接種禽流感疫苗是預防禽流感的主要措施之一,將病毒毒株注射到胚蛋體內(nèi)繁殖病毒是培養(yǎng)禽流感疫苗的主要途徑。然而,在培養(yǎng)病毒毒株過程中會產(chǎn)生死亡胚,這些死亡胚必須被剔除出來以防止對正常胚造成污染。因此,在禽流感疫苗制備過程中,對已接種毒株的胚蛋進行成活性檢測與分類具有重要意義。目前胚蛋的成活性主要通過人工照蛋方式進行檢測,這種檢測方法存在檢測效率低、工人勞動強度大以及容易產(chǎn)生誤檢和漏檢等弊端,不符合工廠高效率高質(zhì)量的自動化生產(chǎn)需求。將深度學習方法和胚蛋的圖像特征、生理參數(shù)特征結合進行成活性檢測逐漸成為當下研究的趨勢。為了對胚蛋成活性進行有效的檢測和分類,本文以9日后雞蛋胚胎為研究對象,使用光電容積脈搏波描記法（PhotoPlethysmoGraphy,PPG）采集胚蛋的心跳信號作為判別特征,提出將CNN與胚蛋心跳信號結合用于胚蛋成活性檢測的方法。首先,針對采集到的胚蛋心跳信號中包含較多環(huán)境噪聲的問題,設計符合胚蛋心跳信號特性的巴特沃斯高通濾波器對信號進行濾波去噪。其次,對于采集到的9日后雞蛋胚胎心跳信號數(shù)據(jù),提出基于心率閾值的胚蛋成活性分類算法并對算法的有效性進行驗證。最后,針對基于心率閾值... 

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文研究內(nèi)容及組織結構
第二章 卷積神經(jīng)網(wǎng)絡
    2.1 CNN基本原理
    2.2 CNN基本結構
        2.2.1 數(shù)據(jù)輸入層
        2.2.2 卷積層
        2.2.3 激勵層
        2.2.4 池化層
        2.2.5 全連接層
    2.3 CNN訓練
        2.3.1 權值初始化
        2.3.2 權值更新
    2.4 本章小結
第三章 胚蛋心跳信號數(shù)據(jù)集構建
    3.1 數(shù)據(jù)采集原理
        3.1.1 光電容積脈搏波描記法原理
        3.1.2 數(shù)據(jù)采集
    3.2 數(shù)據(jù)濾波
        3.2.1 濾波器原理
        3.2.2 IIR數(shù)字濾波器設計及實現(xiàn)
    3.3 巴特沃斯高通濾波器實現(xiàn)及數(shù)據(jù)處理
        3.3.1 巴特沃斯高通濾波器實現(xiàn)
        3.3.2 數(shù)據(jù)濾波
    3.4 構建胚蛋心跳信號數(shù)據(jù)集
    3.5 本章小結
第四章 基于心率閾值的胚蛋成活性檢測方法
    4.1 信號分類流程
    4.2 胚蛋成活性時域分析
    4.3 胚蛋成活性頻域分析
        4.3.1 信號加窗
        4.3.2 傅立葉變換
    4.4 時域頻域算法實驗及結果分析
        4.4.1 時域?qū)嶒灱敖Y果分析
        4.4.2 頻域?qū)嶒灱敖Y果分析
    4.5 本章小結
第五章 基于CNN的胚蛋成活性檢測方法
    5.1 CNN性能改善策略
        5.1.1 殘差結構
        5.1.2 通道加權原理及應用
        5.1.3 BN操作
        5.1.4 抑制網(wǎng)絡過擬合
    5.2 胚蛋成活性檢測一維CNN網(wǎng)絡結構設計
    5.3 胚蛋成活性檢測二維CNN網(wǎng)絡結構設計
    5.4 本章小結
第六章 實驗與結果分析
    6.1 基于CNN的胚蛋成活性檢測算法實驗及結果分析
        6.1.1 一維CNN胚蛋成活性檢測實驗
        6.1.2 不同算法性能比較
        6.1.3 CNN層數(shù)對分類性能的影響
        6.1.4 網(wǎng)絡結構與超參數(shù)分析
    6.2 綜合實驗結果與對比
    6.3 本章小結
第七章 總結與展望
    7.1 總結
    7.2 展望
參考文獻
發(fā)表論文和參加科研情況
致謝


【參考文獻】：
期刊論文
[1]Dropout Rademacher complexity of deep neural networks[J]. Wei GAO,Zhi-Hua ZHOU.  Science China（Information Sciences）. 2016(07)
[2]基于光電容積脈搏波描記法的心率變異性分析系統(tǒng)前端裝置設計[J]. 石磊,孫朋,龐宇,羅志勇,王偉,王延項.  生物醫(yī)學工程學雜志. 2016(01)
[3]基于多信息融合的疫苗制備中雞蛋胚體分揀系統(tǒng)[J]. 徐彥偉,徐愛軍,頡潭成,崔建鵬,毛恒軒,劉守川.  農(nóng)業(yè)機械學報. 2015(02)
[4]禽流感的流行現(xiàn)狀及預防措施[J]. 王劍.  中國畜禽種業(yè). 2014(10)
[5]雞蛋品質(zhì)無損檢測技術研究進展[J]. 吳建虎,王向東.  中國家禽. 2013(01)
[6]禽流感疫苗研究進展[J]. 王家敏,喬自林,令世鑫,馮玉萍,馮若飛,李明生,沈武玲,趙海源,馬忠仁.  山西農(nóng)業(yè)科學. 2012(02)
[7]無創(chuàng)光電容積脈搏波檢測分析系統(tǒng)[J]. 聶冬,崔萌,朱貽盛,牛金海.  北京生物醫(yī)學工程. 2012 (01)
[8]基于機器視覺技術的無精蛋鑒別研究[J]. 李天華,李海亮.  安徽農(nóng)業(yè)科學. 2011(23)
[9]基于振動信號的活體禽蛋胚胎發(fā)育中的胎動檢測[J]. 梁森,梁磊,米鵬.  農(nóng)業(yè)工程學報. 2010(11)
[10]一種改進的短時平均幅度差函數(shù)算法[J]. 馬英,于向飛.  應用聲學. 2010(05)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡的工業(yè)生產(chǎn)線零部件檢測[D]. 晉博.廣東工業(yè)大學 2018
[2]基于深度學習的雞蛋胚胎分類方法研究[D]. 顏廷玉.天津工業(yè)大學 2018
[3]基于FCN的雞蛋胚胎圖像分割方法研究[D]. 邱玲.天津工業(yè)大學 2018
[4]深度學習及其在工件缺陷自動檢測中的應用研究[D]. 顏偉鑫.華南理工大學 2016
[5]基于卷積神經(jīng)網(wǎng)絡的人臉檢測和性別識別研究[D]. 汪濟民.南京理工大學 2015
[6]基于光電容積脈搏波成像心率檢測技術的研究[D]. 徐光.武漢理工大學 2014
[7]基于光電容積脈搏波的心率變異度檢測方法研究[D]. 黃麗卿.北京工業(yè)大學 2013
[8]基于波形特征的信號分類方法研究[D]. 黃佳.電子科技大學 2013
[9]孵化蛋自動照蛋及分選系統(tǒng)的研究[D]. 朱濤.華中農(nóng)業(yè)大學 2012
[10]基于機器視覺的種蛋品質(zhì)檢測系統(tǒng)研究[D]. 王栓巧.內(nèi)蒙古農(nóng)業(yè)大學 2009



本文編號：3651805