【技术实现步骤摘要】
基于卷积神经网络与时序特征的鸡蛋胚胎分类方法
本专利技术属于鸡蛋胚胎活性检测
，特别涉及基于卷积神经网络与时序特征的鸡蛋胚胎分类方法。
技术介绍
当前，禽流感疫苗接种是预防禽流感的主要途径，而禽流感疫苗的制备主要是通过在鸡蛋活胚中接种和培养后才被灭活，在毒株胚胎培养过程中，未剔除的死亡胚蛋会导致毒株增殖培养失败。如果死亡胚蛋未能及时准确地从鸡蛋活胚中分离出来将会导致同一批培养的鸡蛋胚胎受到污染，造成重大的安全卫生隐患。因此接种胚蛋的成活性检测与分类对禽流感疫苗的制备具有重要意义。近年来，对于鸡蛋胚胎的活性检测主要是通过传统的人工照蛋方式，通过人工判断鸡蛋胚胎血管特征是否正常来检测鸡蛋胚胎的成活性，这种检测方法效率低成本较高且容易受到主观因素影响。此外，工人长时间高强度工作压力下容易造成误检和漏检。目前，对于鸡蛋胚胎活性检测主要有如下方法：通过机器视觉技术检测鸡蛋胚胎活性,通过对采集到的鸡蛋背光图像进行灰度处理，从灰度直方图中得到峰值比，各阶导数等特征参数，根据这些特征参数采用序贯分类的方法判断鸡...
【技术保护点】
1.基于卷积神经网络与时序特征的鸡蛋胚胎分类方法，其特征在于，包括以下步骤：/n(1)利用近红外激光和传感器透过胚蛋采集胚蛋心跳信号数据；/n(2)对步骤(1)中采集到的数据进行预处理，对采集到的胚蛋心跳信号进行低通和高通滤波以滤除部分噪声；/n(3)利用步骤(2)中处理后的时序数据生成二维心跳波形图构建数据集；/n(4)搭建卷积神经网络；/n(5)利用步骤(4)中的卷积神经网络对制作的小规模鸡蛋胚胎心跳数据集进行训练和测试；/n(6)根据步骤(5)中的结果调整超参数继续训练网络直到得到性能最佳的网络模型。/n
【技术特征摘要】
1.基于卷积神经网络与时序特征的鸡蛋胚胎分类方法，其特征在于，包括以下步骤：
(1)利用近红外激光和传感器透过胚蛋采集胚蛋心跳信号数据；
(2)对步骤(1)中采集到的数据进行预处理，对采集到的胚蛋心跳信号进行低通和高通滤波以滤除部分噪声；
(3)利用步骤(2)中处理后的时序数据生成二维心跳波形图构建数据集；
(4)搭建卷积神经网络；
(5)利用步骤(4)中的卷积神经网络对制作的小规模鸡蛋胚胎心跳数据集进行训练和测试；
(6)根据步骤(5)中的结果调整超参数继续训练网络直到得到性能最佳的网络模型。
2.根据权利要求1所述的基于卷积神经网络与时序特征的鸡蛋胚胎分类方法，其特征在于，步骤(1)中采集数据时，将鸡蛋放在激光器和传感器之间，传感器接收透过鸡蛋的光，然后将采集到的信号进行放大并转换为数字信号；对每个鸡蛋胚胎以62.5hz采样频率连续采集8s的数据，得到500个一维离散数据点。
3.根据权利要求1所述的基于卷积神经网络与时序特征的鸡蛋胚胎分类方法，其特征在于，步骤(2)中，对采集到的数据进行降噪处理，通过2阶巴特沃斯高通滤波器，采样频率为fs＝62.5hz进行处理。
4.根据权利要求1所述的基于卷积神经网络与时序特征的鸡蛋胚胎分类方法，其特征在于，步骤(3)中，构建二维心跳波形图数据集，将滤波后的数据去除前150个数据点，得到波形图。
5.根据权利要求1所述的基于卷积神经网络与时序特征的鸡蛋胚胎分类方法，其特征在于，步骤(4)中，卷积神经网络ESRNet，其核心为SE-Res模块，ESRNet由Conv层、SE-Res模块、pooling层、ReLU层、BN层、scale层和全连接层组成；
输入数据到Conv层，Conv层输出到Pool1层，Pool1层依次输出到多个SE-Res模块，之后输出到Pool2层，Pool2层输出到FC层，FC层输出到Softmax层，Softmax层输出最终胚蛋分类结果。
6.根据权利要求1所述的基于卷积神经网络与时序特征的鸡蛋胚胎分类方法，其特征...
【专利技术属性】
技术研发人员：耿磊，
申请(专利权)人：爱科维申科技天津有限公司，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。