基于图像处理技术的种蛋胚体成活性无损检测

针对人工照蛋在种蛋胚体成活性检测中存在效率低,且易造成视觉疲劳等缺点,建立了基于计算机视觉的种蛋胚体成活性无损检测系统。鉴于以往研究中无法准确处理含较多光斑噪声图像的瓶颈问题,引入了Harris算法对种蛋图像固有光斑噪声进行检测,并对检测到的光斑噪声进行对称近邻均值滤波和全局灰度阈值变换,不但消除了固有光斑噪声干扰,还不会对图像特征信息造成影响。通过对150枚种蛋进行无损检测实验,实验结果表明,该方法可以快速有效地检测并消除种蛋图像固有光斑噪声,从而准确地提取出种蛋成活性特征信息。该系统对种蛋的胚体成活性判定准确率为97.73%,满足实际生产要求。

疫苗制造中接毒SPF胚蛋成活性无损检测系统

针对人工照蛋法在流感疫苗接毒胚蛋成活性检测中存在的劳动量大、准确性差、检测效率低等缺陷,设计了一种SPF(specefic pathogen free,无特定病原体)接毒胚蛋成活性无损检测系统。该系统针对以往研究中胚蛋图像固有光斑噪声无法消除的难题,提出了一种基于SUSAN(smallest univalue segment assimilating nucleus,最小吸收同值核区)算法的光斑噪声检测方法和USAN(smallest univalue segment assimilating nucleus,同值分割吸收核)局部灰度均值消斑算法。通过对消斑后的胚蛋图像进行图像边缘检测及数学形态学处理,准确构建出成活胚蛋主血脉二值形态,通过计算胚蛋感兴趣区ROI(region of interest)内主血脉二值面积百分比判定胚蛋成活性。对360幅不同品质的鸡胚图像进行试验,实验结果表明该系统检测用时0.642s,成活性判别准确率达96.94%,可基本满足疫苗制造业的实际生产要求。