潘磊慶，張　偉，于敏莉，孫　曄，顧欣哲，馬　龍，李紫君，胡鵬程，屠　康※（.南京農(nóng)業(yè)大學(xué)食品科技學(xué)院，南京0095；.南京曉莊學(xué)院食品科學(xué)學(xué)院，南京7；.南京農(nóng)業(yè)大學(xué)動(dòng)物科技學(xué)院，南京0095）

?

基于高光譜圖像的雞種蛋孵化早期胚胎性別鑒定

潘磊慶1，張偉2，于敏莉3，孫曄1，顧欣哲1，馬龍1，李紫君1，胡鵬程1，屠康1※
（1.南京農(nóng)業(yè)大學(xué)食品科技學(xué)院，南京210095；2.南京曉莊學(xué)院食品科學(xué)學(xué)院，南京211171；3.南京農(nóng)業(yè)大學(xué)動(dòng)物科技學(xué)院，南京210095）

摘要：為了對(duì)雞種蛋孵化早期胚胎進(jìn)行性別鑒定，構(gòu)建了高光譜圖像采集系統(tǒng)，在400～1 000 nm范圍內(nèi)獲取94枚種蛋孵化0～12 d的高光譜透射圖像。分別在胚胎的圓頭、中間、尖頭3個(gè)部位選擇感興趣區(qū)域（region of interest，ROI），獲取400～1 000 nm波段的響應(yīng)信號(hào)，構(gòu)建了支持向量機(jī)（support vector machine，SVM）、偏最小二乘判別分析（partial least squares discriminant analysis，PLSDA）和人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）的雞胚胎性別鑒定模型，并比較了不同孵化時(shí)間雌雄胚胎的鑒別準(zhǔn)確率。試驗(yàn)結(jié)果表明，SVM模型、PLSDA模型和ANN模型均對(duì)孵化第10天種蛋中間部位檢測(cè)效果最好。隨后通過分析第10天種蛋中間部位光譜響應(yīng)的差異，選取600～900 nm的光譜值構(gòu)建胚胎性別鑒定模型，結(jié)果發(fā)現(xiàn)，3種模型的判別準(zhǔn)確率均有上升，SVM模型和PLSDA模型預(yù)測(cè)集樣本判別準(zhǔn)確率均為75.00%，ANN模型預(yù)測(cè)集樣本判別準(zhǔn)確率達(dá)到82.86%。其中，ANN構(gòu)建的種蛋孵化胚胎性別檢測(cè)模型的整體效果優(yōu)于SVM模型和PLSDA模型。結(jié)果表明高光譜圖像技術(shù)在檢測(cè)雞種蛋孵化早期胚胎性別方面有一定效果，但種蛋蛋殼的個(gè)體差異會(huì)對(duì)鑒定準(zhǔn)確率造成一定影響。

關(guān)鍵詞：光譜分析；圖像處理；無損檢測(cè)；高光譜圖像；雞種蛋；孵化早期；胚胎；性別鑒定

潘磊慶，張偉，于敏莉，孫曄，顧欣哲，馬龍，李紫君，胡鵬程，屠康.基于高光譜圖像的雞種蛋孵化早期胚胎性別鑒定[J].農(nóng)業(yè)工程學(xué)報(bào)，2016，32（01）：181-186.doi：10.11975/j.issn.1002-6819.2016.01.025 http://www.tcsae.org Pan Leiqing, Zhang Wei, Yu minli, Sun Ye, Gu Xinzhe,Ma Long, Li Zijun, Hu Pengcheng, Tu Kang.Gender determination of early chicken hatching eggs embryos by hyperspectral imaging [J].Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）, 2016, 32（01）: 181-186.（in Chinese with English abstract）doi：10.11975/j.issn.1002-6819.2016.01.025 http://www.tcsae.org

0　引言

家禽繁育中，雛禽的性別與經(jīng)濟(jì)效益密切相關(guān)。如在雞蛋生產(chǎn)行業(yè)，母雞的需求比例遠(yuǎn)高于公雞，而在肉雞行業(yè)，由于公雞對(duì)飼料的利用率比母雞高，生命力強(qiáng)，生長(zhǎng)速度快，需求量更大[1]。但雞蛋的孵化過程大約需要21 d，是一個(gè)耗時(shí)、耗能的過程。如果能在雞種蛋孵化早期，檢測(cè)胚胎性別，根據(jù)市場(chǎng)需求，控制孵化雞雛的性別比例，從而大幅度節(jié)約生產(chǎn)成本，提高企業(yè)生產(chǎn)效率。種蛋性別鑒別傳統(tǒng)方法是通過種蛋的外觀和物理性質(zhì)，但這種方法存在主觀性強(qiáng)、準(zhǔn)確率較低的缺點(diǎn)。另一方面，雖然在孵化后期16～18齡及出雛后雞性別的傳統(tǒng)鑒定方法非常有效，但是對(duì)這些雞胚的處理是有悖于社會(huì)倫理、殘忍的一件事情。而在孵化結(jié)束前盡早鑒別出雞胚的性別并進(jìn)行適當(dāng)處理，能夠兼顧實(shí)際生產(chǎn)和社會(huì)倫理的要求。因此，開放一種快速準(zhǔn)確的識(shí)別孵化早期胚胎性別的方法，對(duì)整個(gè)家禽行業(yè)具有重要意義。

在已有的報(bào)道中，形狀特征和內(nèi)容物變化是家禽早期性別鑒定的主要方式。前者包括種蛋、胚線、性腺形態(tài)等。王家培等[2]利用蛋形指數(shù)對(duì)黔東南小香雞種蛋進(jìn)行性別鑒定初步研究，發(fā)現(xiàn)蛋形指數(shù)與性別有較為密切的相關(guān)性。唐劍林等[3]對(duì)孵化3 d的胚胎光照，發(fā)現(xiàn)雄胚的主血管明顯且較粗，呈均勻分布；雌胚血管纖細(xì)，粗細(xì)均勻，分支較多，呈不規(guī)則狀，從而對(duì)種蛋性別進(jìn)行區(qū)分。后者如分子生物學(xué)方法、激素方法。Griffiths等[4]描述了利用PCR技術(shù)鑒定5～7 d雞胚性別的方法。另外，雌激素是用來雞胚性別鑒定的有效指標(biāo)。美國(guó)Embrex公司已有兩項(xiàng)專利（專利號(hào)分別為6506570和6510811）采用此方法。Steiner[5]等利用近紅外成像系統(tǒng)，對(duì)從種蛋中取出的未孵化胚胎進(jìn)行分析，結(jié)果表明近紅外成像系統(tǒng)具有鑒別為孵化種蛋胚胎的潛在能力。雖然以上的研究有的結(jié)果很好，但是存在的缺陷也很明顯，如PCR、DNA和紅外光譜法方法操作步驟多，比較復(fù)雜，不宜在工業(yè)化生產(chǎn)實(shí)踐中使用，而且都需要破壞種蛋，影響胚胎發(fā)育；而形態(tài)學(xué)的方法僅關(guān)注胚胎發(fā)育的外在形態(tài)，獲取種蛋發(fā)育信息不全面，造成結(jié)果差異很大。從已有的研究也可以看出，胚胎性別鑒定的方法還是基于種蛋胚胎在發(fā)育過程中的胚相、理化方面的信息差異，而高光譜圖像技術(shù)能夠很好地反映胚胎發(fā)育的這些信息。

高光譜成像技術(shù)是集成了光學(xué)光譜和傳統(tǒng)的成像技術(shù)的發(fā)明。應(yīng)用高光譜成像系統(tǒng)既能提供樣本的光譜信息又能提供空間信息這一優(yōu)勢(shì)，可以對(duì)農(nóng)產(chǎn)品的質(zhì)量進(jìn)行快速準(zhǔn)確評(píng)價(jià)。該系統(tǒng)可以通過收集全光譜信息結(jié)合多變量分析，檢測(cè)樣本的化學(xué)成分組成和濃度分布，彌補(bǔ)了單一光譜技術(shù)或成像技術(shù)的不足。該技術(shù)已經(jīng)廣泛應(yīng)用于肉類、果蔬類品質(zhì)等方面的檢測(cè)[6-8]。因此，利用高光譜圖像獲取胚胎在孵化過程的信息，建立胚胎性別快速無損鑒別方法具有較大的研究?jī)r(jià)值。由于種蛋在孵化過程中，生理代謝和物質(zhì)互相轉(zhuǎn)化，蛋殼以及內(nèi)部物質(zhì)不斷變化，同時(shí)伴隨著一系列物理和化學(xué)性質(zhì)的改變。因此，種蛋性別不同會(huì)造成其光譜值存在一定差別，通過一定的光譜分析方法有可能實(shí)現(xiàn)胚胎早期性別鑒別。

1　材料與方法

1.1試驗(yàn)材料

材料為白殼貴妃雞種蛋，購(gòu)于浙江省瑞安市一家珍禽種養(yǎng)場(chǎng)，共94枚。雞種蛋在35℃、0.1%新潔爾滅溶液中浸泡5 min進(jìn)行消毒處理，分別編號(hào)，晾干后放入孵化箱中，其中，孵化溫度和相對(duì)濕度分比為37.8℃和65%。每2 d采集高光譜圖像，連續(xù)檢測(cè)12 d。為了更準(zhǔn)確的判定胚胎性別，種蛋孵化到第16天，打開種蛋進(jìn)行破壞性檢測(cè)，人工判斷胚胎性別。胚胎發(fā)育至第8天后，可以通過睪丸和卵巢形態(tài)進(jìn)行性別區(qū)分，越到后期越容易實(shí)現(xiàn)人工判定。因?yàn)槎叩牟町愒谟冢捍菩耘咛ビ覀?cè)卵巢退化，使得卵巢兩側(cè)發(fā)育不平衡；而雄性胚胎兩側(cè)的睪丸發(fā)育對(duì)稱[9]，可通過解剖后肉眼觀察到雄性睪丸和雌性卵巢的形態(tài)變化來區(qū)分種蛋性別，如圖1所示。本研究嚴(yán)格遵守實(shí)驗(yàn)動(dòng)物護(hù)理和使用協(xié)議，該協(xié)議得到了南京農(nóng)業(yè)大學(xué)動(dòng)物實(shí)驗(yàn)倫理委員會(huì)的許可。本研究不涉及瀕危和受保護(hù)物種，并盡可能減少動(dòng)物的痛苦。

圖1　雞胚性別形態(tài)圖Fig.1 Chicken embryo ovarian morphology diagram

1.2高光譜透射圖像采集系統(tǒng)

高光譜成像系統(tǒng)檢查雞種蛋胚胎性別裝置如圖2所示。高光譜常用光源照射方式主要分為反射、半透射、透射3種。反射方式主要適用于檢測(cè)樣品表面缺陷，以及光穿透性較低的樣品。透射主要適用于檢測(cè)樣品內(nèi)部缺陷，以及光穿透性較高的樣品[10-11]。半透射介于兩者之間。本研究中采用透射方式。本試驗(yàn)中對(duì)種蛋胚胎采取橫向放置采集圖像。

試驗(yàn)中使用的高光譜成像系統(tǒng)由硬件和圖像采集軟件構(gòu)成，硬件主要由相機(jī)（Imperx, ICL-B1620，有效波段范圍為400～1 000 nm，光譜分辨率為2.8 nm）、光譜儀（Specim，ImSpector V10E）、焦距可變鏡頭、傳送單元、可調(diào)光源（150 W鹵素鎢燈）和電腦構(gòu)成。檢測(cè)物體放置在電動(dòng)平臺(tái)上，通過控制平臺(tái)設(shè)置合適的傳送速度，使檢測(cè)樣品被光譜成像設(shè)備以線掃描的方式，記錄空間和光譜信息。

圖2　高光譜成像系統(tǒng)雞胚胎性別鑒定的裝置Fig.2 Schematic diagram of hyperspectral imaging system

1.3高光譜圖像采集與校正

本文采用的高光譜成像系統(tǒng)圖像采集軟件Spectral Image（isuzuoptics, tw, China）由臺(tái)灣五鈴光學(xué)股份有限公司提供。在高光譜圖像采集前，相機(jī)曝光時(shí)間、光強(qiáng)、焦距、圖像存儲(chǔ)大小和傳送裝置的速度等參數(shù)需要優(yōu)化，以確保圖像的質(zhì)量[12]。經(jīng)過預(yù)試驗(yàn)，最終確定曝光時(shí)間55 ms，采集速度1.6 mm/s，圖像分辨率440×804。為了消除相機(jī)暗電流等噪聲的影響，獲取的原始圖像（R0）需要進(jìn)行黑白校正[13]。獲取透射標(biāo)準(zhǔn)白色校正板（反射率99%）得到全白的標(biāo)定圖像W，蓋上鏡頭蓋，采集全黑的圖像D，根據(jù)下式（1）得到校正的相對(duì)圖像Rc：

式中R0為原始高光譜透射圖像；D為全黑的標(biāo)定圖像；W為全白的標(biāo)定圖像；Rc為標(biāo)定后高光譜透射圖像[14]。

1.4數(shù)據(jù)處理和建模

本論文中運(yùn)用ENVI軟件對(duì)高光譜數(shù)據(jù)進(jìn)行初步特征參數(shù)提取，包括光譜特征和圖像特征。而后，提取的特征帶入Matlab中進(jìn)行圖像處理和建模分析。本研究中，選取ROI（region of interest）區(qū)域大小為25×25像素點(diǎn)。為了更好的研究雞胚胎不同部位對(duì)性別鑒定準(zhǔn)確率的影響，分別在雞胚胎橫軸等間隔采集感興趣區(qū)域，包含雞胚胎的圓頭、中間、尖頭部位，具體如圖3所示。

試驗(yàn)中，模型訓(xùn)練集樣本62個(gè)，預(yù)測(cè)集32個(gè)。為充分比較不同的建模方法對(duì)預(yù)測(cè)性能的影響，運(yùn)用了支持向量機(jī)（support vector machine，SVM）[15]、偏最小二乘判別分析（partial least squares discriminant analysis，PLSDA）[16]和人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）[17]對(duì)數(shù)據(jù)進(jìn)行建模分析。高光譜系統(tǒng)判斷結(jié)果的準(zhǔn)確率通過與人工判別相比較得出。

圖3　雞胚胎ROI區(qū)域位置選擇Fig.3 ROI location in chicken embryo

2　結(jié)果與分析

2.1雞胚胎不同孵化時(shí)間的光譜曲線變化情況

圖4代表了不同孵化時(shí)間的雞胚胎中間部位ROI區(qū)域的400～1 000 nm平均光譜曲線，可以看出光譜曲線之間存在明顯的差異，說明胚胎孵化時(shí)間不同，光譜響應(yīng)值也不同。反映了孵化過程中蛋殼結(jié)構(gòu)、內(nèi)部物質(zhì)轉(zhuǎn)化影響著光譜值的變化。隨著孵化時(shí)間的延長(zhǎng)，種蛋胚胎從種蛋圓頭開始發(fā)育，逐漸向尖頭延伸，雞胚胎變的不透明，透射光譜值越來越低。

圖4　不同孵化時(shí)間種蛋中間部位透射光譜曲線Fig.4 Transmittance spectral curves of middle part of eggs atdifferent hatching time

2.2不同性別雞胚胎發(fā)育形態(tài)變化

圖5為雌雄胚胎在不同孵化時(shí)間的高光譜圖像?？梢园l(fā)現(xiàn)二者在圖像方面沒有明顯的區(qū)別，無法應(yīng)用圖像特征進(jìn)行性別鑒定。因此，后續(xù)研究通過對(duì)光譜數(shù)據(jù)的分析對(duì)種蛋胚胎進(jìn)行性別鑒定。

圖5　不同性別種蛋胚胎發(fā)育形態(tài)圖Fig.5 Hatching eggs embryos diagram of different gender

2.3基于全波段光譜曲線和不同模型對(duì)種蛋胚胎性別鑒定

將全波段提取的ROI原始平均光譜數(shù)據(jù)作為輸入變量，將胚胎性別作為輸出變量，建立性別鑒定預(yù)測(cè)模型。不同部位光譜數(shù)據(jù)構(gòu)建的SVM模型、PLSDA模型和ANN模型建模集和預(yù)測(cè)集判別準(zhǔn)確率分別如圖6a、6b和6c所示。其中，SVM模型參數(shù)為：核函數(shù)均為徑向基函數(shù)，最優(yōu)參數(shù)gamma值均為0.031 6，cost值均為100。構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型參數(shù)為：輸入層為420，隱藏層數(shù)為1，隱藏層節(jié)點(diǎn)數(shù)為14，隱藏層激活函數(shù)為雙曲正切；輸出層個(gè)數(shù)為2，即雄性與雌性，輸出層激活函數(shù)Softmax。

圖6a中表明以種蛋胚胎圓頭部位提取的ROI光譜數(shù)據(jù)建立的SVM模型在第8天準(zhǔn)確率最高，建模集和預(yù)測(cè)集準(zhǔn)確率分別為83.87%和65.63%。建立的PLSDA模型在第6天準(zhǔn)確率最高，建模集和預(yù)測(cè)集準(zhǔn)確率分別為69.35%和62.5%。建立的ANN模型在第12天準(zhǔn)確率最高，建模集和預(yù)測(cè)集準(zhǔn)確率分別為75.30%和77.00%。SVM模型準(zhǔn)確率與PLSDA模型準(zhǔn)確率差別不大，ANN構(gòu)建的種蛋胚胎性別的檢測(cè)模型整體效果明顯優(yōu)于SVM模型和PLSDA模型。

圖6b表明以種蛋胚胎中間部位提取的ROI光譜數(shù)據(jù)建立的SVM模型在第10天準(zhǔn)確率最高，建模集和預(yù)測(cè)集判別準(zhǔn)確率分別為90.32%和71.88%。建立的PLSDA模型在第10天準(zhǔn)確率最高，建模集和預(yù)測(cè)集判別準(zhǔn)確率分別為88.71%和71.88%。建立的ANN模型同樣在第10天準(zhǔn)確率最高，建模集和預(yù)測(cè)集判別準(zhǔn)確率分別為75.00% 和80.00%。SVM模型準(zhǔn)確率與PLSDA模型準(zhǔn)確率差別不大，ANN構(gòu)建的種蛋胚胎性別的檢測(cè)模型整體效果明顯優(yōu)于SVM模型和PLSDA模型。

圖6　不同ROI區(qū)域構(gòu)建的SVM、PLSDA、ANN模型判別準(zhǔn)確率Fig.6 Gender detection accuracybased on SVM, PLSDA and ANN modelsby different ROI regions

圖6c中可以發(fā)現(xiàn)以種蛋胚胎尖頭部位提取的ROI光譜數(shù)據(jù)建立的SVM模型在第10天準(zhǔn)確率最高，建模集和預(yù)測(cè)集準(zhǔn)確率分別為69.35%和62.5%。建立的PLSDA模型同樣在第10天準(zhǔn)確率最高，建模集和預(yù)測(cè)集準(zhǔn)確率分別為69.35%和65.63%。建立的ANN模型在第2天準(zhǔn)確率最高，建模集和預(yù)測(cè)集準(zhǔn)確率分別為79.70%和73.30%。SVM模型準(zhǔn)確率與PLSDA模型準(zhǔn)確率差別不大，ANN構(gòu)建的種蛋胚胎性別的檢測(cè)模型效果明顯優(yōu)于SVM模型和PLSDA模型。

因此，從上述結(jié)果可以發(fā)現(xiàn)，種蛋胚胎中間部位性別鑒定準(zhǔn)確率優(yōu)于圓頭部位和尖頭部位，而且孵化到第10天胚胎的性別更容易區(qū)分。原因可能是胚胎發(fā)育到第10天時(shí)，發(fā)育的睪丸和卵巢形態(tài)上差別已經(jīng)比較大了，雄激素睪酮等性激素的分泌也有了較大差異[9]，也會(huì)造成雌雄胚胎光譜的差異。而選擇中間部位減少了種蛋尺寸、光照等因素對(duì)光譜的影響。通過對(duì)數(shù)據(jù)的比較分析發(fā)現(xiàn)，以種蛋孵化第10天中間部位提取的ROI光譜數(shù)據(jù)建立模型對(duì)種蛋胚胎性別進(jìn)行預(yù)測(cè)的準(zhǔn)確率最高。鑒別結(jié)果如表1所示。

表1　基于孵化10 d種蛋中間部位400～1000 nm響應(yīng)光譜對(duì)種蛋性別鑒定模型判別結(jié)果Table 1 Gender detection resultsby using spectral response of 400～1000 nm inmiddle part of hatching egg on day 10 during incubation

為了進(jìn)一步分析雌雄胚胎在孵化第10天中間部位的光譜差異，提高性別鑒定的準(zhǔn)確率，需要對(duì)光譜的響應(yīng)差異做重點(diǎn)分析。圖7為第10天所有種蛋孵化雌雄胚胎中間部分的ROI光譜平均值?？梢钥闯觯?00～600 nm和 900～1 000 nm范圍內(nèi)雌雄胚胎光譜響應(yīng)差異很小，屬于干擾信息，對(duì)雌雄胚胎的性別鑒定無法提供幫助。而在600～900 nm范圍內(nèi)，二者有較明顯的差異，雄性胚胎的透射光譜值低于雌性種蛋，存在一定規(guī)律，有助于雌雄胚胎的性別。利用600～900 nm范圍內(nèi)光譜響應(yīng)值構(gòu)建性別鑒定模型，結(jié)果如表2所示。其中，SVM模型參數(shù)為：核函數(shù)均為徑向基函數(shù)，最優(yōu)參數(shù)gamma值均為0.031 6，cost值均為為100。構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型參數(shù)為：輸入層為207，隱藏層數(shù)為1，隱藏層節(jié)點(diǎn)數(shù)為14，隱藏層激活函數(shù)為雙曲正切；輸出層個(gè)數(shù)為2，即雄性與雌性，輸出層激活函數(shù)Softmax。SVM模型和PLSDA模型預(yù)測(cè)集判別準(zhǔn)確率均從71.88%上升到75.00%，準(zhǔn)確率提高了3.12%。ANN模型預(yù)測(cè)集判別準(zhǔn)確率從80.00%上升到82.86%，準(zhǔn)確率提高了2.86%，證明去除干擾信息對(duì)模型準(zhǔn)確率的提高有一定效果。種蛋發(fā)育不同階段，存在著不同光譜和形態(tài)的特征。種蛋中間部位處于兩者之間，更靠近胚胎發(fā)育位置，隨著孵化時(shí)間的延長(zhǎng)透光性逐漸下降，光譜數(shù)據(jù)變化趨勢(shì)更加穩(wěn)定，因此更適合種蛋性別鑒定。

表2　孵化第10天雌雄胚胎中間區(qū)域600～900 nm響應(yīng)光譜的種蛋性別鑒定模型判別結(jié)果Table 2 Gender detection resultsbased on spectral region of 600～900 nm of hatching egg on day 10

圖7　第10天雌雄種蛋中間區(qū)域平均光譜曲線Fig.7 10th day average spectral curvesof male and female eggs （Middle part of egg）

3　結(jié)論

1）本文根據(jù)種蛋孵化特性，構(gòu)建了種蛋胚胎性別鑒定的高光譜采集系統(tǒng)，確定了系統(tǒng)采集參數(shù)和方法，采用不同孵化時(shí)間和種蛋胚胎不同部位光譜數(shù)據(jù)，構(gòu)建基于偏最小二乘判別分析（PLSDA）、支持向量機(jī)（SVM）和人工神經(jīng)網(wǎng)絡(luò)（ANN）的雌雄胚胎性別鑒定的模型，根據(jù)判別準(zhǔn)確率的差異，確定了在孵化胚胎第10天中間部位的光譜信息最適合用于胚胎性別的鑒定。

2）根據(jù)第10天雌雄胚胎中間部位的平均光譜曲線差異，選取600～900 nm波段光譜數(shù)據(jù)重新建立性別鑒定的SVM、PLSDA和ANN模型，通過模型準(zhǔn)確率比較，發(fā)現(xiàn)ANN模型準(zhǔn)確率最高，建模集和預(yù)測(cè)集準(zhǔn)確率分別為88.14%和82.86%，且比全波段構(gòu)建的模型準(zhǔn)確率提高2.86%。

3）本文的研究表明，高光譜圖像對(duì)種蛋性別的鑒定有一定的效果。但是種蛋形狀、蛋殼厚度、胚胎發(fā)育變化和放置方向等問題都會(huì)對(duì)透射光譜值造成一定影響，降低了種蛋孵化性別鑒定的準(zhǔn)確率。在以后的研究中，需要使用更多的樣本數(shù)量，選擇不同的處理方法，盡可能消除個(gè)體差異對(duì)光譜數(shù)據(jù)的影響；進(jìn)一步明確種蛋各個(gè)發(fā)育階段雌雄胚胎的理化和生化差異，選擇更為準(zhǔn)確的高光譜參數(shù)提高鑒定的精度。

[參考文獻(xiàn)]

[1]林金杏.雞性別鑒定技術(shù)的研究概況[J].中國(guó)家禽，2008，30 （7）：35-37，44.

[2]王家培，許厚強(qiáng).利用蛋形指數(shù)對(duì)黔東南小香雞種蛋進(jìn)行性別鑒定初步研究[J].貴州畜牧獸醫(yī)，2011，35（4）：6-7.Wang Jiapei, Xu Houqiang.Pilot study on sex determination of qian dongnan small xiang chicken[J].Guizhou animal husbandry and veterinary, 2011, 35（4）: 6-7.（in Chinese with English abstract）

[3]唐劍林，周玉蘭.雞胚早期雌雄鑒別[J].貴州畜牧獸醫(yī)，2001，25（5）：29.

[4] Griffiths R, Double M C, Orr K, et al.A DNA test to sex most birds[J].Molecular ecology, 1998, 7（8）: 1071-1075.

[5] Steiner G, Bartels T, Stelling A, et al.Gender determination of fertilized unincubated chicken eggs by infrared spectroscopic imaging[J].Analytical and bioanalytical chemistry, 2011, 400（9）: 2775-2782.

[6] Chen Shanshan, Zhang Fangfang, Ning Jifeng, et al.Predicting the anthocyanin content of wine grapes by NIR hyperspectral imaging[J].Food Chemistry, 2015, 172: 788-793.

[7] Mahesh S, Jayas D S, Paliwal J, et al.Hyperspectral imaging to classify and monitor quality of agricultural materials[J].Journal of Stored Products Research, 2015, 61: 17-26.

[8] Huang Qiping, Chen Quansheng, Li Huanhuan, et al.Nondestructively sensing pork’s freshness indicator using near infrared multispectral imaging technique [J].Journal of Food Engineering, 2015, 154: 69-75.

[9]俸艷萍.雞的性比及性分化早期胚胎性別差異表達(dá)基因研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2007.Feng Yanping.On the Sex Ratio of Chicken and Sexual Differentially Expressed Genes in Chicken Embryos DuringEarly Sexual Differentiation [D].Wuhan: Huazhong Agricultural University, 2007.（in Chinese with English abstract）

[10] Wu D, Sun D W.Advanced applications of hyperspectral imaging technology for food quality and safety analysis and assessment: A review-Part I: Fundamentals[J].Innovative Food Science & Emerging Technologies, 2013, 19：1-14.

[11] Wu D, Sun DW.Advanced applications of hyperspectral imaging technology for food quality and safety analysis and assessment: A review-Part II: Applications [J].Innovative Food Science & Emerging Technologies, 2013, 19: 15-28.

[12]王海華，李長(zhǎng)纓，梅樹立，等.農(nóng)產(chǎn)品線掃描高光譜成像系統(tǒng)的集成標(biāo)定方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（14）：244-249.Wang Haihua, Li Changying, Mei Shuli, et al.Integrated calibration of line-scan high spectral imaging system for agricultural products[J].Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE）, 2012, 28 （14）: 244-249.（in Chinese with English abstract）

[13]李江波，饒秀勤，應(yīng)義斌，等.基于高光譜成像技術(shù)檢測(cè)臍橙潰瘍[J].農(nóng)業(yè)工程學(xué)報(bào)，2010（8）：222-228.Li Jiangbo, Rao Xiuqin, Ying Yibin, et al.Detection of navel oranges canker based on hyperspectral imaging technology[J].Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）, 2010, 26（8）: 222-228.（in Chinese with English abstract）

[14]張偉，潘磊慶，屠康.利用高光譜透射圖像檢測(cè)雞種蛋早期孵化[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（21）：149-155.Zhang Wei, Pan Leiqing, Tu Kang.Detecting early embryo development of chicken hatching eggs by hyperspectral transmittance imaging[J].Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE）, 2012, 28 （21）: 149-155.（in Chinese with English abstract）

[15] Nie Pengcheng, Wu Di, Yang Yan, et al.Fast determination of boiling time of yardlong bean using visible and near infrared spectroscopy and chemometrics[J].Journal of Food Engineering, 2012, 109（1）: 155-161.

[16] Huang Min, Lu Renfu.Apple mealiness detection using hyperspectral scattering technique[J].Postharvest biology and technology, 2010, 58（3）: 168-175.

[17] Pan Leiqing, Zhang Qiang, Zhang Wei, et al.Detection of cold injury in peaches by hyperspectral reflectance imaging and artificial neural network[J].Food Chemistry, 2016, 192: 134-141.

Gender determination of early chicken hatching eggs embryos by hyperspectral imaging

Pan Leiqing1, Zhang Wei2, Yu minli3, Sun Ye1, Gu Xinzhe1,Ma Long1, Li Zijun1, Hu Pengcheng1, Tu Kang1※
（1.Collegeof Food Scienceand Technology,Nanjing Agricultural University,Nanjing210095,China;2.Schoolof Food Science,Nanjing Xiaozhuang University, Nanjing 211171, China; 3.College of Animal Science and Technology, Nanjing Agricultural University, Nanjing 210095, China）

Abstract:In poultry breeding, chicken gender is closely related to its productivity.For the rapid and nondestructive detection on the gender of chicken embryos in early period during the whole hatching, a laboratory hyperspectral imaging system was setup to capture hyperspectral transmission images of 94 hatching eggs on days 2, 4, 6, 8, 10 and 12, at the spectral region of 400～1 000 nm.On the 16th day during the hatching, chicken egg embryos were broken for gender determination by human visual inspection from three trained experts, due to the fact that the difference in morphology between male and female chicken embryos is enough to be identified by human vision on day 16.After comparisons among the images information between male and female embryos, no clear differences was found.Therefore, the spectral information was further analyzed.The regions of interest（ROIs）were selected at big head, middle part and small head of egg for spectral response extraction.For the optimal time and location selection for gender determination, three models including linear algorithm（partial least squares discriminant analysis, PLSDA）and nonlinear algorithm（support vector machine, SVM; artificial neural network, ANN）were built by using full band spectral response, and the discrimination accuracy for male and female embryos were compared at different time and locations based on different models.The results showed that all of the discrimination models had the best accuracy on the 10th day of incubation as well as the ROI located on the middle of egg.Next, the average spectral response difference between male and female embryos was analyzed.600～900 nm was determined by removal of bands of 400～599 nm and 901～1 000 nm, which had little difference between male and female embryos, to build the gender discrimination models based on SVM, PLSDA and ANN.The results showed that the accuracy of SVM and PLSDA were both 75.00% for prediction, which were better than the accuracy with 71.88% for both SVM and PLSDA, based on full band spectral response on day 10 and middle part.For ANN, the prediction accuracy was 82.86%, by an increase of 2.86% compared with full band spectral response.Furthermore, the overall prediction performance of ANN model had better results for gender detection than SVM and PLSDA.The results in the study showed that hyperspectral imaging technology has the potential to identify the gender of early hatching chicken eggs embryos, but the accuracy of identification may be affected by the individual differences of hatching egg.So, in further research, more samples, physicochemical and biochemical differences between male and female embryos in various developmental stages were suggested to be incorporated for higher accuracy acquision of gender discrimination.

Keywords:spectrum analysis; imaging processing; nondestructive examination; hyperspectral image; hatching egg; early incubation; embryos; gender determination

通信作者：※屠康，男，江蘇南京，教授，博士生導(dǎo)師，博士。主要研究農(nóng)產(chǎn)品貯藏與加工和農(nóng)產(chǎn)品無損檢測(cè)。南京南京農(nóng)業(yè)大學(xué)食品科技學(xué)院，210095。Email：kangtu@njau.edu.cn

作者簡(jiǎn)介：潘磊慶，男，湖北鄖縣，副教授，博士。主要從事農(nóng)產(chǎn)品無損檢測(cè)研究。南京南京農(nóng)業(yè)大學(xué)食品科技學(xué)院，210095。Email：pan_leiqing@njau.edu.cn

基金項(xiàng)目：國(guó)家科技支撐項(xiàng)目（2012BAD28B01，2015BAD19B03）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)（KYLH201504）

收稿日期：2015-09-08

修訂日期：2015-11-23

中圖分類號(hào)：S123

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-6819（2016）-01-0181-06

doi：10.11975/j.issn.1002-6819.2016.01.025