申请/专利权人：华南农业大学

申请日：2023-02-20

公开（公告）日：2023-04-28

公开（公告）号：CN115812634B

主分类号：A01K43/04

分类号：A01K43/04;G01N21/359;G06F18/241;G06N3/04

优先权：

专利状态码：有效-授权

法律状态：2023.04.28#授权;2023.04.07#实质审查的生效;2023.03.21#公开

摘要：本发明公开了一种孵前种蛋受精信息无损分拣方法及装置，涉及孵前种蛋分拣领域，该方法包括以下步骤：获取种蛋的第一时序特征并根据第一时序特征采集种蛋的光谱数据；对光谱数据进行预处理；对预处理后的光谱数据进行选择得到特征波段；构建种蛋分类神经网络模型并对其进行训练；利用训练后的种蛋分类神经网络模型，根据特征波段对种蛋信息进行分类，得到受精信息；获取种蛋的第二时序特征，并根据第二时序特征、第一时序特征和受精信息对种蛋进行分拣。本发明提升了种蛋受精信息检测的精度，并基于时序特征能完成从种蛋信息检测到种蛋分拣的整个过程。

主权项：1.一种孵前种蛋受精信息无损分拣方法，其特征在于，包括以下步骤：S1、获取种蛋的第一时序特征并根据第一时序特征采集种蛋的光谱数据；S2、对步骤S1中的光谱数据进行预处理；步骤S2包括以下分步骤：S21、对光谱数据进行标准正态变量变换处理；S22、对分步骤S21中得到的标准正态变量变换处理后的光谱数据，采用线性滤波算法进行处理。步骤S22包括以下分步骤：S221、确定采用线性滤波算法的滤波窗口大小；S222、利用平滑分步骤S221中的滤波窗口，在步骤S21中得到的标准正态变量变换处理后的光谱数据上位移，对窗口内光谱数据进行拟合并输出拟合后的数据，表示为： 其中：为光谱数据拟合后的值，为光谱数据经标准正态变量变换处理后的数据，k为光谱波段位置，为窗口大小。S3、对步骤S2中预处理后的光谱数据进行选择得到特征波段；S4、构建种蛋分类神经网络模型并对其进行训练；所述种蛋分类神经网络模型包括一个位置编码层、三个编码层、一个线性层和一个逻辑分类层，所述位置编码层根据特征波段在原始光谱中的波段位置对特征波段进行位置编码，三个所述编码层用于对输入的具有位置信息的特征波段先升维再降维，并对输入的具有位置信息的特征波段进行信息融合，所述线性层用于对三个编码层输出的信息融合后的特征波段进行线性变化，并输出指定维度的特征波段，所述逻辑分类层用于对线性层输出指定维度的特征波段进行分类。S5、利用步骤S4中训练后的种蛋分类神经网络模型，根据步骤S3中的特征波段对种蛋信息进行分类，得到受精信息；S6、获取种蛋的第二时序特征，并根据第二时序特征、步骤S1中的第一时序特征和步骤S5中得到的受精信息对种蛋进行分拣。

全文数据：

权利要求：

百度查询： 华南农业大学 一种孵前种蛋受精信息无损分拣方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD