李庆旭 王巧华，2 肖仕杰 顾 伟 马美湖

(1.华中农业大学工学院， 武汉 430070； 2.农业农村部长江中下游农业装备重点实验室， 武汉 430070；3.国家蛋品研发中心, 武汉 430070)

0 引言

目前，我国禽蛋孵化产业自动化程度较低，主要采用人工照蛋方式剔除无精蛋。人工照蛋方式准确率低、速度慢，且影响到孵化饲养健康，亟需相关自动化装置代替人工，对无精蛋进行快速、精确检测及剔除[1]。针对此问题，研究者提出了机器视觉[2-3]、光谱[4-5]、敲击振动[6]等方法，对禽蛋的受精信息进行无损检测，均取得了较好的检测效果。但这些方法均针对单枚种蛋，检测效率较低，很难应用于实际生产中。因此，对整盘群体禽蛋中受精蛋的精准识别是解决该问题的关键。 文献[7]利用称量法结合机器视觉对群体种鸡蛋中的受精蛋进行检测，对孵化7 d的种鸡蛋检测精度为96.7%，由于需要每天对种蛋进行称量，故实际生产难度依然很大。

整盘群体禽蛋中受精蛋的检测难点在于群蛋的图像分割，特别是在群蛋中无精蛋较多的情况下。近些年，深度学习已成功应用于机器视觉领域，R-CNN[8]、YOLO[9]、SSD[10]等基于深度学习的目标检测算法有效地解决了复杂背景下的图像分割和图像识别问题。基于深度学习的目标检测算法在农业领域已被广泛使用[11-15]。

将深度学习引入机器视觉中，对群体种鸭蛋中受精蛋进行精准识别，并且检测出受精蛋的位置信息，可为后续相关机器人和机械手的研发提供技术支持。因此，本文以孵化5 d的群体种鸭蛋为研究对象，在常用的SSD-MobileNet[16]目标检测算法的基础上，提出一种以MobileNetV3[17]作为SSD特征提取网络的群体种鸭蛋受精信息检测方法。……