基于机器视觉的早期受精卵活力检测
1School of Food and Biological Engineering, Jiangsu University, Zhenjiang, China.
British poultry science
|March 19, 2025
概括
这项研究引入了一种使用单色相机的自动化方法,用于早期检测受精卵的生存能力. 该系统实现了高精度,使化过程中高效,高通量选成为可能.
科学领域:
- 农业科学 农业科学
- 生物技术是生物技术.
- 计算机视觉 计算机视觉
背景情况:
- 早期检测受精卵的活力对于有效的化和化场管理至关重要.
- 目前评估卵子生存能力的方法可能是劳动密集型的,缺乏高吞吐量能力.
- 在准确识别多个卵子和确保在早期化阶段一致检测时存在挑战.
研究的目的:
- 开发和验证一个用于智能识别和高通量检测受精卵存活性的自动化系统.
- 为了研究影响图像一致性的因素在卵子的透光成像.
- 通过图像分析建立一个最佳的时间框架,用于早期的可行性检测.
主要方法:
- 一个单色摄像头在整个化过程中捕获了卵的透光图像.
- 图像处理技术包括中位过,利和细分,用于提取蛋区域.
- 使用特征提取 (灰度和纹理) 和分类模型 (物流回归,XGBoost,LightGBM,CNN) 来进行可行性评估.
主要成果:
- 卷积神经网络 (CNN) 模型在第8天实现了可行的胚胎99%的准确性.
- 最佳检测是在第6天以95%的准确度实现的,优于手动检查.
- 该系统显示了高精度,回忆和F1分数,适活和不适活的蛋.
结论:
- 使用单色摄像头和先进的图像处理/分类模型,可以自动检测受精卵的生存能力.
- 这项技术为高通量,早期查提供了强大的解决方案,支持自动化化系统.
- 拟议的方法提高了化场操作的效率和准确性,使得及时干预成为可能.
