【正文】 IL（intierleukin） 白細(xì)胞介素ILV（infectious laryngotracheitis） 雞傳染性喉氣管炎病毒IM（intramuscularly） 肌內(nèi)注射IP(intraperitoneal injection) 腹腔內(nèi)接種IV（intravenousl ） 靜脈注射LEE（linar expression element） 線性表達(dá)元件MDV（marek’s disease virus） 注： 單 位文中的單位要用國家標(biāo)準(zhǔn)計量單位,GB3100—GB310293。16. 圖16 預(yù)處理前后的種蛋圖像 錯誤！未定義書簽。二、三級標(biāo)題對齊，比一級標(biāo)題后退二個空格。 錯誤！未定義書簽。3 結(jié)果 錯誤！未定義書簽?！⌒〗Y(jié) 錯誤！未定義書簽。題名下面空一行。(1) 提出利用種蛋圖像零階矩計算圖像投影面積代替重量稱量的方法，檢測結(jié)果與實際稱量值間有良好的相關(guān)性，過大蛋、正常蛋、%、%%。關(guān)于畢業(yè)論文（設(shè)計）封面格式的說明各學(xué)院有的論文標(biāo)題長或有副標(biāo)題，按照本科畢業(yè)論文統(tǒng)一封面格式打不下或不美觀。2．對基于機(jī)器視覺技術(shù)的種蛋篩選方法進(jìn)行了系統(tǒng)研究，建立了種蛋重量、蛋形、蛋殼表面缺陷和蛋殼顏色等4個檢測指標(biāo)的種蛋外觀品質(zhì)綜合評價體系。微粒群算法；神經(jīng)網(wǎng)絡(luò)題名用三號Times New Roman字，居中。 軟件系統(tǒng)集成 錯誤！未定義書簽。 錯誤！未定義書簽。 錯誤！未定義書簽。不同層次的二個數(shù)字用半角下圓點號“．”分隔開，末位數(shù)字后不加圓點號，最后一個數(shù)字后空二個空格接排標(biāo)題。15. 圖15 CMY原色的減色效果圖 錯誤！未定義書簽。字間空二個空格，下面空一行。隨著計算機(jī)技術(shù)的飛速發(fā)展，機(jī)器視覺、模式識別、人工智能及人工神經(jīng)網(wǎng)絡(luò)等交叉學(xué)科的研究與應(yīng)用已擴(kuò)展到人們生產(chǎn)生活的各個領(lǐng)域，在工業(yè)檢測、農(nóng)業(yè)生產(chǎn)自動化、農(nóng)產(chǎn)品分選、收獲機(jī)器人、動植物生長狀態(tài)監(jiān)控、機(jī)器人導(dǎo)航、視覺伺服系統(tǒng)、軍事、醫(yī)學(xué)、商業(yè)、閉路電視監(jiān)控系統(tǒng)和衛(wèi)星遙感系統(tǒng)等領(lǐng)域得到了廣泛的應(yīng)用，并取得了重要研究成果。他們成功的秘訣是在高效控制質(zhì)量的前提下，形成了產(chǎn)品規(guī)格和包裝統(tǒng)一化的市場模式。用小五號黑體字。與二進(jìn)制編碼相比，實數(shù)編碼存在很多的優(yōu)勢。導(dǎo)師的嚴(yán)謹(jǐn)治學(xué)、孜孜不倦、持之以恒的師表風(fēng)范是我終身學(xué)習(xí)的楷模，在此向恩師表示誠摯的感謝和崇高的敬意！感謝所有關(guān)心、幫助和支持我的人們！內(nèi)容用五號楷體字另起一頁。 ，即每頁35行，每行36字，每頁1260字。(2) 擴(kuò)展研究領(lǐng)域。 注 意：圖的上方及圖注下方各空一行。箱頂部有一個4cm4cm的方孔用于固定攝像機(jī)。自1985年以來我國已連續(xù)20年保持了世界第一產(chǎn)蛋大國的地位，禽蛋的人均占有和消費量均超過了世界平均水平[5]，禽蛋業(yè)在我國工農(nóng)業(yè)生產(chǎn)中扮演著重要的角色。內(nèi)容用小四號宋體字。25. 表2 種蛋蛋殼表面缺陷檢測結(jié)果 326. 表3 算法性能比較 527. 表4 種蛋蛋形指數(shù)檢測結(jié)果 錯誤！未定義書簽。11. 圖11 針孔模型 錯誤！未定義書簽。　小結(jié) 錯誤！未定義書簽。 3 錯誤！未定義書簽。 錯誤！未定義書簽。 研究內(nèi)容及目標(biāo) 錯誤！未定義書簽。關(guān)鍵詞：種蛋篩選；成活性檢測；機(jī)器視覺；圖像處理；遺傳算法；用小四號宋體字。鑒于人工檢測勞動強(qiáng)度大，效率低，準(zhǔn)確性差。畢業(yè)設(shè)計封面可參照此修改。過長蛋、%、%%，%。Identifying quality and fertility of hatching eggs are an important and hard work in the farms. Manual inspection suffers from visual stress and tiredness and is low accuracy and timeconsuming. An automatic and practical detection system based on machine vision system and ANN is developed instead of manual inspection of hatching egg for improving detecting accuracy and effciency. 1. The machine vision hardware system is built for identifying exterior quality and fertility of hatching egg .The light source and background color are found out through a lot of experiments. Camera calibration is done for correcting image distortion, and its accuracy is able to match the demand of identifying exterior quality of hatching egg. 2. Based on machine vision technique, criterion is proposed for prehensive evaluating egg’s exterior quality by weight, shape, eggshell defect feature and eggshell color, and method of egg quality classification is developed. (1) The projection area of egg image is extracted by 0order moment and used to classify egg weight instead of metage. The classification accuracy is % for bigger eggs, % for normal eggs, and % for smaller eggs. (2) Threshold recognition and 8connected boundary tr