CN107764770A - 基于近红外光谱的入孵前种蛋受精情况检测方法及装置 - Google Patents
基于近红外光谱的入孵前种蛋受精情况检测方法及装置 Download PDFInfo
- Publication number
- CN107764770A CN107764770A CN201710909711.4A CN201710909711A CN107764770A CN 107764770 A CN107764770 A CN 107764770A CN 201710909711 A CN201710909711 A CN 201710909711A CN 107764770 A CN107764770 A CN 107764770A
- Authority
- CN
- China
- Prior art keywords
- hatching egg
- absorbance
- default
- wave band
- egg
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000012447 hatching Effects 0.000 title claims abstract description 241
- 230000004720 fertilization Effects 0.000 title claims abstract description 58
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 238000002835 absorbance Methods 0.000 claims abstract description 140
- 238000001228 spectrum Methods 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 11
- 235000013601 eggs Nutrition 0.000 claims description 304
- 102000002322 Egg Proteins Human genes 0.000 claims description 12
- 108010000912 Egg Proteins Proteins 0.000 claims description 12
- 210000003278 egg shell Anatomy 0.000 claims description 12
- 238000012417 linear regression Methods 0.000 claims description 4
- 230000008033 biological extinction Effects 0.000 claims description 2
- 238000011534 incubation Methods 0.000 description 4
- 208000021267 infertility disease Diseases 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 241000287828 Gallus gallus Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009374 poultry farming Methods 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- 238000009361 aviculture Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 229910052738 indium Inorganic materials 0.000 description 1
- APFVFJFRJDLVQX-UHFFFAOYSA-N indium atom Chemical compound [In] APFVFJFRJDLVQX-UHFFFAOYSA-N 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 210000001161 mammalian embryo Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于近红外光谱的入孵前种蛋受精情况检测方法及装置，方法包括：获取对种蛋采用预设方式进行近红外光扫描形成的多个近红外光谱；所述预设方式为：对种蛋的至少两个不同预设位置中的每个预设位置进行至少一次扫描；获取所述多个近红外光谱中每个光谱中各个预设波段处的吸光度，并根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值；根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值；根据所述预测值，确定所述种蛋是否受精。本发明可在不破坏种蛋完整性的情况下且在入孵前准确判定受精蛋未受精蛋的类型。
Description
技术领域
本发明涉及计算机处理技术领域，特别涉及一种基于近红外光谱的入孵前种蛋受精情况检测方法及装置。
背景技术
种蛋孵化率的高低，直接影响家禽养殖业的经济效益，美国农业部国家农业统计局(USDA,NASS)2006年的统计结果表明，种蛋孵化率仅为86％～99％，而孵化率的高低很大程度上取决于种蛋的受精率。在养禽业，鉴别孵前或孵化早期无精蛋是禽蛋生产的难题之一，至今未得到合理的解决，常常在上孵5～7天进行人工照蛋，但这时鉴别出来的无精蛋蛋品质变化极大，丧失了食用价值。如果尽可能早的检测出无精蛋，一方面能有效地节省空间、能源，避免由于未发育种蛋腐败感染其他鸡蛋。另一方面可将无精蛋作为食品蛋，带来巨大的经济效益。
国内外学者对种蛋是否受精的研究取得了一些进展。无损的检测方法包括机器视觉、声脉冲振动、光学法、核磁共振成像。但这些方法要等到入孵后才能达到较高的准确性。并没有从根本上解决家禽行业的这一难题。因此，更有必要的是实现种蛋入孵前受精情况的无损鉴别方法。
发明内容
本发明提供一种全部或至少部分解决上述技术问题的一种基于近红外光谱的入孵前种蛋受精情况检测方法及装置。
第一方面，本发明提供一种基于近红外光谱的入孵前种蛋受精情况检测方法，包括：
获取对种蛋采用预设方式进行近红外光扫描形成的多个近红外光谱；所述预设方式为：对种蛋的至少两个不同预设位置中的每个预设位置进行至少一次扫描；
获取所述多个近红外光谱中每个光谱中各个预设波段处的吸光度，并根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值；
根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值；
根据所述预测值，确定所述种蛋是否受精。
优选的，所述预设位置为圆周上的位置，所述圆周为经过种蛋所对应的椭圆的原点和短轴的圆周。
优选的，根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值之后，根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值之前，所述方法还包括：
判断所述种蛋的蛋壳颜色是否为褐色；
若是，则所述预设种蛋受精情况预测模型为：
其中，Y为种蛋是否受精的预测值，Xi为第i个预设波段处吸光度的平均值，Ai为第i个预设波段处吸光度的预设权重系数。
优选的，根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值之后，根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值之前，所述方法还包括：
判断所述种蛋的蛋壳颜色是否为白色；
若是，则所述预设种蛋受精情况预测模型为：
其中，Y为种蛋是否受精的预测值，Xi为第i个预设波段处吸光度的平均值，Ai为第i个预设波段处吸光度的预设权重系数。
优选的，根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值之后，根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值之前，所述方法还包括：
判断所述种蛋的蛋壳颜色是否为粉色；
若是，则所述预设种蛋受精情况预测模型为：
其中，Y为种蛋是否受精的预测值，Xi为第i个预设波段处吸光度的平均值，Ai为第i个预设波段处吸光度的预设权重系数。
优选的，获取对种蛋采用预设方式进行近红外光扫描形成的多个近红外光谱之前，所述方法还包括：
获取对多个种蛋中每个种蛋采用预设方式进行近红外光扫描形成的多个近红外光谱；所述预设方式为：对种蛋的至少两个不同预设位置中的每个预设位置进行至少一次扫描；
获取所述多个近红外光谱中每个光谱中各个预设波段处的吸光度，并根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值，将每个种蛋的各个预设波段处吸光度的平均值作为每个种蛋的吸光度集合；
获取在预设条件下达到入孵预设时间段时的每个种蛋是否为受精种蛋的分类变量值；
按照预设规则选取预设数量的吸光度集合作为建模集，根据所述建模集中的各个吸光度的平均值和各个第一种蛋的分类变量值，采用预设建模方法构建所述种蛋受精情况预测模型；所述各个第一种蛋为与所述建模集中的各个吸光度集合对应的种蛋。
优选的，所述预设规则为：
根据每个吸光度集合中的吸光度的平均值，计算任意两个种蛋光谱之间的欧氏距离，将欧氏距离最大的两个吸光度集合选入建模集；
在每个剩余种蛋的欧氏距离中选择距离最小的欧氏距离，将选取出的距离最小的欧氏距离组成待选集合；所述剩余种蛋的欧氏距离为剩余种蛋与已选取的种蛋光谱之间的欧式距离，所述已选取的种蛋为已选入建模集的吸光度集合对应的种蛋；
在所述待选集合中选取最大的欧氏距离，将与最大欧氏距离对应的吸光度集合添加到建模集；
重复所述根据剩余吸光度的平均值和已选取的吸光度的平均值，分别计算每个剩余种蛋与已选取的种蛋光谱之间的欧式距离，直至建模集中的吸光度集合达到所述预设数量。
优选的，所述预设建模方法为线性回归法。
优选的，所述方法还包括：
根据预测集中的各个吸光度的平均值和所述种蛋受精情况预测模型，计算各个第二种蛋是否受精的预测值；所述预测集包括所有吸光度集合中除去建模集中的吸光度集合外的吸光度集合，所述各个第二种蛋为与所述预测集中的各个吸光度集合对应的种蛋；
根据各个第二种蛋的分类变量值与预设值，确定各个第二种蛋的分类变量值与预设值的第一大小关系，并根据所述各个第二种蛋的预测值与预设值，确定各个第二种蛋的预测值与预设值的第二大小关系；
若各个第二种蛋的第一大小关系和第二大小关系均相同，则确定所述种蛋受精情况预测模型为最终的种蛋受精情况预测模型。
第二方面，本发明还提供一种基于近红外光谱的入孵前种蛋受精情况检测装置，其特征在于，包括：
第一获取单元，用于获取对种蛋采用预设方式进行近红外光扫描形成的多个近红外光谱；所述预设方式为：对种蛋的至少两个不同预设位置中的每个预设位置进行至少一次扫描；
第二获取单元，用于获取所述多个近红外光谱中每个光谱中各个预设波段处的吸光度；
第一计算单元，用于根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值；
第二计算单元，用于根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值；
确定单元，用于根据所述预测值，确定所述种蛋是否受精。
由上述技术方案可知，本发明能够在不破坏种蛋完整性的情况下，通过种蛋中受精蛋和未受精蛋的近红外光谱响应特征差异，在入孵前就可以准确判定受精蛋未受精蛋的类型，可以为生产者提供种蛋中未受精蛋的信息，在入孵前就可以挑出种蛋中的未受精蛋，将其作为食品蛋售卖，同时也可以节约孵化空间。
附图说明
图1为本发明一实施例提供的一种基于近红外光谱的入孵前种蛋受精情况检测方法的流程图；
图2为对褐壳蛋的建模集进行预测的预测结果图；
图3为对褐壳蛋的预测集进行预测的预测结果图；
图4为本发明一实施例提供的一种基于近红外光谱的入孵前种蛋受精情况检测装置的原理框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清除、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明一实施例提供的一种基于近红外光谱的入孵前种蛋受精情况检测方法的流程图。
如图1所示的一种基于近红外光谱的入孵前种蛋受精情况检测方法，包括：
S101、获取对种蛋采用预设方式进行近红外光扫描形成的多个近红外光谱；所述预设方式为：对种蛋的至少两个不同预设位置中的每个预设位置进行至少一次扫描；
具体实现时，可利用近红外仪为光栅扫描型仪器进行扫描。系统组成包括光源，分光系统，光导纤维，检测器，控制和数据处理分析系统(控制器)，基线校准板。采用卤钨灯和汞灯光源，双光束同时检测，具有最稳定的光学系统，独特的固定全息光栅份光和铟葭砷二极管阵列检测技术(电制冷恒温)全光谱同时扫描。本发明采用的是敞开式检测方式，采集的是漫反射光谱。
S102、获取所述多个近红外光谱中每个光谱中各个预设波段处的吸光度，并根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值；
S103、根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值；
S104、根据所述预测值，确定所述种蛋是否受精。
作为一种优选实施例，所述预设位置为圆周上的位置，所述圆周为经过种蛋所对应的椭圆的原点和短轴的圆周，这样可以对平躺着的鸡蛋进行扫描，且能保证光源的光斑全部落到鸡蛋上。当然，还可以是其他位置，本发明对此不做限制。由于种蛋的蛋壳颜色会对预测结果产生影响，因此，针对褐壳鸡蛋、白壳鸡蛋、粉壳鸡蛋分别建立模型。防止蛋壳颜色对建模效果的影响，预测结果更加准确。
作为一种优选实施例，所述步骤S102中的根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值之后，所述步骤S103之前，所述方法还包括：
判断所述种蛋的蛋壳颜色是否为褐色；
若是，则所述预设种蛋受精情况预测模型为：
其中，Y为种蛋是否受精的预测值，Xi为第i个预设波段处吸光度的平均值，Ai为第i个预设波段处吸光度的预设权重系数。
作为一种优选实施例，所述步骤S102中的根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值之后，所述步骤S103之前，所述方法还包括：
判断所述种蛋的蛋壳颜色是否为白色；
若是，则所述预设种蛋受精情况预测模型为：
其中，Y为种蛋是否受精的预测值，Xi为第i个预设波段处吸光度的平均值，Ai为第i个预设波段处吸光度的预设权重系数。
作为一种优选实施例，所述步骤S102中的根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值之后，所述步骤S103之前，所述方法还包括：
判断所述种蛋的蛋壳颜色是否为粉色；
若是，则所述预设种蛋受精情况预测模型为：
其中，Y为种蛋是否受精的预测值，Xi为第i个预设波段处吸光度的平均值，Ai为第i个预设波段处吸光度的预设权重系数。
值得说明的是，所述权重系数包括正数和负数。
作为一种优选实施例，所述步骤S101之前，所述方法还包括：
获取对多个种蛋中每个种蛋采用预设方式进行近红外光扫描形成的多个近红外光谱；所述预设方式为：对种蛋的至少两个不同预设位置中的每个预设位置进行至少一次扫描；
获取所述多个近红外光谱中每个光谱中各个预设波段处的吸光度，并根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值，将每个种蛋的各个预设波段处吸光度的平均值作为每个种蛋的吸光度集合；
获取在预设条件下达到入孵预设时间段时的每个种蛋是否为受精种蛋的分类变量值；
按照预设规则选取预设数量的吸光度集合作为建模集，根据所述建模集中的各个吸光度的平均值和各个第一种蛋的分类变量值，采用预设建模方法构建所述种蛋受精情况预测模型；所述各个第一种蛋为与所述建模集中的各个吸光度集合对应的种蛋。
作为一种优选实施例，所述预设规则为：
根据每个吸光度集合中的吸光度的平均值，计算任意两个种蛋光谱之间的欧氏距离，将欧氏距离最大的两个吸光度集合选入建模集；
在每个剩余种蛋的欧氏距离中选择距离最小的欧氏距离，将选取出的距离最小的欧氏距离组成待选集合；所述剩余种蛋的欧氏距离为剩余种蛋与已选取的种蛋光谱之间的欧式距离，所述已选取的种蛋为已选入建模集的吸光度集合对应的种蛋；
在所述待选集合中选取最大的欧氏距离，将与最大欧氏距离对应的吸光度集合添加到建模集；
重复所述根据剩余吸光度的平均值和已选取的吸光度的平均值，分别计算每个剩余种蛋与已选取的种蛋光谱之间的欧式距离，直至建模集中的吸光度集合达到所述预设数量。
举例说明上述预设规则：
包括A、B、C、D、E四个种蛋，对应的吸光度集合分别为a、b、c、d、e，建模集的预设数量为4：
1)分别计算任意两个种蛋的光谱之间的欧氏距离，设欧式距离分别为ab、ac、ad、ae、bc、bd、be、cd，ce和de，设cd最大，则将c和d先选入建模集，对应C、D种蛋；
2)剩余a、b、e，对应种蛋为A、B、E(为剩余种蛋)；
A种蛋的光谱与已选入建模集的种蛋(C、D种蛋)的光谱之间的欧氏距离分别为ac、ad，设其中较小的为ad；
B种蛋的光谱与已选入建模集的种蛋(C、D种蛋)的光谱之间的欧氏距离分别为bc、bd，设其中较小的为bd；
E种蛋的光谱与已选入建模集的种蛋(C、D种蛋)的光谱之间的欧氏距离分别为ce、de，设其中较小的为ce；
则将ad、bd和ce组成待选集合；3)比较ad、bd和ce的大小关系，设ad大于其他两个，则将ad对应的吸光度集合a选入建模集。
按照上述原理，再选择一个吸光度集合即可。
在一种具体实施例中，所述预设建模方法为线性回归法。
作为一种优选实施例，所述方法还包括：
根据预测集中的各个吸光度的平均值和所述种蛋受精情况预测模型，计算各个第二种蛋是否受精的预测值；所述预测集包括所有吸光度集合中除去建模集中的吸光度集合外的吸光度集合，所述各个第二种蛋为与所述预测集中的各个吸光度集合对应的种蛋；
根据各个第二种蛋的分类变量值与预设值，确定各个第二种蛋的分类变量值与预设值的第一大小关系，并根据所述各个第二种蛋的预测值与预设值，确定各个第二种蛋的预测值与预设值的第二大小关系；
若各个第二种蛋的第一大小关系和第二大小关系均相同，则确定所述种蛋受精情况预测模型为最终的种蛋受精情况预测模型。
举例说明大小关系的判定。第二种蛋分别为A、B、C、D种蛋，其中A种蛋的分类变量值为1，B种蛋的分类变量值为-1，C种蛋的分类变量值为1，D种蛋的分类变量值为1，预设值为0，A种蛋的预测值为1.1，B种蛋的预测值为-0.3，C种蛋的预测值为1.5，D种蛋的预测值为-1。A种蛋的分类变量值大于预设值，A种蛋的预测值大于预设值，即A种蛋的第一大小关系为大于，A种蛋的第二大小关系为大于，大小关系相同；同理，B种蛋的第一大小关系为小于，B种蛋的第二大小关系为小于，大小关系相同；C种蛋的第一大小关系为大于，C种蛋的第二大小关系为大于，大小关系相同；D种蛋的第一大小关系为大于，D种蛋的第二大小关系为小于，大小关系不同。
通过下面的具体实施例说明本发明。
实施例1
1、试验材料
材料为褐壳鸡蛋(包含受精蛋和未受精蛋)，购于北京花都峪口禽业有限责任公司。将样本清洁干净后，对所有样本进行编号，共有191个样本。按编号对191个鸡蛋采集近红外反射光谱(近红外光谱)。随后将所有鸡蛋入孵，孵化温度为37.8℃，相对湿度为65％。
2、近红外光谱采集
将仪器预热30分钟后采集光谱。鸡蛋平躺着放在载物台上，光源的光斑照射在鸡蛋的赤道位置。将鸡蛋旋转3个方向采集三次，每个方向连续扫描3次，这样得到每个样品得到9个光谱。
3、受精情况判断
在孵化7天后用照蛋器统判断各鸡蛋的受精结果，如蛋壳内有血丝即为受精蛋。对于不能准确区分的，将蛋打破观察胚胎是否发育。最终判断结果是191个鸡蛋样品中有94个受精蛋，97个未受精蛋。
4、数学建模过程
1)建模原理。在建立模型之前首先要根据样本的实际类别特征，赋予校正集和预测集的样品不同的分类变量值。此实验中定义受精蛋的分类变量值为1，未受精蛋的分类变量值为-1。然后将光谱数据与分类变量进行线性回归。
2)将样品集划分为建模集和预测集。原理是将光谱差异较大的样品选入建模集，而其余较相近的样品选入预测集，这样可使有代表性的样品全部进入建模集，从而在一定程度上避免了建模集样品分布的不均匀。191个鸡蛋样品中有120个作为建模集，其余71个用于模型的外部预测。
5.模型对建模集和预测集样品的预测结果
1)用建立的模型对120个建模集样品进行预测。结果如图2所示，横坐标为各个样品编号，纵坐标为各个样品的预测值及预测偏差。若样品预测值小于0，则认为该样品为未受精蛋；若样品预测值大于0，则认为该样品为受精蛋。从图中可以清楚地看到，以0为界限，两类鸡蛋样品分布在1和-1附近，能明显区分为两大类。将预测结果与鸡蛋孵化7天后的判断的鸡蛋的实际受精情况进行比较。发现所有鸡蛋均被准确预测，预测准确率为100％。
为检验模型对未知样品预测的精确度鸡模型的稳定性。用模型对71个预测集样品(包括受精蛋25个，未受精蛋46个)进行预测，两类样品的预测值与定义值及偏差结果如图3所示。从图中可以看出，以0为界限，两类鸡蛋样品分布在1和-1附近，能明显区分开，预测集中受精蛋和未受精蛋均能被正确判别为相应类别，模型验证准确率达到100％。所建立的模型能够达到识别受精蛋和未受精蛋的目的。
实施例2：实验材料为白壳鸡蛋188枚。其中受精蛋有91个，未受精蛋有97个。所采用的划分样品集，光谱预处理，建立模型的方法与实施例1均相同。188个样品有120个被选入建模集，68个被选入预测集。预测准确率为100％。所建立的模型能够达到识别受精蛋和未受精蛋的目的。
实施例3：实验材料为粉壳鸡蛋190枚。其中受精蛋有91个，未受精蛋有99个。所采用的划分样品集，光谱预处理，建立模型的方法与实施例1均相同。190个样品有120个被选入建模集，70个被选入预测集。预测准确率为100％。所建立的模型能够达到识别受精蛋和未受精蛋的目的。
本发明能够在不破坏种蛋完整性的情况下，通过种蛋中受精蛋和未受精蛋的近红外光谱响应特征差异，在入孵前就可以准确判定受精蛋未受精蛋的类型，判定正确率达到100％。可以为生产者提供种蛋中未受精蛋的信息，在入孵前就可以挑出种蛋中的未受精蛋，将其作为食品蛋售卖，同时也可以节约孵化空间。本发明的方法不仅可以用于实验室的快速分析和检测，而且可以通过开发在线检测设备和便携式仪器，用于工业自动化生产种蛋中未受精蛋的入孵前剔除，从而给整个家禽养殖业带来巨大的经济效益。
图4本发明一实施例提供的一种基于近红外光谱的入孵前种蛋受精情况检测装置的原理框图。
如图4所示的一种基于近红外光谱的入孵前种蛋受精情况检测装置，包括：
第一获取单元401，用于获取对种蛋采用预设方式进行近红外光扫描形成的多个近红外光谱；所述预设方式为：对种蛋的至少两个不同预设位置中的每个预设位置进行至少一次扫描；
第二获取单元402，用于获取所述多个近红外光谱中每个光谱中各个预设波段处的吸光度；
第一计算单元403，用于根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值；
第二计算单元404，用于根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值；
确定单元405，用于根据所述预测值，确定所述种蛋是否受精。
由于本发明的一种基于近红外光谱的入孵前种蛋受精情况检测装置和一种基于近红外光谱的入孵前种蛋受精情况检测方法是一一对应的，因此，不再详述基于近红外光谱的入孵前种蛋受精情况检测装置。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上实施方式仅适于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
Claims (10)
1.一种基于近红外光谱的入孵前种蛋受精情况检测方法，其特征在于，包括：
获取对种蛋采用预设方式进行近红外光扫描形成的多个近红外光谱；所述预设方式为：对种蛋的至少两个不同预设位置中的每个预设位置进行至少一次扫描；
获取所述多个近红外光谱中每个光谱中各个预设波段处的吸光度，并根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值；
根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值；
根据所述预测值，确定所述种蛋是否受精。
2.根据权利要求1所述的方法，所述预设位置为圆周上的位置，所述圆周为经过种蛋所对应的椭圆的原点和短轴的圆周。
3.根据权利要求1所述的方法，其特征在于，根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值之后，根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值之前，所述方法还包括：
判断所述种蛋的蛋壳颜色是否为褐色；
若是，则所述预设种蛋受精情况预测模型为：
<mrow>
<mi>Y</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>139</mn>
</munderover>
<mrow>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>-</mo>
<mn>1.34</mn>
</mrow>
其中，Y为种蛋是否受精的预测值，Xi为第i个预设波段处吸光度的平均值，Ai为第i个预设波段处吸光度的预设权重系数。
4.根据权利要求1所述的方法，其特征在于，根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值之后，根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值之前，所述方法还包括：
判断所述种蛋的蛋壳颜色是否为白色；
若是，则所述预设种蛋受精情况预测模型为：
<mrow>
<mi>Y</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>139</mn>
</munderover>
<mrow>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>+</mo>
<mn>0.06</mn>
</mrow>
其中，Y为种蛋是否受精的预测值，Xi为第i个预设波段处吸光度的平均值，Ai为第i个预设波段处吸光度的预设权重系数。
5.根据权利要求1所述的方法，其特征在于，根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值之后，根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值之前，所述方法还包括：
判断所述种蛋的蛋壳颜色是否为粉色；
若是，则所述预设种蛋受精情况预测模型为：
<mrow>
<mi>Y</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>139</mn>
</munderover>
<mrow>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>+</mo>
<mn>1.60</mn>
</mrow>
其中，Y为种蛋是否受精的预测值，Xi为第i个预设波段处吸光度的平均值，Ai为第i个预设波段处吸光度的预设权重系数。
6.根据权利要求1-5中任一项所述的方法，其特征在于，获取对种蛋采用预设方式进行近红外光扫描形成的多个近红外光谱之前，所述方法还包括：
获取对多个种蛋中每个种蛋采用预设方式进行近红外光扫描形成的多个近红外光谱；所述预设方式为：对种蛋的至少两个不同预设位置中的每个预设位置进行至少一次扫描；
获取所述多个近红外光谱中每个光谱中各个预设波段处的吸光度，并根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值，将每个种蛋的各个预设波段处吸光度的平均值作为每个种蛋的吸光度集合；
获取在预设条件下达到入孵预设时间段时的每个种蛋是否为受精种蛋的分类变量值；按照预设规则选取预设数量的吸光度集合作为建模集，根据所述建模集中的各个吸光度的平均值和各个第一种蛋的分类变量值，采用预设建模方法构建所述种蛋受精情况预测模型；所述各个第一种蛋为与所述建模集中的各个吸光度集合对应的种蛋。
7.根据权利要求6所述的方法，其特征在于，所述预设规则为：
根据每个吸光度集合中的吸光度的平均值，计算任意两个种蛋光谱之间的欧氏距离，将欧氏距离最大的两个吸光度集合选入建模集；
在每个剩余种蛋的欧氏距离中选择距离最小的欧氏距离，将选取出的距离最小的欧氏距离组成待选集合；所述剩余种蛋的欧氏距离为剩余种蛋与已选取的种蛋光谱之间的欧式距离，所述已选取的种蛋为已选入建模集的吸光度集合对应的种蛋；
在所述待选集合中选取最大的欧氏距离，将与最大欧氏距离对应的吸光度集合添加到建模集；
重复所述根据剩余吸光度的平均值和已选取的吸光度的平均值，分别计算每个剩余种蛋与已选取的种蛋光谱之间的欧式距离，直至建模集中的吸光度集合达到所述预设数量。
8.根据权利要求6所述的方法，其特征在于，所述预设建模方法为线性回归法。
9.根据权利要求6所述的方法，其特征在于，所述方法还包括：
根据预测集中的各个吸光度的平均值和所述种蛋受精情况预测模型，计算各个第二种蛋是否受精的预测值；所述预测集包括所有吸光度集合中除去建模集中的吸光度集合外的吸光度集合，所述各个第二种蛋为与所述预测集中的各个吸光度集合对应的种蛋；
根据各个第二种蛋的分类变量值与预设值，确定各个第二种蛋的分类变量值与预设值的第一大小关系，并根据所述各个第二种蛋的预测值与预设值，确定各个第二种蛋的预测值与预设值的第二大小关系；
若各个第二种蛋的第一大小关系和第二大小关系均相同，则确定所述种蛋受精情况预测模型为最终的种蛋受精情况预测模型。
10.一种基于近红外光谱的入孵前种蛋受精情况检测装置，其特征在于，包括：
第一获取单元，用于获取对种蛋采用预设方式进行近红外光扫描形成的多个近红外光谱；所述预设方式为：对种蛋的至少两个不同预设位置中的每个预设位置进行至少一次扫描；
第二获取单元，用于获取所述多个近红外光谱中每个光谱中各个预设波段处的吸光度；
第一计算单元，用于根据所述每个光谱中各个预设波段处的吸光度，计算各个预设波段处吸光度的平均值；
第二计算单元，用于根据各个预设波段处吸光度的平均值和各个预设波段处吸光度的预设权重系数，利用预设种蛋受精情况预测模型计算所述种蛋是否受精的预测值；
确定单元，用于根据所述预测值，确定所述种蛋是否受精。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710909711.4A CN107764770B (zh) | 2017-09-29 | 2017-09-29 | 基于近红外光谱的入孵前种蛋受精情况检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710909711.4A CN107764770B (zh) | 2017-09-29 | 2017-09-29 | 基于近红外光谱的入孵前种蛋受精情况检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107764770A true CN107764770A (zh) | 2018-03-06 |
| CN107764770B CN107764770B (zh) | 2019-09-17 |
Family
ID=61266957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710909711.4A Active CN107764770B (zh) | 2017-09-29 | 2017-09-29 | 基于近红外光谱的入孵前种蛋受精情况检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107764770B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108605869A (zh) * | 2018-03-27 | 2018-10-02 | 浙江大学 | 一种融合种蛋参数的无精蛋光电检测方法 |
| CN111387087A (zh) * | 2020-04-10 | 2020-07-10 | 林心 | 一种鸡蛋孵化程度自动化检测系统 |
| CN117390089A (zh) * | 2023-11-14 | 2024-01-12 | 河北玖兴农牧发展有限公司 | 一种孵前种蛋受精信息统计方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102960265A (zh) * | 2012-12-05 | 2013-03-13 | 华中科技大学 | 一种非侵入式蛋胚存活状态检测方法及装置 |
| CN103364364A (zh) * | 2013-07-01 | 2013-10-23 | 南京富岛信息工程有限公司 | 一种基于复合预测技术的原油性质快速检测方法 |
| CN103472008A (zh) * | 2013-08-30 | 2013-12-25 | 黑龙江八一农垦大学 | 孵化前期近红外种蛋内鸡胚性别识别方法 |
| CN103884675A (zh) * | 2014-03-25 | 2014-06-25 | 史永刚 | 一种基于红外光谱的发动机润滑油识别算法 |
| CN104990894A (zh) * | 2015-07-09 | 2015-10-21 | 南京富岛信息工程有限公司 | 一种基于加权吸光度及相似样本的汽油性质检测方法 |
| CN106053358A (zh) * | 2016-05-06 | 2016-10-26 | 中国农业大学 | 基于可见/近红外光谱的禽类无精蛋检测方法与装置 |
| CN106645605A (zh) * | 2016-09-05 | 2017-05-10 | 中国农业大学 | 基于机器视觉的禽类受精蛋检测方法 |
| CN106872465A (zh) * | 2016-12-27 | 2017-06-20 | 中国农业大学 | 基于机器视觉的禽类受精蛋检测筛选装置 |
-
2017
- 2017-09-29 CN CN201710909711.4A patent/CN107764770B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102960265A (zh) * | 2012-12-05 | 2013-03-13 | 华中科技大学 | 一种非侵入式蛋胚存活状态检测方法及装置 |
| CN103364364A (zh) * | 2013-07-01 | 2013-10-23 | 南京富岛信息工程有限公司 | 一种基于复合预测技术的原油性质快速检测方法 |
| CN103472008A (zh) * | 2013-08-30 | 2013-12-25 | 黑龙江八一农垦大学 | 孵化前期近红外种蛋内鸡胚性别识别方法 |
| CN103884675A (zh) * | 2014-03-25 | 2014-06-25 | 史永刚 | 一种基于红外光谱的发动机润滑油识别算法 |
| CN104990894A (zh) * | 2015-07-09 | 2015-10-21 | 南京富岛信息工程有限公司 | 一种基于加权吸光度及相似样本的汽油性质检测方法 |
| CN106053358A (zh) * | 2016-05-06 | 2016-10-26 | 中国农业大学 | 基于可见/近红外光谱的禽类无精蛋检测方法与装置 |
| CN106645605A (zh) * | 2016-09-05 | 2017-05-10 | 中国农业大学 | 基于机器视觉的禽类受精蛋检测方法 |
| CN106872465A (zh) * | 2016-12-27 | 2017-06-20 | 中国农业大学 | 基于机器视觉的禽类受精蛋检测筛选装置 |
Non-Patent Citations (2)
| Title |
|---|
| ZHIHUI ZHU ET AL: "The identification of white fertile eggs prior to incubation based on machine vision and least square support vector machine", 《AFRICAN JOURNAL OF AGRICULTURAL RESEARCH》 * |
| 祝志慧等: "基于近红外光谱的孵前种蛋检测", 《光谱学与光谱分析》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108605869A (zh) * | 2018-03-27 | 2018-10-02 | 浙江大学 | 一种融合种蛋参数的无精蛋光电检测方法 |
| CN108605869B (zh) * | 2018-03-27 | 2019-10-29 | 浙江大学 | 一种融合种蛋参数的无精蛋光电检测方法 |
| CN111387087A (zh) * | 2020-04-10 | 2020-07-10 | 林心 | 一种鸡蛋孵化程度自动化检测系统 |
| CN117390089A (zh) * | 2023-11-14 | 2024-01-12 | 河北玖兴农牧发展有限公司 | 一种孵前种蛋受精信息统计方法及系统 |
| CN117390089B (zh) * | 2023-11-14 | 2024-03-19 | 河北玖兴农牧发展有限公司 | 一种孵前种蛋受精信息统计方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107764770B (zh) | 2019-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wei et al. | Visual detection of the moisture content of tea leaves with hyperspectral imaging technology | |
| CN102495005B (zh) | 高光谱图像技术诊断作物水分亏缺的方法 | |
| CN107764770B (zh) | 基于近红外光谱的入孵前种蛋受精情况检测方法及装置 | |
| Das et al. | Detecting fertility of hatching eggs using machine vision II: Neural network classifiers | |
| CN106483166B (zh) | 一种基于介电谱技术快速检测牛乳脂肪含量的方法 | |
| CN106248746B (zh) | 一种基于介电频谱技术的牛乳蛋白质含量快速检测方法 | |
| Tian et al. | Effective modification through transmission Vis/NIR spectra affected by fruit size to improve the prediction of moldy apple core | |
| CN103439271B (zh) | 一种猪肉成熟状况的可视化检测方法 | |
| Lin et al. | The identification and filtering of fertilized eggs with a thermal imaging system | |
| CN108680515B (zh) | 一种单粒水稻直链淀粉定量分析模型构建及其检测方法 | |
| CN108663339A (zh) | 基于光谱和图像信息融合的霉变玉米在线检测方法 | |
| CN104856680A (zh) | 一种新生儿黄疸的自动检测方法及系统 | |
| Tang et al. | Identification of Lycium barbarum varieties based on hyperspectral imaging technique and competitive adaptive reweighted sampling‐whale optimization algorithm‐support vector machine | |
| Islam et al. | Detection of infertile eggs using visible transmission spectroscopy combined with multivariate analysis | |
| CN110443262A (zh) | 基于计算机视觉的鱼体新鲜度快速无损检测方法及其装置 | |
| CN108805176A (zh) | 一种基于随机森林回归的鱼饲料投喂量预测方法 | |
| Lorenc et al. | Spectral technique for detection of changes in eggshells caused by Mycoplasma synoviae | |
| Wang et al. | Study of measurement methods on phenotype of translucent eggs | |
| Feng et al. | Detection of blood spots in eggs by hyperspectral transmittance imaging | |
| US10712325B2 (en) | Method and apparatus for measuring inflorescence, seed and/or seed yield phenotype | |
| Fu et al. | Assessment of integrated freshness index of different varieties of eggs using the visible and near-infrared spectroscopy | |
| CN108169168A (zh) | 检测分析水稻籽粒蛋白质含量数学模型及构建方法和应用 | |
| CN105675538B (zh) | 一种胡麻饼养分的检测方法 | |
| CN104316492A (zh) | 近红外光谱测定马铃薯块茎中蛋白质含量的方法 | |
| CN109961179A (zh) | 一种水产品品质检测方法及便携式拉曼装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |