CN108318444A - 一种基于可见近红外光谱的孵化前未受精禽蛋判别方法 - Google Patents

Abstract

本发明提供了一种基于可见近红外光谱的孵化前未受精禽蛋判别方法，包括：(1)待检测样品的制备与待检测样品的光谱信息的采集；(2)采用数学分析方法挑选代表性的建模样品；(3)确定最佳孵化前未受精禽蛋的判别模型；(4)采用孵化前未受精禽蛋的最佳判别模型判别待检禽蛋。本发明还提供了实现上述方法的基于可见近红外光谱的孵化前未受精禽蛋的检测装置。实验证明，本发明所提供基于可见近红外孵化前未受精鸭蛋的判别方法，其确定的最佳判别模型判别未知样品的准确率为94.77％。

Description

一种基于可见近红外光谱的孵化前未受精禽蛋判别方法

技术领域

本发明涉及光学与农产品检测领域，具体说是一种基于可见近红外光谱的孵化前未受精禽蛋判别方法。

背景技术

禽蛋的出雏率直接影响养殖场的经济效益，而禽蛋出雏率与禽蛋的受精率、孵化环境密切相关。其中，禽蛋的受精率是决定出雏率的首要因素。在中国，统计数据表明，养殖业中未受精禽蛋约占入孵种蛋的10％～15％，这就意味着相当大的一部分禽蛋未能孵化，对企业造成巨大的经济损失。工业生产中，禽蛋孵化的常规过程是孵化前必须清洗消毒，消毒孵化后的未受精禽蛋在人工照蛋检出后，只能以新鲜禽蛋三分之一的价格出售，其价值无法得到充分利用。若能在未清洗消毒、孵化前检测出未受精禽蛋，不仅能避免禽蛋孵化过程中坏死的未受精禽蛋爆裂，滋生细菌污染周围的种蛋，还能有效节省人力、物力，提高未清洗消毒种蛋的经济价值，提供企业经济效益。

公开号为105973816A的中国专利文献公开了一种基于可见近红外光谱的禽蛋孵化能力的判别方法，包括以下步骤：将禽蛋的光谱数据进行预处理后，通过定性分析的方法建立判别孵化能力结果的数学模型，将判别准确率最高模型确定为最佳模型用于待测禽蛋孵化能力的判别或检测。专利中所述禽蛋孵化能力分为两类：M+或M-；所述M+为孵化能力较强，即可以孵化出雏，且雏禽体质健康；所述M-为孵化能力较弱，即不能孵化出雏，或可以孵化出雏但雏禽体质不健康。

目前基于可见近红外光谱未受精禽蛋的判别方法，其专注于孵化中的未受精禽蛋判别。由于孵化前的受精禽蛋细胞分裂不明显，且没有发育出如孵化中受精禽蛋明显的血管，因此，对于孵化前受精禽蛋的判别，其技术难度远远高于孵化中的受精禽蛋。前面提到的中国专利文献105973816A中公开的方法无法解决孵化前未受精禽蛋的判别问题。因此，若对孵化前未受精禽蛋进行高准确率判别时，上述方法将无能为力。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于可见近红外光谱的孵化前未受精禽蛋判别方法。该方法采用可见近红光谱技术结合数据分析方法，依据光透过禽蛋内部，被内部特定物质吸收后反映特定的吸收峰的特性，判别孵化前未受精禽蛋。该方法在不破坏禽蛋的前提下，快速的检测孵化前未经清洗消毒的未受精禽蛋，且检测准确率高，适用于判别孵化前未清洗消毒的未受精禽蛋。

为达到以上目的，本发明提供一种基于可见红外光谱的孵化前未受精禽蛋判别方法，包括如下步骤：

(1)待检测样品的制备与待检测样品的光谱信息的采集；

(2)采用数学分析方法挑选代表性的建模样品；

(3)确定最佳孵化前未受精禽蛋的判别模型；

(4)采用最佳孵化前未受精禽蛋的判别模型识别待测禽蛋；

其特征在于，先将光谱数据进行预处理，预处理后的光谱数据采用数学分析方法剔除异常光谱数据，将经过剔除异常数据后的光谱数据采用数学分析方法挑选建模样品，确定建模比例；通过验证选择建模数据，得到最佳判别模型；采用最佳判别模型判别待检禽蛋。

所述采用可见近红外光谱进行光谱信息的采集，波长范围为500nm-940nm。

所述的光谱数据采用平滑(S-G)、变量标准化(SNV)预处理方法；所述的剔除异常光谱数据的数学分析方法为马氏距离法(MD)、杠杆值法(Leverage)与T检验法；所述的挑选建模样品的数学分析方法为马氏距离网格法；所述的模型验证包括内部交叉验证和外部验证，其中内部交叉验证算法为留一法(Leave one out)，外部验证算法为朴素贝叶斯算法(NB)，综合模型内部交叉验证准确率与外部验证准确率，确定孵化前未受精禽蛋的最佳判别模型。

所述步骤(1)待检测样品的制备与待检测样品的光谱信息的采集，具体包括如下步骤：

(1-1)取品种相同，产卵后放置时间相同，放置环境相同，且未经过水或化学药剂清洗的禽蛋作为实验样品；

(1-2)在相同条件下，采用可见近红外光谱的孵化前未受精禽蛋装置采集孵化前禽蛋的光谱信息，孵化前禽蛋光谱采集方式采用透射式，其具体过程如下：采集时禽蛋钝端(大头)朝上，近似于竖直放置，为充分采集孵化前禽蛋的透射光谱信息，每次旋转禽蛋一定角度，旋转角度为0°、60°、120°，静置后采集孵化前禽蛋的光谱信息；

(1-3)采集光谱信息后，将检测样品按照检测顺序编号，在同一环境下进行孵化，孵化一段时间后，采用人工照蛋确定受精禽蛋与未受精禽蛋，并标定受精禽蛋的光谱定性值为1，未受精禽蛋的光谱定性值为0。

所述步骤(2)中，采用数学分析方法挑选代表性的建模样品，具体包括如下步骤：

(2-1)对所获取的三个不同角度的光谱数据取平均值并选择特定波段为可见近红外光谱的波长范围为500nm-940nm的光谱数据，采用平滑(S-G)、变量标准化(SNV)预处理方法进行预处理；

(2-2)预处理后的光谱数据采用马氏距离法(MD)、杠杆值法(Leverage)和T检验法剔除异常光谱数据。

(2-3)经过剔除异常数据后的光谱数据采用马氏距离网格法选择建模数量，并确定校正集与验证集建模比例。

确定孵化前未受精禽蛋的最佳判别模型，具体包括以下步骤：

(3-1)建模样品按照3:1的比例分为校正集与验证集，采用定性分析方法建立孵化前未受精禽蛋的判别模型，所述的建模分析方法为朴素贝叶斯算法(NB)，建模样品的受精禽蛋与未受精禽蛋数量比例为1：1；

(3-2)校正集光谱数据采用数学分析方法进行模型内部验证，所述内部交叉验证算法为留一法(Leave one out)，通过不断选择建模样品，得最佳内部验证准确率；

(3-3)采用所述的朴素贝叶斯算法(NB)利用验证集样品数据进行模型的外部验证，通过不断选择验证集数据，得最佳外部验证准确率；

(3-4)综合所述模型内部交叉验证准确率与外部验证准确率，确定孵化前未受精禽蛋的最佳判别模型。

采用孵化前未受精禽蛋的最佳判别模型判别待检禽蛋，具体包括以下步骤：

(4-1)采用与建模样品相同的禽蛋，在与建模样品相同的检测环境下依次采集每一枚禽蛋的可见近红外光谱，获得与建模样品相同的透射光谱数据；

(4-2)将所述的一枚禽蛋的光谱数据进行预处理，预处理方法与建模样品的预处理方法相同；

(4-3)将每一枚孵化前未受精禽蛋的光谱输入最佳判别模型并计算判别值，实时输出检测结果，输出结果为2的即为受精禽蛋，输出结果为0的即为未受精禽蛋，若将受精鸭蛋判别为未受精鸭蛋或将未受精鸭蛋判别为受精鸭蛋，则判别结果为1，实时记录判别结果，并与人工照蛋结果进行比对，最后统计判别准确率。

所述孵化前未受精禽蛋方法的检测装置，其特征在于：包括光谱采集单元、数据处理系统、温度控制单元、暗箱，所述数据处理系统置于计算机内，所述的光谱采集单元与温度控制单元分别与计算机内的数据处理系统相连；

所述光谱采集单元，包括光谱仪、光纤、光源；光纤安装于升降台，置于待测样品上方，与待测样品的距离可升降台控制，光源为卤钨灯，置于样品下方；

所述数据处理系统包括光谱曲线显示、光谱数据的保存、建立判别模型、识别未受精鸭蛋；

所述温度控制单元包括温度传感器、单片机系统，温度传感器置于光源附近，随时监测检测环境的温度，若温度高于检测温度，向所述数据处理系统发送信息，数据处理系统发出警报；

所述暗箱包括喷涂黑色哑光漆的铝型材支架、黑色铝塑板外壳、载物台，载物台为喷涂黑色哑光漆的金属铝平板，中间设有直径为20mm-60mm的可调节圆形孔，圆形孔上方覆盖有遮光海绵。

附图说明

图1为本发明实际检测所得透射光谱曲线图

图2为本发明实施例1中的基于可见近红外光谱的孵化前未受精禽蛋检测装置。

附图中各标记说明如下：1：光谱仪；2：光源；3：暗箱；4：光纤；5：升降台；6：载物台；7：温度传感器；8：直流电源；

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例1、基于可见近红外光谱的孵化前未受精鸭蛋检测装置

一、基于可见近红外光谱的孵化前未受精鸭蛋检测装置

如图2所示，本实施例中的基于可见近红外光谱的孵化前未受精鸭蛋检测装置主要由检测暗箱3、载物台6、升降台5、光源2、温控7等部分组成：

暗箱3由喷涂哑光漆的铝型材支架以及黑色铝塑板外壳组成，为封闭式不透光箱体，主要为检测提供暗室环境，防止外界光的干扰；

载物台6，设于所述的暗箱内部，由铝板及遮光海绵构成，主要用于待检测鸭蛋的放置；在载物台中间位置设有直径为20mm-60mm的可调节圆形孔，同时圆形孔上方只有15mm后的遮光海绵，可用于遮挡多余的光线；

光源2，置于所述载物台圆形孔的正下方，为待检测鸭蛋提供光源，光源距离载物台的距离为30mm-50mm，避免灼烧待检测鸭蛋；

温控单元7，包括温度传感器与散热装置，位于所述暗箱内部，且位于所述光源正后方，用于监测检测时温度，防止温度过高，影响检测数据；

升降台5，固定于所述暗箱内部，可调节光线探头的高度，以适应待检测鸭蛋的高度；

光谱仪1，型号为USB2000，为海洋光学公司生产，其检测波段为330nm-1100nm，其一端连接光纤，一端通过数据线连接电脑；

光纤4，其内部材料为石英，一端连接光谱仪，另一端连接光纤探头，用于将光信号传输至光谱仪；

电源8为直流稳压电源，为光源、温控单元供电；

二、装置使用方法

本实施例中的基于可见近红外光谱的孵化前未受精鸭蛋检测装置的使用方法如下：

1)打开计算机，将检测软件打开，同时将光谱仪与计算机相连，通过软件检测界面检测光谱仪是否连接成功；

2)光谱仪连接成功以后，进行采集参数设置，设置完毕后，将箱门关闭，采集暗参考；

3)打开箱门并打开电源，预热30分钟，关闭箱门，保存白参考；

4)扣除暗参考，采用透射模式采集光谱；

5)载物台上放置待检测鸭蛋，鸭蛋钝端朝上，竖直放置，每旋转60°，

在光谱采集软件中保存光谱；

6)通过计算机对待测鸭蛋的光谱进行预处理，代入已建立的最佳判别模型，判别孵化前的受精鸭蛋与未受精鸭蛋，并统计最判别准确率。

实施例2、基于可见近红外光谱的孵化前未受精鸭蛋判别方法

1.样品制备与待测样品光谱信息采集

1.1样品制备

实验中取品种相同，产卵后放置时间相同，放置环境相同，且未经水或化学药剂清洗的950枚鸭蛋作为实验样品。

1.2样品光谱信息采集

孵化前鸭蛋光谱采集方式采用透射式，开始采集光谱前，先用多个鸭蛋调整光纤探头的距离，采集光谱时将鸭蛋放置于载物台中间位置的圆形孔上，并且钝端(大头)朝上，近似于竖直放置，采集一次后，进行旋转60°，静置后采集光谱信息，每次旋转60°，静置后采集光谱信息，最后求取三次光谱信息的平均值作为该样品的光谱信息值。

1.3待测样品物理鉴定

将光谱测定结束的样品编码，同时放入适宜的环境中进行孵化，待孵化7天左右，利用人工照蛋观察鸭蛋是否受精，记录光谱定性值，受精鸭蛋记为1，未受精鸭蛋记为0，同时将光谱定性值与光谱数据匹配；

2.初步建立判别模型

2.1光谱预处理

对所获取的三个不同角度的光谱数据取平均值并选择特定波段为可见近红外光谱的波长范围为500nm-940nm的光谱数据，采用平滑(S-G)、变量标准化(SNV)预处理方法进行预处理；

2.3确定建模比例

随机挑选建模数量为219枚，按照选取建模比例3:1将样品分为校正集与验证集，校正集样品数量为165枚，验证集样品数量为54枚。

2.4建立判别模型

利用所述的朴素贝叶斯算法(NB)采用原始的与经过预处理分析的验证集样品数据建立判别模型，得最终判别结果如表1所示。实验结果可知，单独采用预处理方法分析截取波段的光谱数据所建立的判别模型，其判别准确率较低，未达到预期效果。因此，综合所述的所有数学分析方法进行数据分析并确定最佳模型。

表1 不同预处理方法建模结果的判别准确率(％)

3.挑选代表性的建模样品

3.1光谱预处理

对所获取的三个不同角度的光谱数据取平均值并选择特定波段为可见近红外光谱的波长范围为500nm-940nm的光谱数据，采用平滑(S-G)、变量标准化(SNV)预处理方法进行预处理；

3.2剔除异常光谱

预处理后的光谱数据采用马氏距离法(MD)、杠杆值法和T检验法剔除异常光谱数据。取三种方法剔除的标号相同的光谱数据，其被剔除的光谱数据标号为5、68、99，并以建模结果验证剔除数据是否为异常数据；

3.3挑选代表性样品

经过剔除异常数据后的光谱数据采用马氏距离网格法选择建模数量为219枚，按照选取建模比例3:1将样品分为校正集与验证集，校正集样品数量为165枚，验证集样品数量无54枚。

4.确定最佳孵化前未受精鸭蛋的判别模型

4.1模型内部验证

模型内部交叉验证只针对于校正集样品光谱数据，用于验证样品集选择是否合理，本例内部交叉验证采用留一法(LeaveOut)，通过不断选择建模样品，得每种预处理算法的最佳内部验证准确率，如表2；

4.2模型外部验证

模型外部验证是验证校正集样品数据的是否涵盖样品范围，本例采用所述的朴素贝叶斯算法(NB)利用验证集样品数据进行模型的外部验证，通过不断选择验证集数据，得每种预处理算法最佳外部验证准确率，如表3；

4.3确定最佳判别模型

综合所述模型内部交叉验证准确率与外部验证准确率，确定最佳孵化前未受精鸭蛋的判别模型为经SNV预处理后的NB模型，其判别准确率为96.2963％。其判别准确率相比单独采用预处理方法分析截取波段的光谱数据所建立的判别模型的准确率高，且模型稳定性好、适应性强。因此，综合使用所述的光谱处理方法，能有效提高判别模型的准确率、稳定性、适应性。

表2 孵化前未受精鸭蛋的不同预处理与建模方法判别准确率(％)

表3 孵化前未受精鸭蛋的不同预处理与建模方法判别准确率(％)

5.待测鸭蛋判别

5.1待测样品制备

取品种相同，产卵后放置时间相同，放置环境相同，且未经水或化学药剂清洗的669鸭蛋作为实验样品。

5.2待测样品光谱采集

孵化前鸭蛋光谱采集方式采用透射式，开始采集光谱前，先用多个鸭蛋调整光纤探头的距离，采集光谱时将鸭蛋放置于载物台中间位置的圆形孔上，并且钝端(大头)朝上，近似于竖直放置，采集一次后，进行旋转60°，静置后采集光谱信息，每次旋转60°，静置后采集光谱信息，最后求取三次光谱信息的平均值作为该样品的光谱信息值。

5.3光谱预处理

对所获取的三个不同角度的光谱数据取平均值并选择特定波段为可见近红外光谱的波长范围为500nm-940nm的光谱数据，采用变量标准化(SNV)预处理方法进行预处理；

5.4待测鸭蛋判别

将每一枚鸭蛋的光谱信息分别输入最佳判别模型中，得出判别结果，若该检测鸭蛋为受精鸭蛋，其结果输出判别结果为2，若该检测鸭蛋为未受精鸭蛋，其结果输出判别结果为0，若将受精鸭蛋判别为未受精鸭蛋或将未受精鸭蛋判别为受精鸭蛋，判别结果为1，同时系统自动记录判别结果；

5.5鸭蛋物理判别

将检测判别后的鸭蛋放入孵化箱中进行孵化，7天后进行人工照蛋，并记录人工照蛋的结果，同时将人工照蛋结果与模型判别结果行进比较，统计最终的判别准确率为94.7％。

本发明的优点如下：

(1)本发明为解决孵化前不易检测未受精禽蛋的问题，提供一种基于可见近红外光谱的孵化前未受精禽蛋的检测方法及装置。该方法具有快速、无损的特点，适用于实际生产中的孵化前进行未受精禽蛋的挑选。

(2)本发明所述的基于可见近红外光谱的未受精禽蛋判别方法及装置，通过采集三个角度的光谱数据，求取平均值作为待检测样品的光谱数据，采用不同的预处理方法处理光谱数据及朴素贝叶斯建模方法建立判别模型，比较建模准确率确定最佳模型，识别孵化前受精禽蛋与未受精禽蛋，具有快速、无损的优点。

本领域技术人员应该理解，上文所述具体实施方式仅为了更好地理解本发明，并不用于对本发明进行限制，本发明的保护范围应以权利要求书的限定为准。

Claims (8)

1.一种孵化前未受精禽蛋判别方法，其特征在于，具体包括如下步骤：

(1)待检测样品的制备与待检测样品的光谱信息采集；

(2)采用适当的数学分析方法挑选代表性的建模样品；

(3)确定孵化前未受精禽蛋的最佳判别模型；

(4)采用孵化前未受精禽蛋的最佳判别模型判别待检禽蛋；

其特征在于，先将光谱数据进行预处理，预处理后的光谱数据采用数学分析方法剔除异常光谱数据，将经过剔除异常数据后的光谱数据采用数学分析方法挑选建模样品，确定建模比例；通过验证选择建模数据，得到最佳判别模型；采用最佳判别模型判别待检禽蛋。

2.根据权利要求1所述孵化前未受精禽蛋判别方法，其特征在于，所述步骤(1)中，待检测样品制备与待检测样品的光谱信息采集，具体包括如下步骤：

(1-1)取品种相同，放置时间相同，放置环境相同，且未经过水或化学药剂清洗的禽蛋作为实验样品；

(1-2)在检测环境相同条件下，采用可见近红外光谱的孵化前未受精禽蛋检测装置采集孵化前禽蛋的光谱信息，采集过程中，为充分采集孵化前禽蛋的透射光谱信息，每次旋转一定角度，静置后采集孵化前禽蛋的光谱信息；

(1-3)采集光谱信息后，将检测样品按照检测顺序编号，在同一环境下进行孵化，孵化至可采用人工观测的方法确定受精禽蛋与未受精禽蛋，并标定受精禽蛋的光谱定性值为1，未受精禽蛋的光谱定性值为0。

3.根据权利要求1所述孵化前未受精禽蛋判别方法，其特征在于，所述步骤(2)中，采用数学分析方法挑选代表性的建模样品，具体包括如下步骤：

(2-1)对所述步骤(1-2)的光谱数据取平均值并选择特定波段的数据，采用平滑(S-G)、变量标准化(SNV)预处理方法进行预处理；

(2-2)所述预处理后的光谱数据采用数学分析方法剔除异常光谱数据，所述的数学分析方法为马氏距离法(MD)、杠杆值法(Leverage)与T检验法。

(2-3)所述经过剔除异常数据后的光谱数据采用数学分析方法挑选建模样品，采用马氏距离网格法选择建模数量，确定校正集与验证集的建模比例。

4.根据权利要求1所述孵化前未受精禽蛋判别方法，其特征在于，所述步骤(3)中，确定孵化前未受精禽蛋的最佳判别模型，具体包括以下步骤：

(3-1)所述步骤(2)中的建模样品按照3:1的比例分为校正集与验证集，采用数学分析方法建立孵化前未受精禽蛋的判别模型，所述的建模分析方法为朴素贝叶斯算法(NB)；

(3-2)校正集光谱数据采用数学分析方法进行模型内部交叉验证，所述内部交叉验证算法为留一法(Leave one out)，通过不断选择建模样品数据，得模型内部交叉验证准确率最高的模型；

(3-3)采用所述的朴素贝叶斯算法(NB)利用验证集样品数据进行模型的外部验证，通过不断选择验证集样品数据，得模型外部验证准确率最高的模型；

(3-4)综合所述模型内部交叉验证准确率与外部验证准确率，确定孵化前未受精禽蛋的最佳判别模型。

5.根据权利要求1所述孵化前未受精禽蛋判别方法，其特征在于，所述步骤(4)中，采用孵化前未受精禽蛋的最佳判别模型判别待检禽蛋，具体包括以下步骤：

(4-1)采用与所述步骤(1-1)相同的禽蛋，在与所述(1-2)相同的环境依次采集每一枚禽蛋的可见近红外光谱，获得与所述步骤(1-2)相同的透射光谱数据；

(4-2)将所述的一枚禽蛋的光谱数据进行预处理，预处理方法与所述步骤(2-1)相同；

(4-3)将所述步骤(4-2)的每一枚孵化前未受精禽蛋的光谱输入最佳判别模型并计算判别值，识别每一枚待测禽蛋，实时输出检测结果，最后统计判别准确率。

6.根据权利要求1所述孵化前未受精禽蛋判别方法，其特征在于，所述步骤(1-2)中的旋转角度为0°、60°、120°。

7.根据权利要求1所述基于可见近红外光谱的孵化前未受精禽蛋判别方法，其特征在于，所述步骤(2-1)中的特定波段为可见近红外光谱波段，其波长范围为500nm-940nm。

8.实现权利要求1-7中的任一项所述孵化前未受精禽蛋方法的检测装置，其特征在于：包括光谱采集单元、数据处理系统、温度控制单元、暗箱，所述数据处理系统置于计算机内，所述的光谱采集单元与温度控制单元分别与计算机内的数据处理系统相连；

所述光谱采集单元，包括光谱仪、光纤、光源；光纤安装于升降台，置于待测样品上方，与待测样品的距离可升降台控制，光源为卤钨灯，置于样品下方；

所述数据处理系统包括光谱曲线显示、光谱数据的保存、建立判别模型、识别未受精禽蛋；

所述温度控制单元包括温度传感器、单片机系统，温度传感器置于光源附近，随时监测检测环境的温度，若温度高于检测温度，向所述数据处理系统发送信息，数据处理系统发出警报；

所述暗箱包括喷涂黑色哑光漆的铝型材支架、黑色铝塑板外壳、载物台，载物台为喷涂黑色哑光漆的金属铝平板，中间设有直径为20mm-60mm大的可调节圆形孔，圆形孔上方覆盖有遮光海绵。