论文部分内容阅读
本文主要研究基于支持向量机的禽蛋胚体模式识别系统，根据模式识别系统理论和分析模式识别系统的构成，确定鸡蛋胚体模式识别系统的主要研究内容。构建基于机器视觉的图像采集系统获取鸡蛋胚体图像，运用Visual C++软件编写图像处理程序，根据支持向量机算法设计合适的分类器。将机器视觉系统与图像检测技术相结合，机器学习算法与模式识别理论相结合，实现鸡蛋胚体的自动在线检测。依据机器视觉系统设计并搭建图像采集平台，选择合适的LED光源和CCD工业相机，获取鸡蛋胚体内部图像，利用PLC控制鸡蛋胚体的传送和工业相机的移动，选用研华科技610L型工控机负责相机的拍照、图像存储和图像处理，以及同PLC之间的通讯，同时实现人机交互，完成鸡蛋胚体图像的自动采集。对采集到的鸡蛋胚体图像进行分析和处理，运用图像平滑和图像增强消除图像中的噪声干扰，并突出图像中的特征信息；然后通过信息显示模块，观察并统计血管和黑块特征区域的信息量，同时分析生成的R、G、B各分量颜色直方图信息和灰度直方图信息，通过阈值分割提取鸡蛋胚体图像中的血管和黑块等主要特征。根据鸡蛋胚体分类器的设计原理，引入支持向量机算法。在LIBSVM工具包下根据鸡蛋胚体训练样本的特征数据，选择SVM分类器的核函数，并利用交叉验证法寻找分类器的最优参数，通过训练获取基于SVM的鸡蛋胚体分类器模型。结合硬件平台对鸡蛋胚体模式识别系统进行实验验证，获取未知的鸡蛋胚体特征数据，验证基于SVM的鸡蛋胚体分类器模型的性能，对比SVM分类器判别分类结果和人工检测结果，计算SVM分类器判别准确率。