变量分别建立RF模型， 并对参数进行优化。 8.根据权利要求1所述基于RF ‑DS图谱信 息融合的孵化早期鸡胚 蛋性别无损检测方法， 其特征在于， 所述 步骤S3中， 图像数据预处 理具体包括以下步骤：权　利　要　求　书 1/2 页 2 CN 115187514 A 2S3.2.1首 先利用最小外 接矩形或其 他方法提取 出感兴趣区域， 分离出G 分量； S3.2.2通过减顶帽去除胚蛋图像上的亮斑和划痕； 利用限制对比度的自适应灰度直方 图均衡化算法增强纹理特征； 使用大津法阈值分割提取出胚胎中心部分； 通过减顶帽和黑 帽进一步突出血管纹理， 通过闭操作和腐蚀操作对血管像素进行修补， 再使用大津法提取 出胚胎的血 管部分； S3.2.3利用图像 “或”操作拼接胚胎的中心和血管部分， 利用图像 “与”操作将降噪后图 像映射到提取的胚胎区域， 获得了 完整、 纹路分明的胚胎血 管形态图。 9.根据权利要求1所述基于RF ‑DS图谱信 息融合的孵化早期鸡胚 蛋性别无损检测方法， 其特征在于， 所述 步骤S3中， 纹理特征提取及模型建立具体包括： S3.3.1从步骤S3.2.3得到的胚胎血 管形态图中提取 出图像纹 理特征变量； S3.3.2对图像纹 理特征变量归一 化处理后划分样本集， 建立图像RF模型； S3.3.3对RF模型进行参数优化。 10.根据权利要求1所述基于RF ‑DS图谱信息融合的孵化早期鸡胚蛋性别无损检测方 法， 其特征在于， 所述 步骤S4中： 光谱 ‑图像信息融合建模具体操作为： S4.1分别建立光谱和图像单一特征的RF模型， 获得两种模型对雌、 雄胚蛋的识别率， 假 设模型i对类别j的识别率表示 为Pij； S4.2光谱和图像BPA函数构造： 用Rij表示光谱或图像模型i对类别j样本的识别结果， j 取值0或1， 对应雌性或雄性， 假设模型预测结果正确， 则Rij＝1， 否则Rij＝0； 利用全概率公 式表示各模型对预测结果为类别j的支持度： mij＝Pij×Rij+(1‑Pij)×(1‑Rij)， m也叫BPA函 数； 每种模型的BPA函数对可能发生事件的支持度之和为1， 即： mi0+mi1＝1； 由此可以对BPA 函数进行归一化： 其中， Pij为模型i对类别j的识别率， Rij为模型i对类别j 样本的识别结果； S4.3 D‑S决策级融合和决策规则： 融合模型对预测结果为类别j的支持度也叫联合信 度， 用Mj表示； 计算公式为： Mj＝mij·mlj/K， 其中， mij和mlj分别为光谱和图像模型对预测结 果为类别j的支持度， K代 表不同模型 给出冲突预测的概 率之和， 决策规则如下： 设事件Ai和Aj代表融合模型预测胚蛋为类别i和j， i和j取值0 或1， 且i≠ j， 若事件Ai满足： m(Ai)＞m(Aj)， 且 使得m(Ai)＞ε1且m(Ai)‑m(Aj)＞ε2， 其中， ε1, ε2为人为设定的阈值， 则融合模型的最终决策结果为Ai； 若未能满足上述条件， 则决策结果 判定为雌性， 以避免将雌性蛋错判为 雄性蛋造成的损失。权　利　要　求　书 2/2 页 3 CN 115187514 A 3