基于RF-DS图谱信息融合的孵化早期鸡胚蛋性别无损检测

摘要

针对图像或光谱单一信息检测孵化早期胚蛋性别识别率不高的问题,该研究提出一种随机森林(Random Forest,RF)和证据理论(Dempster-Shafer,D-S)的图谱信息融合的无损检测方法。利用机器视觉和光谱仪分别采集孵化期第4天水平横放的胚蛋信息,在对胚蛋图像和光谱预处理的基础上,提取图像纹理特征和光谱特征,再分别以2类单特征的RF分类结果作为独立证据构造基本概率分配函数,运用D-S证据理论进行决策级融合,根据分类判决门限得出最终的识别结果。试验结果表明,图像和光谱单特征RF模型识别准确率最高分别达78.00%和82.67%,多特征决策融合识别法准确率达到88.00%,其中雌雄识别率分别达到90.00%和86.25%,单个鸡蛋的平均判别用时为2.843 s。结果表明,该光谱-图像信息融合方法可以提高孵化早期胚蛋雌雄识别准确率。