[发明专利]一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置在审
申请号: | 201910877457.3 | 申请日: | 2019-09-17 |
公开(公告)号: | CN110751178A | 公开(公告)日: | 2020-02-04 |
发明(设计)人: | 王茗祎;吴淋昌;曾亚光;韩定安 | 申请(专利权)人: | 佛山科学技术学院 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/46;G06T7/13;G06T7/62 |
代理公司: | 44205 广州嘉权专利商标事务所有限公司 | 代理人: | 蔡伟杰 |
地址: | 528000 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 蛋形 鸡蛋 特征参数 小头端 轮廓图像 中心点 长轴 短轴 胚胎性别鉴定 人工智能模型 特征参数计算 方法和装置 重心偏移量 处理模块 非侵入式 鉴定模块 交点定义 特征向量 性别鉴定 特征度 拍摄 胚胎 孵化 生产 | ||
本发明公开了一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置,方法包括:拍摄鸡蛋的轮廓图像;从轮廓图像中获取长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt,其中,将长轴Lx和短轴Ly的交点定义为蛋形中心点,鸡蛋小头端到蛋形中心点的距离定义为小头端距离Lxt;计算蛋形的特征参数,特征参数包括:蛋形特征度EI、细长度FL和重心偏移量CD,其中,EI=Lx/Ly、FL=S/Ly和CD=Lxt/Lx;将特征参数制成特征向量并输入事先已经训练好的人工智能模型中,得到鸡蛋胚胎的性别鉴定结果。装置包括:拍摄头、处理模块、特征参数计算模块和鉴定模块。利用这种非侵入式的方法和装置,相对于现有技术来讲更加友好,不会影响到鸡蛋的孵化。本发明主要用于鸡蛋生产之中。
技术领域
本发明涉及生物技术领域,特别涉及一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置。
背景技术
在家禽的养殖行业例如鸡中,养殖的主要目的是食用和生产鸡蛋。在食用鸡的饲养方面,由于雌鸡和雄鸡的成长周期不同,对其分开进行养殖能节约饲养成本。另外,生产鸡蛋需要的是雌鸡,因此养殖场会有大量的日龄雄鸡被杀死。这不仅降低了养殖经济效益,还存在道德伦理问题。
为解决上述问题,现有的技术以用于鉴定鸡早期胚胎性别的PCR扩增引物的方法[CN102181521A]为例。该方法需要从鸡蛋胚胎明区抽取胚盘细胞,然后通过PCR技术扩增用于雌性特异性鉴定的染色体片段和核糖体基因片段,再通过琼脂糖凝胶电泳检测PCR扩增产物,根据带型判断性别。另外,以一种基于尿囊液中雌激素含量对鸡蛋胚胎性别进行鉴定的方法[CN105191831C]为例。该方法通过测量鸡蛋胚胎内的尿囊液中雌二醇E2含量和雌激素硫酸盐E1含量来鉴别鸡蛋胚胎的性别。
上述两种方法均属于侵入式,即都需要先破坏蛋壳然后从胚胎中提取相应的物质进行检测。这种做法都不利于鸡蛋胚胎的后续发育,从而会影响鸡蛋的孵化率。
发明内容
本发明的目的是提供一种非侵入式的鸡蛋胚胎性别鉴定的方法及装置。
本发明解决其技术问题的解决方案是:一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法,包括:
步骤1、拍摄鸡蛋的轮廓图像;
步骤2、从所述轮廓图像中获取长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt,其中,将所述长轴Lx和短轴Ly的交点定义为蛋形中心点,鸡蛋小头端到蛋形中心点的距离定义为小头端距离Lxt;
步骤3、计算蛋形的特征参数,所述特征参数包括:蛋形特征度EI、细长度FL和重心偏移量CD,其中,EI=Lx/Ly、FL=S/Ly和CD=Lxt/Lx;
步骤4、将所述特征参数制成特征向量并输入事先已经训练好的人工智能模型中,得到鸡蛋胚胎的性别鉴定结果。
进一步,在所述步骤2中,长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt的获取方法包括:
步骤21、对所述轮廓图像进行二值化处理,得到二值化图像;
步骤22、对所述二值化图像进行边缘提取操作,得到边缘图像;
步骤23、从边缘图像中得到长轴Lx和短轴Ly;
步骤24、对边缘图像进行填充,得到填充图像;
步骤25、从填充图像中得到蛋形面积S;
步骤26、根据长轴Lx和短轴Ly得到小头端距离Lxt。
进一步,所述人工智能模型是通过支持向量机模型,利用监督学习方式对样本数据进行二元化分类,通过大数据训练而成。
一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置,包括:
拍摄头,用于拍摄鸡蛋的轮廓图像;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佛山科学技术学院,未经佛山科学技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910877457.3/2.html,转载请声明来源钻瓜专利网。
- 上一篇:分类模型的训练方法、预测方法及装置
- 下一篇:超声设备