【正文】 ；本研究方法與以往研究方法的比較和分析等內(nèi)容。6 結(jié)論下面是本文的主要研究?jī)?nèi)容：(1) 建立了基于機(jī)器視覺(jué)的種蛋篩選和孵化成活性檢測(cè)硬件系統(tǒng)，確定了用于圖像采集的光照條件。英文圖名，用小五號(hào)Times New Roman字。式中：分別為焦距f與像素點(diǎn)在u、方向?qū)挾鹊谋戎?，為圖像平面不垂直光軸產(chǎn)生的畸變因子，為光軸與圖像平面交點(diǎn)坐標(biāo)，為3 3旋轉(zhuǎn)矩陣，為三維平移向量。所設(shè)計(jì)光照箱大小為60cm60cm60cm，內(nèi)壁表面均勻用油漆涂成白色，以形成均勻的漫反射。禽舍的環(huán)境控制不力，禽蛋產(chǎn)后處理方式不當(dāng)及大量的手工勞動(dòng)污染引起的微生物污染。2002年中國(guó)禽蛋產(chǎn)量增加到2462萬(wàn)t，之后產(chǎn)量連年遞增，到2005年已達(dá)到2860萬(wàn)t[4，4]，近八年來(lái)我國(guó)禽蛋年產(chǎn)量一直呈增長(zhǎng)趨勢(shì)（圖1）。借助紅外線、紫外線、X射線、超聲波等高新探測(cè)技術(shù)，機(jī)器視覺(jué)在探測(cè)不可視物體和高危險(xiǎn)場(chǎng)景時(shí)更突顯其優(yōu)點(diǎn)。 機(jī)器視覺(jué)概述機(jī)器視覺(jué)是近幾十年來(lái)發(fā)展起來(lái)的一門智能技術(shù)，它主要用計(jì)算機(jī)來(lái)模擬人的視覺(jué)功能，從客觀事物的圖像或圖像序列中提取信息，對(duì)客觀世界的三維景物和物體進(jìn)行形態(tài)和運(yùn)動(dòng)識(shí)別，目的是尋找人類視覺(jué)規(guī)律，從而開發(fā)出從圖像輸入到自然景物分析的圖像理解系統(tǒng)，最終用于實(shí)際檢測(cè)、測(cè)量和控制 [1～3]。其中: 土地面積單位，可用“畝”，也可用“公頃”，“平方米”，“平方公里”但全文必須一致。24. 表1 種蛋重量檢測(cè)結(jié)果 錯(cuò)誤！未定義書簽。18. 圖18 種蛋邊界提取方法 錯(cuò)誤！未定義書簽。10. 圖10 種蛋孵化成活性檢測(cè)機(jī)器視覺(jué)系統(tǒng)結(jié)構(gòu)示意圖 錯(cuò)誤！未定義書簽。注：目錄頁(yè)不編頁(yè)碼黑體3號(hào)，下空1格插圖和附表清單1. 圖1 禽蛋年產(chǎn)量增長(zhǎng)趨勢(shì) 22. 圖2 雞蛋裂紋檢測(cè)用機(jī)器視覺(jué)系統(tǒng)示意圖 錯(cuò)誤！未定義書簽。 錯(cuò)誤！未定義書簽。 錯(cuò)誤！未定義書簽。 錯(cuò)誤！未定義書簽。 錯(cuò)誤！未定義書簽。 錯(cuò)誤！未定義書簽。 錯(cuò)誤！未定義書簽。 存在問(wèn)題 錯(cuò)誤！未定義書簽。Based on Machine Vision SystemAbstract內(nèi)容用小四號(hào)Times New Roman字。以種蛋色度頻度值為特征參數(shù)，用優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)檢測(cè)種蛋孵化成活性，對(duì)孵化早期、%、%和100%。(3) 提出基于機(jī)器視覺(jué)、矩和神經(jīng)網(wǎng)絡(luò)技術(shù)，以種蛋蛋形指數(shù)及蛋徑差為檢測(cè)指標(biāo)的蛋形分步檢測(cè)方法。摘 要入孵前種蛋篩選以及種蛋孵化過(guò)程中胚胎成活性檢測(cè)是孵化工作的重要技術(shù)環(huán)節(jié)。（但一個(gè)學(xué)院只能選擇一種）。附：畢業(yè)論文（設(shè)計(jì)）封面樣本1 畢業(yè)論文（設(shè)計(jì)）封面樣本2初號(hào)隸書，字間距1磅本科畢業(yè)論文二號(hào)隸書居中論文題目 學(xué) 院： 專 業(yè)： 小二號(hào)隸書居中學(xué) 號(hào)：姓 名：指導(dǎo)教師：職 稱： 論文提交日期：二ОО七年六月 本科畢業(yè)論文該處打印論文題目學(xué) 院：專 業(yè)：姓 名： 學(xué) 號(hào)：指導(dǎo)教師：職 稱：論文提交日期：二ΟΟ七年六月用小三號(hào)黑體字，居中。 1．建立了基于機(jī)器視覺(jué)的種蛋篩選和孵化成活性檢測(cè)硬件系統(tǒng)。(4) 以色度頻度值為蛋殼顏色特征參數(shù)，采用改進(jìn)免疫遺傳LMBP神經(jīng)網(wǎng)絡(luò)進(jìn)行蛋殼顏色一致性檢測(cè)，淺殼蛋、%、%%。列出關(guān)鍵詞38個(gè)，每?jī)蓚€(gè)詞之間用全角空格隔開，最后一個(gè)詞后面不加標(biāo)點(diǎn)。二個(gè)詞之間空1格隔開，最后面不加標(biāo)點(diǎn)。 基于機(jī)器視覺(jué)的種蛋篩選 錯(cuò)誤！未定義書簽。 錯(cuò)誤！未定義書簽。 錯(cuò)誤！未定義書簽。 錯(cuò)誤！未定義書簽。 錯(cuò)誤！未定義書簽。　 錯(cuò)誤！未定義書簽。 5 5致 謝 5參 考 文 獻(xiàn) 7目錄內(nèi)容用小四號(hào)宋體字。5. 圖5 雞蛋分級(jí)圖像采集裝置 錯(cuò)誤！未定義書簽。13. 圖13 RGB三原色混合效果 錯(cuò)誤！未定義書簽。21. 圖21 閾值識(shí)別法流程圖 錯(cuò)誤！未定義書簽。29. 表6 算法性能比較 錯(cuò)誤！未定義書簽。 注 意：頁(yè)面設(shè)置時(shí)，單雙頁(yè)要對(duì)稱設(shè)置。引用某文獻(xiàn)時(shí)，將該文獻(xiàn)在參考文獻(xiàn)中的編號(hào)用方括號(hào)括住加在引文末右上角，用五號(hào)黑體字。文內(nèi)標(biāo)題用小四號(hào)黑體字。20世紀(jì)90年代以后，我國(guó)鮮蛋產(chǎn)量雖逐年飆升，但出口量卻持續(xù)下滑。我國(guó)在禽蛋的標(biāo)準(zhǔn)制定方面相對(duì)滯后，不能適應(yīng)國(guó)際禽蛋發(fā)展的要求。設(shè)為三維世界坐標(biāo)系中某目標(biāo)點(diǎn)的三維坐標(biāo)，從三維世界坐標(biāo)到攝像機(jī)圖像齊次坐標(biāo)的變換如式(2)： (2)注 意：每一標(biāo)題下的內(nèi)容寫完后空一行，再接排下一標(biāo)題。表1 種蛋蛋殼表面缺陷檢測(cè)結(jié)果 The different types of defect detection results on eggshells污斑蛋裂紋蛋正常蛋檢測(cè)準(zhǔn)確率污斑蛋7352% 裂紋蛋3812%正常蛋51104%注：檢測(cè)結(jié)果XXXX由于在用閾值識(shí)別法進(jìn)行缺陷分割時(shí)，將小于50的區(qū)域都置為背景，造成了裂紋蛋及污斑蛋的誤判；對(duì)正常蛋的誤判，是由于誤將種蛋表面均勻斑點(diǎn)判為臟斑造成的。 是否混沌初始染色體初始化連接權(quán)值種群P(t)←種群P(t+1)訓(xùn)練LMBP網(wǎng)絡(luò)計(jì)算網(wǎng)絡(luò)輸出值和期望輸出間的誤差修正連接權(quán)值誤差反向傳播染色體變異操作對(duì)應(yīng)的LMBP網(wǎng)絡(luò)結(jié)構(gòu)種群P(t+1)給定隱層數(shù)染色體交叉操作染色體選擇操作計(jì)算各染色體適應(yīng)度值和濃度計(jì)算隱含層和輸出層各節(jié)點(diǎn)的輸入、輸出誤差穩(wěn)定?種群P(t+1)達(dá)到終止條件？得到最佳隱含層節(jié)點(diǎn)數(shù)及連接權(quán)值否是圖2 基于改進(jìn)免疫遺傳算法的LMBP網(wǎng)絡(luò)算法流程圖 Flow chart of LMBP network based on improved immune GA注：檢測(cè)結(jié)果，圖中XXXX② 編碼方式遺傳算法染色體的編碼策略有兩種方式[128]：一是根據(jù)模式定理建議用盡量少的符號(hào)編碼(如二進(jìn)制編碼)；二是以數(shù)值優(yōu)化計(jì)算的方便和精度為準(zhǔn)，采用一個(gè)基因一個(gè)參數(shù)的辦法(如十進(jìn)制編碼)，并把相應(yīng)的基因操作改造成適合十進(jìn)制操作的方式。將混沌思想、免疫算法與遺傳算法相結(jié)合，提出了一種改進(jìn)免疫遺傳算法，② 使用本文提出的方法檢測(cè)結(jié)果與實(shí)際稱量結(jié)果間有良好的相關(guān)性，過(guò)大蛋、%、%%。本論文是在導(dǎo)師XXX教授的悉心指導(dǎo)下完成的。如冗長(zhǎng)的公式推導(dǎo)過(guò)程、輔助性的數(shù)據(jù)圖表、計(jì)算機(jī)程序、有關(guān)