基于RF-DS图谱信息融合的孵化早期鸡胚蛋性别无损检测   总被引：1，自引：1，他引：0       下载免费PDF全文

祝志慧  叶子凡  何昱廷  杨凯  王巧华  马美湖 《农业工程学报》2022,38(18):308-315

针对图像或光谱单一信息检测孵化早期胚蛋性别识别率不高的问题，该研究提出一种随机森林（Random Forest，RF）和证据理论（Dempster-Shafer，D-S）的图谱信息融合的无损检测方法。利用机器视觉和光谱仪分别采集孵化期第4天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，运用D-S证据理论进行决策级融合，根据分类判决门限得出最终的识别结果。试验结果表明，图像和光谱单特征RF模型识别准确率最高分别达78.00%和82.67%，多特征决策融合识别法准确率达到88.00%，其中雌雄识别率分别达到90.00%和86.25%，单个鸡蛋的平均判别用时为2.843 s。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。  相似文献   

基于小波变换和BP神经网络的蛋壳破损检   总被引：1，自引：0，他引：1  

彭辉  文友先  王巧华  王树才  吴兰兰 《农业机械学报》2009,40(2):170-174

提出了一种基于多层小波变换和纹理分析的蛋壳破损检测方法。该方法对获取的鸡蛋透射图像G分量在不同水平上进行小波分解，计算和分析各水平高频细节子图像的纹理特征参数，实验确定最有效的8个特征参数作为BP网络输入，建立结构为8—20—2的BP神经网络蛋壳破损分类模型。实验表明，该方法对无破损蛋、线状破损蛋、网状破损蛋和点状破损蛋的判别正确率分别为95%、90%、95%、80%，平均识别率为  相似文献