检索历史 清除

摘要使用禽流感疫苗是防控禽流感的最有效手段。在疫苗制备过程中，需要对鸡胚进行成活性检测，将不适用于疫苗培养的破损胚、污染胚、弱胚以及死胚剔除掉。其中，弱胚在发育阶段会逐渐失去生命体征直至死亡，之后将会污染同一孵化室内的其他正常鸡胚。因此，在疫苗制备过程中及时将弱胚检测出来对提高疫苗品质以及生产效率具有极其重要的意义。目前，疫苗厂家主要采用人工照蛋法进行弱胚检测，检测准确率和效率均较低。因此，研究出一种高效且准确的弱胚检测方法迫在眉睫。<br>　　针对弱胚检测任务中准确率和效率均较低的问题，本文以孵化9日到15日的鸡胚作为研究对象，提出了一种基于多尺度特征融合的卷积神经网络WEDNet(Weak Embryo Detection Network)的弱胚检测方法。首先，在轻量级网络SqueezeNet结构的基础上，在Fire模块的expand卷积层中引入不同尺寸的卷积核实现多尺度特征提取，并在相邻模块间引入残差连接方式实现不同层之间的特征融合，进而提出残差多尺度Fire模块(ResidualMultiscaleFireBlock,RMFB)。然后通过RMFB模块的级联构成WEDNet。同时在网络结构中引入批量归一化(Batch Normalization,BN)层以加快网络的收敛速度，并采用Dropout方法抑制由于网络宽度和深度的增加出现的过拟合现象。最后，利用鸡胚图像数据集对该卷积神经网络进行训练，提取不同种类以及不同批次的鸡胚图像特征，生成训练模型，并实现弱胚检测任务。<br>　　实验结果表明，本文提出的基于卷积神经网络的鸡蛋弱胚检测方案合理可行，所设计的卷积神经网络模型在构建的9日到15日鸡胚图像数据集上的检测准确率可以达到99.35%，本文方法能够实现良好的弱胚检测。