对孵化期间的种蛋进行自动化无损检测,及时剔除未受精蛋和死胚蛋有利于提高孵化效益,对于提升我国家禽孵化品质检测的自动化水平具有重要的意义和应用价值。本文采用两种无损检测方法,即计算机视觉方法和敲击振动法对种蛋的孵化品质进行研究,建立了种蛋孵化成活性的贝叶斯判别模型,识别无精蛋和死胚蛋的准确率较高。1.建立了基于计算机视觉的种蛋孵化成活性检测的硬件系统,获取种蛋的透射图像。选择RGB和HSI两种颜色模型对图像进行分析,确定了适合的种蛋图像预处理方法,主要包括图像去噪和背景分割。确定利用RGB,HSI的均值和标准偏差共十二个颜色特征参数对种蛋的孵化成活性进行研究。2.研究了计算机采集种蛋的方式,实验表明,采用竖直放置种蛋的图像采集方式的判别误差较小,要优于采用水平放置种蛋的图像采集方式。对十二个颜色特征参数进行筛选,选择合适的颜色特征参数,建立了孵化早期和中期的贝叶斯分类器模型。结果表明,对早期无精蛋和受精蛋的检测,白壳种蛋的回判准确率在第4天,第5天,第6天,第7天分别达92.73%,99.92%,100%,100%；褐壳种蛋的回判准确率在第4天,第5天,第6天,第7天和第8天分别达90.63%,91.75%,97.1%,97.1%,97.1%。对孵化中期的死胚蛋和成活蛋进行检测,白壳种蛋的检测准确率达100%,褐壳种蛋的检测准确率达98.89%。3.研究了敲击振动法检测种蛋早期的孵化成活性,鸡蛋赤道部位的敲击响应频率的标准偏差较鸡蛋两端的小,确定获取种蛋敲击响应频率的最佳位置是鸡蛋赤道部位。根据种蛋孵化期间敲击振动频率的变化规律,构建了3个特征变量：f54、f64、f74,分别建立了分类判别模型,实验表明,f64建立的判别模型对早期白壳种蛋的分类判别交叉验证准确率达94.87%,f54建立的判别模型对早期褐壳种蛋的分类判别交叉验证准确率达92.31%。4.比较研究了计算机视觉法和敲击振动法检测种蛋的优缺点,计算机视觉法的算法相对比较复杂,但在适用性,准确度,稳定性,便利性方面,计算机视觉法优于敲击振动法。