毕明帅，穆嘉松

（天津师范大学电子与通信工程学院，天津 300387）

目前预防禽流感的主要方式是给家禽注射禽流感疫苗,在 9 d～12 d 龄的 SPF（specific pathogen free，无特定病原体）鸡蛋胚胎中接种禽流感毒株后再进行增殖分离培养.接种疫苗之前需要分离死胚，目前分离检测鸡蛋品质主要靠人工方式，效率较低，准确率不高,难以达到市场的需求.针对此问题，为提高检测效率和准确率，相关学者做了一些研究.文献[1]和文献[2]分别使用高频超声成像和超声微泡显影技术，研究鸡蛋心血管组织结构的发育，以识别鸡蛋品质，但是这2种方法不能做到无损检测.文献[3]设计了基于机器视觉的毒株胚蛋图像采集系统，通过传统的机器视觉图像分割方法提取鸡蛋血管特征.

作为机器视觉的基本研究方向，图像特征的提取和分类随着深度学习的发展得到了越来越多的关注.深度学习是机器学习领域的研究热点之一.2006年，Hinton等[4]提出了深度学习的思想，指出深层的人工神经网络有利于解决图像分类问题.随后，基于卷积神经网络（convolutional neural network，CNN）的深度学习模型的优良性能推动了深度学习研究的热潮[5].近些年，深度学习模型被广泛应用于图像特征提取、语音识别和人脸识别等方面[6-10]，推动了人工智能的发展.

1 卷积神经网络

卷积神经网络是一种人工神经网络，其本质是一个多层感知机.它通过权值共享的方式将特征提取功能融合进多层感知机，具有普通神经网络不具备的优点，包括运行……