种蛋自身的品质、孵化卵发育过程中所处的环境以及健康状况等因素，都与孵化卵的成活性密切相关。种蛋孵化过程中胚胎成活性检测是孵化工作的重要技术环节。鉴于人工检测劳动强度大，效率低，准确性差，本文通过对基于机器视觉的孵化成活性检测方法的系统研究，建立了孵化成活性自动检测系统。本文首先介绍了种蛋孵化成活性和机器视觉的研究背景及发展历史；接下来建立了种蛋孵化成活性检测的硬件系统，并分析了图像增强、图像分割和区域标记的有关基本概念、基本框架和关键技术以及颜色模型的选取；最后对孵化成活性检测方法进行了介绍，详细地阐述了模拟退火微粒群算法和BP神经网络，并进一步对神经网络的关键技术进行了分析研究，提出了改进的优化算法，优化BP神经网络参数。本文分别从这几个方面进行研究，主要工作如下：1．建立了基于机器视觉的种蛋孵化成活性检测硬件系统。通过对比试验研究，确定了图像采集时的最佳光源和背景颜色。2．对基于机器视觉技术的种蛋筛选方法进行了系统研究。通过对颜色模型和图像预处理方法的研究，为进一步的神经网络训练奠定基础。3．参照人工照蛋时间，对孵化早期、中期和后期的种蛋胚胎成活性检测方法进行了系统研究。利用改进的遗传退火算法，优化BP神经网络参数。以种蛋内部颜色的色度、饱和度和亮度的频度值为特征参数，用优化后的BP神经网络检测种蛋孵化成活性。4．进行了软件系统集成，为进一步实现种蛋筛选和孵化成活性在线检测奠定了基础。