[发明专利]基于深度学习的鸡蛋胚胎分类

摘要

本发明提供了一种基于深度学习的鸡蛋胚胎分类方法，该方法包括：采集5日胚胎图像并按照正常胚、中止胚、无精胚分为三类样本；对胚胎图像预处理，提取图像的ROI区域并将图像大小归一化；结合迁移学习方法，使用AlexNet经典网络在ImageNet预训练的CNN模型，对目标集进行微调训练；利用训练好的模型对待测图像进行判别。与现有技术相比，本发明可以成功解决CNN模型在小规模鸡蛋胚胎数据集上的多分类问题，具有很高的准确性，可以满足鸡蛋胚胎成活性检测与分类的工程要求。

主权项

1.一种基于深度学习的鸡蛋胚胎分类方法，其特征在于，该方法包括：/n(1)采集5日胚胎图像并按照正常胚、中止胚、无精胚的分类方式将胚胎样本分为三类；/n(2)对胚胎图像预处理，提取图像的ROI区域并将图像大小归一化，得到5日胚胎数据集；/n(3)使用AlexNet网络在ImageNet大数据集上训练得到的模型bvlc_reference_caffenet.caffemodel进行参数迁移，初始化网络的权重，并对5日胚胎数据集进行训练得到网络模型；所述参数迁移包括：利用AlexNet网络，将在ImageNet大数据集上训练得到的模型bvlc_reference_caffenet.caffemodel应用在鸡蛋胚胎分类任务中，所述模型由5个卷积层、3个最大池化层和3个全连接层组成；激活函数采用relu函数，还用到了局部响应归一化层LRN以及防止过拟合的dropout层；/n(4)根据所述对5日胚胎数据集进行训练得到的网络模型对待测图像进行判别，并通过特征可视化观察所有的卷积层和全连接层的特征变化。/n