基于支持向量機的禽蛋胚體模式識別系統(tǒng)的研究.pdf

1、本文主要研究基于支持向量機的禽蛋胚體模式識別系統(tǒng)，根據(jù)模式識別系統(tǒng)理論和分析模式識別系統(tǒng)的構(gòu)成，確定雞蛋胚體模式識別系統(tǒng)的主要研究內(nèi)容。構(gòu)建基于機器視覺的圖像采集系統(tǒng)獲取雞蛋胚體圖像，運用Visual C++軟件編寫圖像處理程序，根據(jù)支持向量機算法設(shè)計合適的分類器。將機器視覺系統(tǒng)與圖像檢測技術(shù)相結(jié)合，機器學(xué)習(xí)算法與模式識別理論相結(jié)合，實現(xiàn)雞蛋胚體的自動在線檢測。
　　依據(jù)機器視覺系統(tǒng)設(shè)計并搭建圖像采集平臺，選擇合適的 LED光源和

2、 CCD工業(yè)相機，獲取雞蛋胚體內(nèi)部圖像，利用 PLC控制雞蛋胚體的傳送和工業(yè)相機的移動，選用研華科技610L型工控機負責(zé)相機的拍照、圖像存儲和圖像處理，以及同PLC之間的通訊，同時實現(xiàn)人機交互，完成雞蛋胚體圖像的自動采集。
　　對采集到的雞蛋胚體圖像進行分析和處理，運用圖像平滑和圖像增強消除圖像中的噪聲干擾，并突出圖像中的特征信息；然后通過信息顯示模塊，觀察并統(tǒng)計血管和黑塊特征區(qū)域的信息量，同時分析生成的 R、G、B各分量顏色直方

3、圖信息和灰度直方圖信息，通過閾值分割提取雞蛋胚體圖像中的血管和黑塊等主要特征。
　　根據(jù)雞蛋胚體分類器的設(shè)計原理，引入支持向量機算法。在 LIBSVM工具包下根據(jù)雞蛋胚體訓(xùn)練樣本的特征數(shù)據(jù)，選擇 SVM分類器的核函數(shù)，并利用交叉驗證法尋找分類器的最優(yōu)參數(shù)，通過訓(xùn)練獲取基于 SVM的雞蛋胚體分類器模型。
　　結(jié)合硬件平臺對雞蛋胚體模式識別系統(tǒng)進行實驗驗證，獲取未知的雞蛋胚體特征數(shù)據(jù)，驗證基于 SVM的雞蛋胚體分類器模型的性能，