基于Lab颜色空间的K-means分割用于孵化蛋中胚胎检测
计算机视觉与模式识别
2022-08-03 v2 图像与视频处理
摘要
除鸡蛋自身因素外，孵化过程的质量影响着出雏率的成功。剔除未受精或死胚蛋并监测胚胎发育是高效孵化实践中的重要环节。该过程旨在筛选出仅含胚胎的蛋留在孵化器中直至孵化过程结束。最大检测在孵化期的第一周进行。本研究旨在检测蛋中胚胎的存在并通过分割进行处理。蛋图像使用基于Lab彩色图像的K-means算法进行分割。图像采集结果被转换为Lab颜色空间图像。Lab颜色空间图像的结果对每种颜色使用K-means进行处理。K-means过程使用聚类k=3并分为三部分：背景、蛋和蛋黄。蛋黄是具有胚胎特征的蛋的一部分。本研究在初始分割中应用颜色概念，在最终阶段应用灰度概念。初始阶段结果表明，使用基于Lab颜色空间的k-means聚类进行图像分割可得到三部分的 grouping。在灰度图像处理阶段，彩色图像分割结果经灰度化、图像增强和形态学处理。由此可清晰看出分割出的蛋黄显示了蛋胚胎的存在。基于该结果，胚胎检测过程的初始阶段采用基于Lab颜色空间的K-means分割。评估使用MSE和MSSIM，其值分别为0.0486和0.9979；这可用于参考所得结果能检测蛋黄中的胚胎。该方案未来可用于精准家禽生产系统中胚胎及其形态的非破坏性定量研究。
引用
@article{arxiv.2103.02288,
title = {K-means segmentation based-on lab color space for embryo detection in incubated egg},
author = {Shoffan Saifullah and Rafal Drezewski and Alin Khaliduzzaman and Lean Karlo Tolentino and Rabbimov Ilyos},
journal= {arXiv preprint arXiv:2103.02288},
year = {2022}
}
备注
11 pages, 6 figures, ICoSiET Conference 2020, Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI)