◎張琰張博漢傅彥寧沈安南黃宇奇

基于LabVIEW與MATLAB的雛雞早期雌雄鑒別

◎張琰1張博漢1傅彥寧1沈安南2黃宇奇1

雛雞的早起雌雄鑒別在養(yǎng)雞生產(chǎn)中具有極其重要的意義。當(dāng)下雛雞雌雄識(shí)別主要通過(guò)人工施以翻肛鑒別法完成，既將雛雞肛門(mén)完全暴露在空氣中，人工查看肛門(mén)處是否存在一生殖突起。然而雛雞養(yǎng)殖量大，大量而重復(fù)的工作對(duì)鑒別員提出了極高的要求。一直以來(lái)，雛雞雌雄鑒別完全依賴于人工鑒別，也沒(méi)有可用于建設(shè)自動(dòng)化鑒別系統(tǒng)的理論依據(jù)，基于此，本文采用LabVIEW與Mat lab相結(jié)合的方法提取雛雞生殖突起特征，通過(guò)對(duì)原始圖像進(jìn)行預(yù)處理，灰度化處理，二值化處理，增強(qiáng)處理，提取輪廓特征，從而判別雛雞是否存在生殖突起。

隨著圖像處理分析技術(shù)的發(fā)展，圖像處理已廣泛應(yīng)用于工業(yè)、醫(yī)學(xué)、軍事等各個(gè)領(lǐng)域，如醫(yī)學(xué)影像與顯微圖像處理、工業(yè)檢測(cè)與過(guò)程控制和產(chǎn)品無(wú)損探傷。這些基于圖像識(shí)別技術(shù)的處理、檢測(cè)系統(tǒng)，既大大的提高了自動(dòng)化程度，也節(jié)約了寶貴的時(shí)間。雛雞的早期雌雄鑒別在養(yǎng)雞生產(chǎn)中極其重要，既方便飼養(yǎng)管理，進(jìn)行早期的選種選育，也能提高母雛成活率，節(jié)省飼料，禽舍，勞動(dòng)力和飼養(yǎng)成本。以往文獻(xiàn)提到的眾多方法中，使用較廣泛的是翻肛鑒別法。一直以來(lái)，雛雞雌雄的的早期鑒別主要依賴于人工鑒別，到目前尚無(wú)人做出將鑒別過(guò)程自動(dòng)化或半自動(dòng)化的工作，基于此，本文提出一種基于LabVIEW與Mat lab的雛雞雌雄機(jī)器識(shí)別方法。

識(shí)別原理

時(shí)間要求：雛雞破殼后4～12小時(shí)內(nèi)，生殖突起形態(tài)差別最明顯，易于區(qū)分。在這段時(shí)間中，雛雞容易抓握，且腹部充實(shí)，容易將肛門(mén)翻出。

鑒別依據(jù)：

圖一為公雛母雛生殖器官差異。公雛肛門(mén)處可見(jiàn)生殖突起，并且生殖突起充實(shí)，有光澤，輪廓鮮明。母雛肛門(mén)處一般無(wú)生殖突起，或有殘留生殖突起，但是多呈萎縮狀，不飽滿，無(wú)彈性無(wú)光澤。

識(shí)別處理流程如下：

處理流程及方法

獲取圖像。在LabVIEW中完成以下程序，用以完成調(diào)用攝像頭獲取圖像，一種調(diào)用攝像頭拍照的程序源碼如下圖二：

右圖三為一普通USB攝像頭，免驅(qū)動(dòng)，帶可調(diào)焦鏡頭，有支撐鏡頭的底座，方便。另外，也可以使用微距鏡頭，或利用3D打印機(jī)針對(duì)不同的環(huán)境和需求打印不同的鏡頭支架。

圖像預(yù)處理。在獲取圖像時(shí)，圖像常被環(huán)境中的噪聲（如椒鹽噪聲，脈沖噪聲，高斯噪聲）所污染。在對(duì)圖像進(jìn)行后續(xù)的處理前，必須對(duì)圖像進(jìn)行預(yù)處理，即除去圖像中的隨機(jī)噪聲。中值濾波算法可以有效去除噪聲的同時(shí)保持圖像的邊緣細(xì)節(jié)，是圖像處理中常用的濾波方法。然而常規(guī)的中值濾波算法主要依賴于快速排序算法，運(yùn)算時(shí)間復(fù)雜度高，運(yùn)算速度慢。均值加速的快速中值濾波算法突破了對(duì)所有元素進(jìn)行快速排序的限制，只在于快速找到濾波子窗的像素中間值，有效降低了中值濾波算法的時(shí)間復(fù)雜度，將計(jì)算效率和運(yùn)算速度提高到傳統(tǒng)濾波算法的兩倍以上。

灰度化處理。彩色圖像中每個(gè)像素的顏色由R,G,B三個(gè)分量決定，每個(gè)分量有255個(gè)中值可選，這樣一個(gè)像素點(diǎn)的變化范圍很大。而灰度圖像是R,G,B三個(gè)分量相同的一種特殊的彩色圖像，像素點(diǎn)變化范圍共255種。而灰度圖像與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級(jí)分布和特征，是一種簡(jiǎn)化了的彩色圖像。

圖像的灰度化處理可由以下兩種方法實(shí)現(xiàn)：

第一種方法是求出每個(gè)像素點(diǎn)的R,G,B三個(gè)分量的平均值，然后將此平均值賦予這個(gè)像素的三個(gè)分量：R1=G1=B1=(R1+G1+B1)/3

第二種方法是根據(jù)YUV顏色空間，Y分量代表亮度，其值大小反映亮度等級(jí)，根據(jù)RGB和YUV顏色空間的變化關(guān)系可建立亮度Y與R,G,B三個(gè)顏色分量的對(duì)應(yīng)，以此亮度值表示圖像的灰度值。R1=G1=B1 =0.2989R+0.5870G+0.1140B

本文采用第二種方法，通過(guò)調(diào)用Mat lab函數(shù)rgb2ga()完成對(duì)圖像的灰度化處理。

處理結(jié)果如下：

二值化處理。二值圖像中，每一點(diǎn)的像素只有兩種可能的取值狀態(tài)（0和1），占用空間少，可以將圖像中的輪廓很清晰的表示出來(lái)，從而更容易識(shí)別圖像的結(jié)構(gòu)特征。Matlab中，二值圖像中的數(shù)據(jù)類型為logical型，0代表黑色，1代表白色。所以二值圖像實(shí)際上是一幅黑白圖像。為了將灰度圖轉(zhuǎn)化為二值圖像，常用“閥值法”。在給定了閥值后，小于閥值的像素點(diǎn)取0，其它的全部取1。調(diào)用im2bw()函數(shù)即可完成二值化處理。

處理結(jié)果如下：

圖像增強(qiáng)處理。圖像增強(qiáng)處理即圖像銳化處理，目的在于突出圖像中的細(xì)節(jié)（圖像的邊緣及灰度跳變部分），便于后續(xù)處理。為了實(shí)現(xiàn)在圖像銳化，可采用它的反運(yùn)算“微分”。以求出信號(hào)的變化率，加強(qiáng)高頻分量，從而達(dá)到使圖像輪廓趨于清晰的作用。這里采用以下梯度算法：

對(duì)圖像函數(shù)),(yxf，它在點(diǎn)),(yx處的梯度可定義為另一個(gè)矢量：

在點(diǎn)(x,y)處梯度矢量的方向是f(x,y)在這一點(diǎn)的變化率最大的方向。梯度幅度用G[f(x,y)] 表示，其表達(dá)式如下：

對(duì)于數(shù)字圖像而言，梯度幅度可以差分運(yùn)算替代微分運(yùn)算的方式簡(jiǎn)化：

以上梯度法是水平垂直差分法，另一種是交叉差分計(jì)算法，公式如下：

以上兩種方法在圖像最后一行或最后一列的像素的梯度無(wú)法標(biāo)得，可以前一行和前一列的梯度值近似表示。由此可知，在圖像中灰度變化較大的邊沿區(qū)域起梯度大，在灰度變化平緩的區(qū)域起梯度小，而在灰度均勻的區(qū)域去梯度值為零。

求出圖像梯度變化后，圖像的灰度表示為：

其中：T為閥值，此法將背景和邊緣用二值圖像表示。

邊緣提取。圖像經(jīng)上述處理后，輪廓已經(jīng)被清晰的顯示出來(lái)。這時(shí)圖像可以用一個(gè)二維數(shù)組表示，便可用如下算法進(jìn)行邊界坐標(biāo)提取：

識(shí)別。在本文開(kāi)頭關(guān)于識(shí)別原理中提到：公雛和母雛生殖突起差異明顯，且母雛可能有呈萎縮狀的生殖突起。為了使計(jì)算機(jī)可識(shí)別公雛與母雛之間的差別，本文提出以下方法：

根據(jù)輪廓面積及輪廓坐標(biāo)方差兩條標(biāo)準(zhǔn)進(jìn)行區(qū)分。當(dāng)輪廓包圍的面積大于經(jīng)驗(yàn)值0ε且輪廓坐標(biāo)方差D小于0μ（需經(jīng)統(tǒng)計(jì)分析確定）時(shí)，即可認(rèn)為識(shí)別對(duì)象為公雛。

輪廓坐標(biāo)方差D計(jì)算公式：

由于尚無(wú)前人工作可供參考，本文提出的基于LabVIEW和Matlab的別雛雞雌雄的方法的精度有待提高。值得注意的是，在雛雞識(shí)別過(guò)程中必須在外力作用下將雛雞肛門(mén)完全暴露在取像鏡頭取景范圍內(nèi)，且施力者只能是人，這其中需要掌握一定的技巧，力道適中，避免對(duì)雛雞的傷害。因此，關(guān)于準(zhǔn)確的自動(dòng)化的鑒別雛雞雌雄的方法還需進(jìn)一步探討。

（作者單位：1.長(zhǎng)江大學(xué)地球物理與石油資源學(xué)院；2.長(zhǎng)江大學(xué)地球科學(xué)學(xué)院）

大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目，項(xiàng)目編號(hào)：2015308。