基于可見/近紅外光譜的禽蛋孵化能力的判別方法
【專利摘要】本發(fā)明涉及一種基于可見及近紅外光譜的禽蛋孵化能力的判別方法。該方法是將禽蛋的光譜數(shù)據(jù)進行預(yù)處理后，通過定性分析的方法建立判別孵化能力結(jié)果的數(shù)學(xué)模型，將判別準(zhǔn)確率最高模型確定為最佳模型用于待測禽蛋孵化能力的判別或檢測。所述禽蛋孵化能力分為兩類：M+或M?；所述M+為孵化能力較強，即可以孵化出雛，且雛禽體質(zhì)健康；所述M?為孵化能力較弱，即不能孵化出雛，或可以孵化出雛但雛禽體質(zhì)不健康。實驗證明，本發(fā)明所提供基于可見及近紅外光譜的禽蛋孵化能力的判別方法，在判別孵化9天和11天的農(nóng)大3號雞蛋的孵化能力的準(zhǔn)確率可達(dá)78.57％和80.95％。
【專利說明】
基于可見/近紅外光譜的禽蛋孵化能力的判別方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及生物技術(shù)領(lǐng)域，具體說是一種基于可見/近紅外光譜的禽蛋孵化能力 的判別方法。
【背景技術(shù)】
[0002] 在禽蛋孵化過程中，部分種蛋因最終不能出雛，從而造成大量浪費。美國農(nóng)業(yè)部國 家農(nóng)業(yè)統(tǒng)計局(USDA，NASS)2006年的統(tǒng)計數(shù)據(jù)表明，雞種蛋胚胎發(fā)育率僅為86%~99%，其 中很大一部分是由于種蛋在孵化過程中死亡。對于有孵化能力的企業(yè)如果盡早的發(fā)現(xiàn)死亡 或孵化緩慢的種蛋，能夠避免死亡種蛋腐敗產(chǎn)生的細(xì)菌感染其他種蛋。對于生產(chǎn)雞蛋疫苗 的企業(yè)，盡早的發(fā)現(xiàn)并剔除死亡的種蛋，可以節(jié)省更多的生產(chǎn)空間，增加企業(yè)的產(chǎn)值。因此， 找尋一種種蛋孵化能力的鑒別方法，對整個的禽類孵化行業(yè)具有重要意義。

【發(fā)明內(nèi)容】

[0003] 針對現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明的目的在于提供一種基于可見/近紅外光譜 的禽蛋孵化能力的判別方法，該方法具有不損傷禽蛋、檢測速度快和準(zhǔn)確率高的優(yōu)點，適用 于受精蛋和無精蛋的孵化能力檢測。
[0004] 為達(dá)到以上目的，本發(fā)明提供一種基于可見/近紅外光譜的禽蛋孵化能力的判別 方法，包括如下步驟：
[0005] 通過對品種相同和發(fā)育時間相同、或品種相同和孵化時間相同的禽蛋作為訓(xùn)練樣 本的可見/近紅外光譜數(shù)據(jù)進行不同的預(yù)處理后獲得不同的數(shù)據(jù)集，使用不同的定性分析 方法建立不同的判斷所述禽蛋孵化能力結(jié)果的數(shù)學(xué)模型；
[0006] 將與所述訓(xùn)練樣本的品種相同和發(fā)育時間相同、或品種相同和孵化時間相同的驗 證樣本的可見/近紅外光譜數(shù)據(jù)進行所述不同的預(yù)處理后，代入相應(yīng)的所述數(shù)學(xué)模型中，得 出不同的預(yù)測孵化能力結(jié)果，將該不同的預(yù)測孵化能力結(jié)果與驗證樣本的實測孵化能力結(jié) 果進行比較，將最接近實測孵化能力結(jié)果的所述預(yù)測孵化能力結(jié)果所使用的數(shù)學(xué)模型確定 為最佳數(shù)學(xué)模型；
[0007] 將所述最佳數(shù)學(xué)模型用于檢測與所述訓(xùn)練樣本的品種相同和發(fā)育時間相同、或品 種相同和孵化時間相同的待測禽蛋的孵化能力結(jié)果；
[0008] 所述孵化能力結(jié)果分為兩類:M+和M-;
[0009] 所述M+為孵化能力較強，即可以孵化出雛，且雛禽體質(zhì)健康；
[0010]所述M-為孵化能力較弱，即不能孵化出雛，或可以孵化出雛但雛禽體質(zhì)不健康。
[0011] 上述基于可見/近紅外光譜的禽蛋孵化能力的判別方法，具體可包括如下步驟：
[0012] R1數(shù)學(xué)模型的建立：
[0013] R11訓(xùn)練樣本的光譜數(shù)據(jù)采集及孵化能力結(jié)果數(shù)據(jù)統(tǒng)計：
[0014] 取品種相同和發(fā)育時間、或品種相同和孵化時間相同的若干個禽蛋作為訓(xùn)練樣 本，采集其可見/近紅外光譜，獲得所述訓(xùn)練樣本的光譜數(shù)據(jù)集A;
[0015] 所述光譜數(shù)據(jù)集A中的數(shù)據(jù)形式具體可為透射率，也可為吸光度值等對光譜進行 轉(zhuǎn)換的其他光譜數(shù)據(jù)形式；
[0016] 所述透射率(I)的計算公式如下：
[0017] 公式 1
[0018] 在所述公式1中，1〇為待測禽蛋的光譜數(shù)據(jù);B為暗參考光譜數(shù)據(jù);W為白參考光譜 數(shù)據(jù)；
[0019] 統(tǒng)計所述訓(xùn)練樣本的孵化能力結(jié)果，獲得所述訓(xùn)練樣本的孵化能力結(jié)果數(shù)據(jù)集S;
[0020] R12訓(xùn)練樣本的光譜數(shù)據(jù)的預(yù)處理：
[0021] 將所述光譜數(shù)據(jù)集A進行不同的預(yù)處理后，獲得不同數(shù)據(jù)集A1、A2、A3、……和Ai ; 所述Ai為經(jīng)過不同的所述預(yù)處理得到的不同數(shù)據(jù)集;所述i為不同的所述預(yù)處理；
[0022]即將所述光譜數(shù)據(jù)集A分別用i個不同的所述預(yù)處理進行處理后，獲得i個不同的 數(shù)據(jù)集(分別為數(shù)據(jù)集A1、A2、A3、……和Ai);i = l，2,3,……；
[0023]所述預(yù)處理的方法包括中值濾波平滑方法、主成分分析法、一階導(dǎo)數(shù)校正、二階導(dǎo) 數(shù)校正、多元散射矯正、附加散射矯正方法、一維小波變換和標(biāo)準(zhǔn)正態(tài)變量變換等光譜預(yù)處 理方法中的任一種或任幾種的組合，或不做任何處理；
[0024] 因為不同禽蛋品種及采集光譜數(shù)據(jù)時孵化時間或發(fā)育時間不同，所采用最適合的 所述預(yù)處理方法不同，所述預(yù)處理方法的確定需要結(jié)合下述建立模型中使用的所述定性分 析的方法，通過比較最后得到的不同數(shù)學(xué)模型的準(zhǔn)確率來確定；
[0025] R13建立模型：
[0026] 將所述數(shù)據(jù)集A1、A2、A3、……和Ai分別與所述孵化能力結(jié)果數(shù)據(jù)集S運用不同的 定性分析的方法建立判別禽蛋孵化能力結(jié)果的數(shù)學(xué)模型Μ1-1、Μ1-2、Μ1-3、……Ml_j、M2_l、 M2-2、M2-3……M2-j、……和Mi_j ;所述Mi_j為不同的所述預(yù)處理方法和不同的所述定性分 析的方法相結(jié)合所建立的不同數(shù)學(xué)模型;所述j為不同的所述定性分析方法；
[0027] 即將所述數(shù)據(jù)集A1、A2、A3、……和Ai分別與所述孵化能力結(jié)果數(shù)據(jù)集S運用j個不 同的定性分析的方法建立判別禽蛋孵化能力結(jié)果的數(shù)學(xué)模型Μ1-1、Μ1-2、Μ1-3、……Ml_j、 M2-1、M2-2、M2-3……M2-j、……和Mi-j ; j = 1，2，3，……；
[0028] 所述定性分析的方法為偏最小二乘判別法、樸素貝葉斯判別分析法、Fisher算法、 基于馬氏距離的貝葉斯判別法、支持向量機判別分析法、人工神經(jīng)網(wǎng)絡(luò)算法等模式識別的 算法中的任一種；
[0029] 因為不同禽蛋品種及采集光譜數(shù)據(jù)時孵化時間不同，所采用的最適合的定性分析 的方法不同，所述定性分析的方法的確定需要結(jié)合所述預(yù)處理方法，通過比較最后得到的 不同數(shù)學(xué)模型的準(zhǔn)確率來確定；
[0030] R2數(shù)學(xué)模型的比較和確定：
[0031] R21驗證樣本的光譜數(shù)據(jù)采集及孵化能力結(jié)果數(shù)據(jù)統(tǒng)計：
[0032]另取與所述訓(xùn)練樣本的品種、發(fā)育時間和孵化時間相同的若干個禽蛋作為驗證樣 本，在步驟R11中所述采集的相同條件下，采集其可見/近紅外光譜，獲得所述驗證樣本的光 譜數(shù)據(jù)集a;所述光譜數(shù)據(jù)集a中的數(shù)據(jù)形式與所述光譜數(shù)據(jù)集A中的數(shù)據(jù)形式相同；
[0033]統(tǒng)計所述驗證樣本的孵化能力結(jié)果，獲得所述驗證樣本的孵化能力結(jié)果數(shù)據(jù)集s;
[0034] R22驗證樣本的光譜數(shù)據(jù)的預(yù)處理：
[0035] 將所述光譜數(shù)據(jù)集a按照步驟R12的方法進行不同的預(yù)處理后，獲得不同數(shù)據(jù)集 al、a2、a3、……和ai ;所述ai為經(jīng)過不同的所述預(yù)處理得到的不同數(shù)據(jù)集;所述i為不同的 所述預(yù)處理；
[0036] R23模型驗證：
[0037]將所述數(shù)據(jù)集ai分別代入所述數(shù)學(xué)模型Mi-j中，且所述ai和所代入的所述Mi-j中 的i相同，得出不同的預(yù)測孵化能力結(jié)果的數(shù)據(jù)集bi-j;將該數(shù)據(jù)集bi-j分別與步驟R21統(tǒng) 計的所述孵化能力結(jié)果數(shù)據(jù)集s進行比較計算準(zhǔn)確率，將所述數(shù)據(jù)集bi-j中準(zhǔn)確率最高的 數(shù)據(jù)集所使用的所述數(shù)學(xué)模型確定為最佳數(shù)學(xué)模型；
[0038] R3待測禽蛋的孵化能力結(jié)果判別：
[0039] 在步驟R11中所述采集的相同條件下，采集與所述訓(xùn)練樣本的品種相同和發(fā)育時 間相同、或品種相同和孵化時間相同的待測禽蛋的可見/近紅外光譜，獲得光譜數(shù)據(jù)X;所述 光譜數(shù)據(jù)X的數(shù)據(jù)形式與所述光譜數(shù)據(jù)集A中的數(shù)據(jù)形式相同；
[0040] 將所述光譜數(shù)據(jù))(按照與步驟R23中的所述最佳數(shù)學(xué)模型所使用的所述預(yù)處理方 法進行預(yù)處理，獲得數(shù)據(jù)XI;
[0041] 將所述數(shù)據(jù)XI代入到步驟R23中的所述最佳數(shù)學(xué)模型中，得出待測禽蛋的孵化能 力結(jié)果；
[0042]所述孵化能力結(jié)果分為兩類:M+和M-;
[0043] 所述M+為孵化能力較強，即可以孵化出雛，且雛禽體質(zhì)健康；
[0044] 所述M-為孵化能力較弱，即不能孵化出雛，或可以孵化出雛但雛禽體質(zhì)不健康； [0045]無精蛋由于無孵化能力，歸到孵化能力較弱的一類；
[0046] 所述雛禽體質(zhì)健康的評價標(biāo)準(zhǔn)為滿足下述(1) 一 (7)中的所有情況：
[0047] (1)雛禽自己出雛；
[0048] (2)在正常的孵化時間內(nèi)或正常的孵化時間之前出雛;所述正常孵化時間為每種 禽類固定的孵化時間，如雞的正常孵化時間為21天，鴨的正常孵化時間為28天，鵝的正常孵 化時間為30天；
[0049] (3)無殘疾；
[0050] (4)出雛后12小時內(nèi)能正常行走；
[0051 ] (5)臍帶傷口愈合且臍帶完全脫落；
[0052] (6)雛禽有活力；
[0053] (7)孵化12小時后，雛禽羽毛蓬松。
[0054] 所述雛禽體質(zhì)不健康的評價標(biāo)準(zhǔn)為滿足(8) - (14)中的至少一種情況：
[0055] (8)雛禽需要人工幫助才能出雛；
[0056] (9)在正常的孵化時間之后出雛；
[0057] (10)身體殘疾；
[0058] (11)出雛后12小時內(nèi)不能正常行走；
[0059] (12)臍帶傷口未愈合或臍帶沒有脫落；
[0060] (13)雛禽無活力；
[0061 ] (14)孵化12小時后，雛禽羽毛粘連且有血色。
[0062] 在上述方法中，步驟R11所述采集的方式可為透射式采集，也可為漫反射式采集。
[0063] 在上述方法中，步驟R11中所述采集時的禽蛋放置方式和放置角度任意。
[0064]在上述方法中，步驟R11中所述采集的相同條件包括:所述采集的方式、所述采集 時的禽蛋放置方式和放置角度、所述采集時的光源、光探頭位置;所述采集在低浮動的溫濕 度條件下進行。
[0065]在上述方法中，所述禽蛋可為雞、鴨或鵝等生殖方式為有性生殖且為卵式生殖的 鳥類的蛋，本發(fā)明實施例2和3中所述禽蛋具體為雞蛋，品種為農(nóng)大3號。
[0066] 在上述方法中，所述可見/近紅外光譜的波長范圍為200~2500nm，具體可為350~ llOOnm，且不限于上述波長范圍內(nèi)的部分波長范圍或單波長點及其組合。
[0067] 使用本發(fā)明方法所建立的模型只適用于單一禽類的單一品種，該方法適用于禽蛋 孵化的全過程，且不限于禽蛋內(nèi)胚胎、卵黃囊、尿囊腔、羊膜腔或氣室的發(fā)育程度。
[0068] 實驗證明，本發(fā)明所述的基于可見/近紅外光譜的禽蛋孵化能力的判別方法，在判 別孵化9天和11天的農(nóng)大3號雞蛋的孵化能力的準(zhǔn)確率可達(dá)78.57%和80.95%。
【附圖說明】
[0069] 圖1為本發(fā)明實施例1中的基于可見/近紅外光譜的禽蛋檢測裝置的透視圖。
[0070] 附圖中各標(biāo)記說明如下：
[0071 ] 1為電源；2為散熱裝置；3為載物臺；4為光探頭；5為支架;6為光纖；7為溫度傳感 器;8為光源;9為檢測暗箱；10為光信號傳感器;該檢測裝置中下位機控制板、檢測暗箱箱壁 箱門及載物臺上的通孔未示出。
【具體實施方式】
[0072]實施例1、基于可見/近紅外光譜的禽蛋檢測裝置 [0073] 一、裝置結(jié)構(gòu)
[0074] 如圖1所示，本實施例中的基于可見/近紅外光譜的禽蛋檢測裝置由檢測暗箱9,及 如下裝置組成：
[0075] 光源8,設(shè)于所述檢測暗箱9內(nèi)部，為鹵素?zé)?，具體為兩個12V20W飛利浦鹵鎢燈燈珠 (G4燈珠），發(fā)光波段為200~2500nm;光源功率需要根據(jù)樣品來確定，光源功率是決定透過 樣品光的強度的最基本的條件，功率越大透過的光強越大。對于體積越大(或是長軸與短軸 過大)的品種，需要使用功率越大的光源。具體操作可為:在較短的積分時間內(nèi)，當(dāng)透過樣品 的光強度達(dá)到光信號傳感器量程的90% (誤差±5%)時即可認(rèn)定光源的功率合適；
[0076] 載物臺3，設(shè)于所述檢測暗箱9內(nèi)部、光源8上方且中間設(shè)有直徑為10mm-50mm的大 小可調(diào)節(jié)的圓形通孔；該圓形通孔位于所述光源8的正上方；在檢測雞蛋時通孔直徑可為 32mm一45mm;載物臺3由上下兩層板制成，下層為厚度為3mm的金屬錯平板，上層為厚度為 15_的遮光海綿；
[0077] 溫度檢測模塊，由溫度傳感器7、用于處理所述溫度傳感器傳輸信號的下位機控制 板組成，所述溫度傳感器7設(shè)于所述檢測暗箱9內(nèi)部，且位于所述通孔旁；
[0078] 光探頭4內(nèi)部裝有聚焦透鏡一一SMA905準(zhǔn)直透鏡(74系列、海洋光學(xué)），設(shè)于所述通 孔正上方且位于所述檢測暗箱內(nèi)部；
[0079] 支架5，設(shè)置于載物臺3上方，一端與光探頭4相連，另一端固定于檢測暗箱9內(nèi)上 壁，可調(diào)節(jié)光探頭4在垂直方向上來回移動；
[0080] 光信號傳感器10，為一微型光譜儀，型號為USB4000，生產(chǎn)商為海洋光學(xué)公司；其檢 測波段為350~llOOnm;
[0081] 光纖6,其芯部材料為石英，一端連接光探頭4、另一端連接光信號傳感器10;所述 光纖6用于將所述光探頭4收集的光信號傳輸至所述光信號傳感器10中；
[0082] 散熱裝置2,為一散熱風(fēng)扇，設(shè)置于光源8附近的所述檢測暗箱9內(nèi)部；
[0083] 電源1，為穩(wěn)壓直流電源，為光源8、散熱裝置2和下位機控制板供電；
[0084] 通孔、光源8和光探頭4的中心位于一條豎直線上。
[0085]檢測暗箱9由鋁塑板材料制成，為封閉式不透光箱體，長50cm，寬30cm，高60cm，其 一側(cè)面設(shè)為箱門。
[0086] 二、使用方法
[0087] 本實施例中的基于可見/近紅外光譜的禽蛋檢測裝置的使用方法具體如下：
[0088] 1)計算機連接
[0089] 使用數(shù)據(jù)線將光信號傳感器10、下位機控制板分別與同一臺計算機相連接；
[0090] 2)開機
[0091] 打開計算機及檢測暗箱9內(nèi)電源1，并啟動計算機中用于采集光信號傳感器10傳輸 信號的軟件(軟件名稱為SpectraSuite，開發(fā)商為美國海洋光學(xué)公司）；
[0092] 3)預(yù)熱及校準(zhǔn)
[0093]關(guān)閉檢測暗箱9的箱門、不打開光源8且載物臺3上的通孔空置的情況下，使用計算 機中的軟件采集光信號傳感器10的傳輸信號，作為暗參考光譜數(shù)據(jù)B;
[0094]關(guān)閉檢測暗箱9的箱門、并打開光源8且載物臺3上的通孔空置的情況下預(yù)熱30分 鐘后，使用計算機中的軟件采集光信號傳感器10的傳輸信號，作為白參考光譜數(shù)據(jù)W;
[0095] 4)采集光譜數(shù)據(jù)
[0096]通過計算機監(jiān)控載物臺的溫度，在溫度合適(20至38°C)時，將待測禽蛋放置(放置 方式與孵化方式有關(guān):在孵化前的檢測，任意放置方式都可以，孵化過程中的檢測與孵化方 式有關(guān)，如大型孵化器一般豎直且大頭向上放置進行孵化，則檢測時需要與孵化方式一致， 也需要豎直且大頭向上放置進行檢測）在載物臺的圓形通孔中，使用計算機中的軟件采集 待測禽蛋的光譜數(shù)據(jù)1〇,利用公式1:
[0097]
[0098]求得禽蛋的透射率I。
[0099] 5)判別
[0100]使用計算機對待測禽蛋的光譜數(shù)據(jù)進行預(yù)處理后，代入已建立的數(shù)學(xué)模型（不同 禽蛋種類或不同孵化時間下進行光譜數(shù)據(jù)采集，所建立的數(shù)學(xué)模型不同，待測禽蛋與模型 建立所用禽蛋的種類、孵化時間和禽蛋在通孔處的放置方式以及光探頭位置和角度必須相 同）中，判別得出待測禽蛋孵化能力結(jié)果。
[0101] 實施例2、基于可見/近紅外光譜的禽蛋孵化能力的判別方法
[0102] 1、數(shù)學(xué)模型的建立
[0103] 1.1、訓(xùn)練樣本的光譜數(shù)據(jù)采集及孵化能力結(jié)果數(shù)據(jù)統(tǒng)計
[0104] 取73個農(nóng)大3號雞蛋（均為受精蛋，且已在溫度為37.8°C、濕度為65%的孵化箱中 孵化9天)作為訓(xùn)練樣本，使用實施例1的裝置按照實施例1中的使用方法采集該訓(xùn)練樣本的 可見/近紅外光譜（即為透射光譜），獲得所述訓(xùn)練樣本的光譜數(shù)據(jù)集A;采集時，雞蛋的放置 方式為大頭在上豎直放置，實施例1中光探頭與雞蛋頂端的垂直距離為5mm;
[0105] 將上述73個農(nóng)大3號雞蛋置于溫度為37.8°C、濕度為65%的條件下孵化，統(tǒng)計各雞 蛋的孵化能力結(jié)果，獲得數(shù)據(jù)集S;
[0106] 所述孵化能力結(jié)果分為兩類:M+和M-;
[0107] 所述M+為孵化能力較強，即可以孵化出雛，且雛禽體質(zhì)健康；
[0108] 所述M-為孵化能力較弱，即不能孵化出雛，或可以孵化出雛但雛禽體質(zhì)不健康；
[0109] 所述雛禽體質(zhì)健康的評價標(biāo)準(zhǔn)為滿足下述(1) 一 (7)中的所有情況：
[0110] (1)雛禽自己出雛； (2)在正常的孵化時間內(nèi)或正常的孵化時間之前出雛;所述正常孵化時間為每種 禽類固定的孵化時間，如雞的正常孵化時間為21天，鴨的正常孵化時間為28天，鵝的正常孵 化時間為30天；
[0112] (3)無殘疾；
[0113] (4)出雛后12小時內(nèi)能正常行走；
[0114] (5)臍帶傷口愈合，臍帶完全脫落；
[0115] (6)雛禽有活力；
[0116] (7)孵化12小時后，雛禽羽毛蓬松。
[0117] 所述雛禽體質(zhì)不健康的評價標(biāo)準(zhǔn)為滿足(8) - (14)中的至少一種情況：
[0118] (8)雛禽需要人工幫助才能出雛；
[0119] (9)在正常的孵化時間之后出雛；
[0120] (10)身體殘疾；
[0121] (11)出雛后12小時內(nèi)不能正常行走；
[0122] (12)臍帶傷口未愈合或臍帶沒有脫落；
[0123] (13)雛禽無活力；
[0124] (14)孵化12小時后，雛禽羽毛粘連且有血色。
[0125] 所述光譜數(shù)據(jù)集A中的數(shù)據(jù)形式為透射率；
[0126] 所述透射率(I)的計算公式如下：
[0127] 公式 1
[0128] 在所述公式1中，1〇為待測禽蛋的光譜數(shù)據(jù);B為暗參考光譜數(shù)據(jù);W為白參考光譜 數(shù)據(jù)。
[0129] 1.2、訓(xùn)練樣本的光譜數(shù)據(jù)的預(yù)處理
[0130] 將所述光譜數(shù)據(jù)集A進行不同的預(yù)處理后，獲得不同光譜數(shù)據(jù)集六1)2、六3)4和 A5；
[0131]所述數(shù)據(jù)集A1所使用的預(yù)處理方法為多元散射校正(MSC);具體如下：
[0132] 使用軟件matlab軟件(版本為7.6以上，開發(fā)公司為11161^11:11￥(^1^公司）將所述數(shù) 據(jù)集A進行多元散射校正(MSC)，得到光譜數(shù)據(jù)集A2;具體計算過程為將所述數(shù)據(jù)集A利用公 式2計算平均光譜;然后利用公式3進行一元線性回歸；最后利用公式4進行多元散射校正； (公式2-4中的符號除特別說明外，均與matlab軟件中的含義相同）
[0133]
[0134]
[0135] .，·》，·. X. υ
[0136] 所述數(shù)據(jù)集Α2所使用的預(yù)處理方法為標(biāo)準(zhǔn)正態(tài)變量變換(SNV);具體如下：
[0?37] 使用mat lab軟件(版本為7.6以上，開發(fā)公司為TheMathWorks公司）將所述數(shù)據(jù)集A 進行標(biāo)準(zhǔn)正態(tài)變量變換(SNV)，得到光譜數(shù)據(jù)集A1;具體計算過程為:將數(shù)據(jù)集A代入公式5:
[0138]
法(SVM)，具體如下：
[0152] 使用軟件11^1:1313軟件(版本為7.6以上，開發(fā)公司為1'1161&11:111(^1^公司）將步驟1.1 獲得的孵化能力結(jié)果數(shù)據(jù)集S和所述光譜數(shù)據(jù)集41^2)3^4或45分別導(dǎo)入!^11&13軟件中， 調(diào)用支持向量機判別分析法(SVM)工具包，將數(shù)據(jù)集S和光譜數(shù)據(jù)集41^2^3^4或45進行 支持向量機判別分析法(SVM)分析，建立判別禽蛋孵化能力結(jié)果的數(shù)學(xué)模型M1-1、M2-1、M3- 1、M4-1 和 M5-1;
[0153] 所述模型組-2、12-2、13-2、14-2和15-2的定性分析方法為：樸素貝葉斯判別分析 法(NB)，具體如下：
[0154] 使用軟件11^1:1313軟件(版本為7.6以上，開發(fā)公司為1'1161&11:111(^1^公司）將步驟1.1 獲得的孵化能力結(jié)果數(shù)據(jù)集S和所述光譜數(shù)據(jù)集41^2)3^4或45分別導(dǎo)入!^11&13軟件中， 調(diào)用樸素貝葉斯判別分析法(NB)函數(shù)，將數(shù)據(jù)集S和光譜數(shù)據(jù)集41^2^3^4或45進行樸素 貝葉斯判別分析法(NB)分析，建立判別禽蛋孵化能力結(jié)果的數(shù)學(xué)模型M1-2、M2-2、M3-2、M4-2和M5-2;
[0155] 2、數(shù)學(xué)模型的比較和確定
[0156] 2.1、驗證樣本的光譜數(shù)據(jù)采集及孵化能力結(jié)果數(shù)據(jù)統(tǒng)計
[0157] 另取與所述訓(xùn)練樣本品種相同的已在溫度為37.8°C、濕度為65%的孵化箱中孵化 9天的37個農(nóng)大3號雞蛋(均為受精蛋)作為驗證樣本，在步驟1.1中所述采集的相同條件下， 采集其可見/近紅外光譜，獲得所述驗證樣本的光譜數(shù)據(jù)集a;所述光譜數(shù)據(jù)集a中的數(shù)據(jù)形 式與所述光譜數(shù)據(jù)集A中的數(shù)據(jù)形式相同；
[0158] 將上述37個農(nóng)大3號雞蛋置于溫度為37.8°C、濕度為65%的條件下孵化，按照步驟 1.1的方法統(tǒng)計各雞蛋的孵化能力結(jié)果，獲得數(shù)據(jù)集s;
[0159] 2.2驗證樣本的光譜數(shù)據(jù)的預(yù)處理
[0160] 將所述光譜數(shù)據(jù)集a按照步驟1.2的方法進行不同的預(yù)處理后，獲得不同數(shù)據(jù)集 al、a2、a3、a4^Pla5;
[0161] 2.3、模型驗證
[0162] 將所述數(shù)據(jù)集al分別代入所述數(shù)學(xué)模型M1-UM1-2中，得出不同的預(yù)測孵化能力 結(jié)果數(shù)據(jù)集b 1 -1和b 1 -2;
[0163] 將所述數(shù)據(jù)集a2分別代入所述數(shù)學(xué)模型Μ2-1、Μ2-2中，得出不同的預(yù)測孵化能力 結(jié)果數(shù)據(jù)集b2-l和b2-2;
[0164] 將所述數(shù)據(jù)集a3分別代入所述數(shù)學(xué)模型Μ3-1、Μ3-2中，得出不同的預(yù)測孵化能力 結(jié)果數(shù)據(jù)集b3-l和b3-2;
[0165] 將所述數(shù)據(jù)集a4分別代入所述數(shù)學(xué)模型Μ4-1、Μ4-2中，得出不同的預(yù)測孵化能力 結(jié)果數(shù)據(jù)集b4-l和b4-2;
[0166] 將所述數(shù)據(jù)集a5分別代入所述數(shù)學(xué)模型Μ5-1、Μ5-2中，得出不同的預(yù)測孵化能力 結(jié)果數(shù)據(jù)集b5-l和b5-2;
[0167] 將數(shù)據(jù)集 1^1-1、131-242-142-243-143-244-144-245-1和匕5-2分別與步驟 2.1統(tǒng)計的所述孵化能力結(jié)果數(shù)據(jù)集s進行比較并計算準(zhǔn)確率。結(jié)果：
[0168] 如表1所示:數(shù)據(jù)集b5_2與數(shù)據(jù)集s進行比較的準(zhǔn)確率為78.57%，最高；即數(shù)學(xué)模 型M5-2為最佳數(shù)學(xué)模型，模型M5-2所使用的預(yù)處理方法為未進行任何處理，定性分析的方 法為樸素貝葉斯判別分析法(NB)。將該最佳數(shù)學(xué)模型M5-2植入計算機中。
[0169] 表1孵化9天的不同預(yù)處理與建模方法判別準(zhǔn)確率（％ )
[0170]
[0171] 3、待測禽蛋的孵化能力結(jié)果判別
[0172] 在步驟1.1中所述采集的相同條件下，采集待測禽蛋的可見/近紅外光譜，獲得光 譜數(shù)據(jù)X;所述光譜數(shù)據(jù)X的數(shù)據(jù)形式與所述光譜數(shù)據(jù)集A中的數(shù)據(jù)形式相同；
[0173] 將所述光譜數(shù)據(jù)對安照與步驟2.3中的所述最佳數(shù)學(xué)模型M5-2所使用的所述預(yù)處 理方法進行預(yù)處理，獲得數(shù)據(jù)XI;
[0174] 將所述數(shù)據(jù)XI代入到步驟2中的所述最佳數(shù)學(xué)模型M5-2中，得出待測禽蛋的孵化 能力結(jié)果。
[0175] 實施例3、基于可見/近紅外光譜的禽蛋孵化能力的判別方法
[0176] 1、數(shù)學(xué)模型的建立
[0177] 1.1、訓(xùn)練樣本的光譜數(shù)據(jù)采集及孵化能力結(jié)果數(shù)據(jù)統(tǒng)計
[0178] 取73個農(nóng)大3號雞蛋（均為受精蛋，且已在溫度為37.8°C、濕度為65%的孵化箱中 孵化11天)作為訓(xùn)練樣本，使用實施例1的裝置按照實施例1中的使用方法采集該訓(xùn)練樣本 的可見/近紅外光譜（即為透射光譜），獲得所述訓(xùn)練樣本的光譜數(shù)據(jù)集A;采集時，雞蛋的放 置方式為大頭在上豎直放置，實施例1中光探頭與雞蛋頂端的垂直距離為5mm;
[0179] 將上述73個農(nóng)大3號雞蛋置于溫度為37.8°C、濕度為65 %的條件下孵化，統(tǒng)計各雞 蛋的孵化能力結(jié)果，獲得數(shù)據(jù)集S;
[0180]所述孵化能力結(jié)果的統(tǒng)計方法與實施例2相同；
[0181]所述光譜數(shù)據(jù)集A中的數(shù)據(jù)形式為透射率；
[0182] 所述透射率(I)的計算公式如下：
[0183] 公式]
[0184] 在所述公式1中，1〇為待測禽蛋的光譜數(shù)據(jù);B為暗參考光譜數(shù)據(jù);W為白參考光譜 數(shù)據(jù)。
[0185] 1.2、訓(xùn)練樣本的光譜數(shù)據(jù)的預(yù)處理
[0186] 將所述光譜數(shù)據(jù)集A進行不同的預(yù)處理(如表2的第一行所示)后，獲得不同數(shù)據(jù)集 A1、A2、A3、A^PA5;
[0187] 所述數(shù)據(jù)集A1所使用的預(yù)處理方法為多元散射校正(MSC);
[0188] 所述數(shù)據(jù)集A2所使用的預(yù)處理方法為標(biāo)準(zhǔn)正態(tài)變量變換(SNV);
[0189] 所述數(shù)據(jù)集A3所使用的預(yù)處理方法為一階導(dǎo)數(shù)校正（lstder);
[0190] 所述數(shù)據(jù)集A4所使用的預(yù)處理方法為二階導(dǎo)數(shù)校正(2ndder);
[0191] 所述數(shù)據(jù)集A5所使用的預(yù)處理方法為未進行任何處理(Raw);
[0192] 上述預(yù)處理方法中的MSC、SNV、1 stder、2ndder與實施例2中方法的相同。
[0193] 1.3、建立模型
[0194] 將所述數(shù)據(jù)集41)2^3)4和45分別與所述孵化能力結(jié)果數(shù)據(jù)集5運用不同的定 性分析的方法建立判別禽蛋孵化能力結(jié)果的數(shù)學(xué)模型Μ1-1、Μ1-2、Μ2-1、Μ2-2、Μ3-1、Μ3-2、 Μ4-1、Μ4-2、Μ5-1、Μ5-2;
[0195] 所述模型組-1、12-1、13-1、14-1和15-1的定性分析方法為:支持向量機判別分析 法(SVM)，具體與實施例2中的相同；
[0196] 所述模型組-2、12-2、13-2、14-2和15-2的定性分析方法為：樸素貝葉斯判別分析 法(NB)，具體與實施例2中的相同；
[0197] 2、數(shù)學(xué)模型的比較和確定
[0198] 2.1、驗證樣本的光譜數(shù)據(jù)采集及孵化能力結(jié)果數(shù)據(jù)統(tǒng)計
[0199] 另取與所述訓(xùn)練樣本品種相同的已在溫度為37.8°C、濕度為65%的孵化箱中孵化 11天的37個農(nóng)大3號雞蛋（均為受精蛋)作為驗證樣本，在步驟1.1中所述采集的相同條件 下，采集其可見/近紅外光譜，獲得所述驗證樣本的光譜數(shù)據(jù)集a;所述光譜數(shù)據(jù)集a中的數(shù) 據(jù)形式與所述光譜數(shù)據(jù)集A中的數(shù)據(jù)形式相同；
[0200] 將上述37個農(nóng)大3號雞蛋置于溫度為37.8°C、濕度為65%的條件下孵化，按照步驟 1.1的方法統(tǒng)計各雞蛋的孵化能力結(jié)果，獲得數(shù)據(jù)集S;
[0201] 2.2驗證樣本的光譜數(shù)據(jù)的預(yù)處理
[0202] 將所述光譜數(shù)據(jù)集a按照步驟1.2的方法進行不同的預(yù)處理后，獲得不同數(shù)據(jù)集 al、a2、a3、a4^Pla5;
[0203] 2.3模型驗證
[0204] 將所述數(shù)據(jù)集&1、&2、&3、&4和 &5分別代入所述數(shù)學(xué)模型組_」中，得出不同的預(yù)測 孵化能力結(jié)果的數(shù)據(jù)集bi-j;將該數(shù)據(jù)集bi-j分別與步驟2.1統(tǒng)計的所述孵化能力結(jié)果數(shù) 據(jù)集s進行比較，將準(zhǔn)確率最高的所述數(shù)據(jù)集bi-j所使用的所述數(shù)學(xué)模型確定為最佳數(shù)學(xué) 模型；i為1，2,3,4或5;j為1或2。
[0205] 結(jié)果：
[0206] 如表2所示:數(shù)據(jù)集bl-2和b2_2與數(shù)據(jù)集s進行比較的準(zhǔn)確率為80.95%，最高；即 數(shù)學(xué)模型M1-2和M2-2為最佳數(shù)學(xué)模型;模型M1-2所使用的預(yù)處理方法為MSC，定性分析的方 法為樸素貝葉斯判別分析法(NB);模型M2-2所使用的預(yù)處理方法為SNV，定性分析的方法為 樸素貝葉斯判別分析法(NB);將該最佳數(shù)學(xué)模型M1-2和M2-2分別植入計算機中。
[0207] 表2孵化11天的不同預(yù)處理與建模方法判別準(zhǔn)確率（％ )
[0208]
[0209] 3、待測禽蛋的孵化能力結(jié)果判別
[0210] 在步驟1.1中所述采集的相同條件下，采集待測禽蛋的可見/近紅外光譜，獲得光 譜數(shù)據(jù)X;所述光譜數(shù)據(jù)X的數(shù)據(jù)形式與所述光譜數(shù)據(jù)集A中的數(shù)據(jù)形式相同；
[0211]將所述光譜數(shù)據(jù)對安照與步驟2.3中的所述最佳數(shù)學(xué)模型M1-2或M2-2所使用的所 述預(yù)處理方法進行預(yù)處理，獲得數(shù)據(jù)XI;
[0212]將所述數(shù)據(jù)XI代入到步驟2中的所述最佳數(shù)學(xué)模型Μ卜2或M2-2中，得出待測禽蛋 的孵化能力結(jié)果。
[0213]本說明書中未作詳細(xì)描述的內(nèi)容屬于本領(lǐng)域?qū)I(yè)技術(shù)人員公知的現(xiàn)有技術(shù)。
【主權(quán)項】
1. 一種基于可見/近紅外光譜的禽蛋孵化能力的判別方法，其特征在于，包括如下步 驟： 通過對品種相同和發(fā)育時間相同、或品種相同和孵化時間相同的禽蛋作為訓(xùn)練樣本的 可見/近紅外光譜數(shù)據(jù)進行不同的預(yù)處理后獲得不同的數(shù)據(jù)集，使用不同的定性分析方法 建立不同的判斷所述禽蛋孵化能力結(jié)果的數(shù)學(xué)模型； 將與所述訓(xùn)練樣本的品種相同和發(fā)育時間相同、或品種相同和孵化時間相同的驗證樣 本的可見/近紅外光譜數(shù)據(jù)進行所述不同的預(yù)處理后，代入相應(yīng)的所述數(shù)學(xué)模型中，得出不 同的預(yù)測孵化能力結(jié)果，將該不同的預(yù)測孵化能力結(jié)果與驗證樣本的實測孵化能力結(jié)果進 行比較，將最接近實測孵化能力結(jié)果的所述預(yù)測孵化能力結(jié)果所使用的數(shù)學(xué)模型確定為最 佳數(shù)學(xué)模型； 將所述最佳數(shù)學(xué)模型用于檢測與所述訓(xùn)練樣本的品種相同和發(fā)育時間相同、或品種相 同和孵化時間相同的待測禽蛋的孵化能力結(jié)果； 所述孵化能力結(jié)果分為兩類:M+和M-; 所述M+為孵化能力較強，即可以孵化出雛，且雛禽體質(zhì)健康； 所述M-為孵化能力較弱，即不能孵化出雛，或可以孵化出雛但雛禽體質(zhì)不健康。2. 如權(quán)利要求1所述的基于可見/近紅外光譜的禽蛋孵化能力的判別方法，其特征在 于，所述基于可見/近紅外光譜的禽蛋孵化能力的判別方法包括如下步驟： R1數(shù)學(xué)模型的建立： Rl 1訓(xùn)練樣本的光譜數(shù)據(jù)采集及孵化能力結(jié)果數(shù)據(jù)統(tǒng)計： 取品種相同和發(fā)育時間、或品種相同和孵化時間相同的若干個禽蛋作為訓(xùn)練樣本，采 集其可見/近紅外光譜，獲得所述訓(xùn)練樣本的光譜數(shù)據(jù)集A; 統(tǒng)計所述訓(xùn)練樣本的孵化能力結(jié)果，獲得所述訓(xùn)練樣本的孵化能力結(jié)果數(shù)據(jù)集S; R12訓(xùn)練樣本的光譜數(shù)據(jù)的預(yù)處理： 將所述光譜數(shù)據(jù)集A進行不同的預(yù)處理后，獲得不同數(shù)據(jù)集A1、A2、A3、……和Ai;所述 Ai為經(jīng)過不同的所述預(yù)處理得到的不同數(shù)據(jù)集;所述i為不同的所述預(yù)處理； R13建立模型： 將所述數(shù)據(jù)集A1、A2、A3、……和Ai分別與所述孵化能力結(jié)果數(shù)據(jù)集S運用不同的定性 分析的方法建立判別禽蛋孵化能力結(jié)果的數(shù)學(xué)模型Μ1-1、Μ1-2、Μ1-3、……Ml_j、M2_1、M2- 2、M2-3......M2-j、......和Mi-j ;所述Mi-j為不同的所述預(yù)處理方法和不同的所述定性分析 的方法相結(jié)合所建立的不同數(shù)學(xué)模型;所述j為不同的所述定性分析方法； R2數(shù)學(xué)模型的比較和確定： R21驗證樣本的光譜數(shù)據(jù)采集及孵化能力結(jié)果數(shù)據(jù)統(tǒng)計： 另取與所述訓(xùn)練樣本的品種相同和發(fā)育時間、或品種相同和孵化時間相同的若干個禽 蛋作為驗證樣本，在步驟Rl 1中所述采集的相同條件下，采集其可見/近紅外光譜，獲得所述 驗證樣本的光譜數(shù)據(jù)集a;所述光譜數(shù)據(jù)集a中的數(shù)據(jù)形式與所述光譜數(shù)據(jù)集A中的數(shù)據(jù)形 式相同； 統(tǒng)計所述驗證樣本的孵化能力結(jié)果，獲得所述驗證樣本的孵化能力結(jié)果數(shù)據(jù)集s; R22驗證樣本的光譜數(shù)據(jù)的預(yù)處理： 將所述光譜數(shù)據(jù)集a按照步驟R12的方法進行不同的預(yù)處理后，獲得不同數(shù)據(jù)集al、a2、 a3、……和ai;所述ai為經(jīng)過不同的所述預(yù)處理得到的不同數(shù)據(jù)集;所述i為不同的所述預(yù) 處理； R23模型驗證： 將所述數(shù)據(jù)集ai分別代入所述數(shù)學(xué)模型Mi-j中，且所述ai和所代入的所述Mi-j中的i 相同，得出不同的預(yù)測孵化能力結(jié)果的數(shù)據(jù)集bi-j;將該數(shù)據(jù)集bi-j分別與步驟R21統(tǒng)計的 所述孵化能力結(jié)果數(shù)據(jù)集s進行比較計算準(zhǔn)確率，將所述數(shù)據(jù)集bi-j中準(zhǔn)確率最高的數(shù)據(jù) 集所使用的所述數(shù)學(xué)模型確定為最佳數(shù)學(xué)模型； R3待測禽蛋的孵化能力結(jié)果判別： 在步驟R11中所述采集的相同條件下，采集與所述訓(xùn)練樣本的品種相同和發(fā)育時間、或 品種相同和孵化時間相同的待測禽蛋的可見/近紅外光譜，獲得光譜數(shù)據(jù)X;所述光譜數(shù)據(jù)X 的數(shù)據(jù)形式與所述光譜數(shù)據(jù)集A中的數(shù)據(jù)形式相同； 將所述光譜數(shù)據(jù)對安照與步驟R23中的所述最佳數(shù)學(xué)模型所使用的所述預(yù)處理方法進 行預(yù)處理，獲得數(shù)據(jù)XI; 將所述數(shù)據(jù)XI代入到步驟R23中的所述最佳數(shù)學(xué)模型中，得出待測禽蛋的孵化能力結(jié) 果。3. 如權(quán)利要求1或2所述的基于可見/近紅外光譜的禽蛋孵化能力的判別方法，其特征 在于， 所述預(yù)處理的方法包括中值濾波平滑方法、主成分分析法、一階導(dǎo)數(shù)校正、二階導(dǎo)數(shù)校 正、多元散射矯正、附加散射矯正方法、一維小波變換和標(biāo)準(zhǔn)正態(tài)變量變換等光譜預(yù)處理方 法中的任一種或任幾種的組合，或不做任何處理。4. 如權(quán)利要求1或2所述的基于可見/近紅外光譜的禽蛋孵化能力的判別方法，其特征 在于， 所述定性分析的方法為偏最小二乘判別法、樸素貝葉斯判別分析法、Fi sher算法、基于 馬氏距離的貝葉斯判別法、支持向量機判別分析法、人工神經(jīng)網(wǎng)絡(luò)算法等模式識別算法的 任一種。5. 如權(quán)利要求2所述的基于可見/近紅外光譜的禽蛋孵化能力的判別方法，其特征在 于， 步驟Rl 1所述采集的方式為透射式采集或漫反射式采集； 和/或，步驟Rl 1中所述采集時的禽蛋放置方式和放置角度任意。6. 如權(quán)利要求5所述的基于可見/近紅外光譜的禽蛋孵化能力的判別方法，其特征在 于， 步驟R11中所述采集的相同條件包括:所述采集的方式、所述采集時的禽蛋放置方式和 放置角度、所述采集時的光源、光探頭位置。7. 如權(quán)利要求2所述的基于可見/近紅外光譜的禽蛋孵化能力的判別方法，其特征在 于， 所述光譜數(shù)據(jù)集A中的數(shù)據(jù)形式為透射率。8. 如權(quán)利要求1或2所述的基于可見/近紅外光譜的禽蛋孵化能力的判別方法，其特征 在于， 所述禽蛋為雞、鴨或鵝等生殖方式為有性生殖且為卵式生殖的鳥類的蛋。9. 如權(quán)利要求1或2所述的基于可見/近紅外光譜的禽蛋孵化能力的判別方法，其特征 在于， 所述可見/近紅外光譜的波長范圍為200~2500nm，或350~llOOnm，且不限于上述波長 范圍內(nèi)的部分波長范圍或單波長點及其組合。10. 如權(quán)利要求1或2所述的基于可見/近紅外光譜的禽蛋孵化能力的判別方法，其特征 在于， 所述雛禽體質(zhì)健康的評價標(biāo)準(zhǔn)為滿足下述(1) 一 (7)中的所有情況： (1) 雛禽自己出雛； (2) 在正常的孵化時間內(nèi)或正常的孵化時間之前出雛； (3) 無殘疾； (4) 出雛后12小時內(nèi)能正常行走； (5) 臍帶傷口愈合且臍帶完全脫落； (6) 雛禽有活力； (7) 孵化12小時后，雛禽羽毛蓬松； 所述雛禽體質(zhì)不健康的評價標(biāo)準(zhǔn)為滿足下述(8) - (14)中的至少一種情況： (8) 雛禽需要人工幫助才能出雛； (9) 在正常的孵化時間之后出雛； (10) 身體殘疾； (11) 出雛后12小時內(nèi)不能正常行走； (12) 臍帶傷口未愈合或臍帶沒有脫落； (13) 雛禽無活力； (14) 孵化12小時后，雛禽羽毛粘連且有血色。
【文檔編號】G01N21/25GK105973816SQ201610297486
【公開日】2016年9月28日
【申請日】2016年5月6日
【發(fā)明人】湯修映, 秦五昌, 彭彥昆, 李永玉
【申請人】中國農(nóng)業(yè)大學(xué)