袁 昊，劉彩玲，王紅英，王糧局，戴 磊

·農(nóng)業(yè)信息與電氣技術(shù)·

基于空間漫反射光的母兔早期妊娠診斷裝置研制

袁 昊，劉彩玲※，王紅英，王糧局，戴 磊

（中國農(nóng)業(yè)大學(xué)工學(xué)院，北京 100083）

妊娠診斷是肉兔繁殖管理中的重要環(huán)節(jié)，尤其是早期妊娠診斷，可提前未妊娠母兔的再授精時間，提高種兔利用率，縮短繁殖周期。針對人工摸胎診斷法存在對母兔腹內(nèi)胚胎產(chǎn)生機械損傷、母兔應(yīng)激反應(yīng)大及對工人經(jīng)驗要求高等缺陷，該研究基于妊娠母兔與未妊娠母兔腹內(nèi)有無孕囊組織所引起的光學(xué)特性差異，提出一種基于空間漫反射光的母兔妊娠診斷方法，研制了快速、無侵入式的便攜診斷裝置。該裝置由具有2個紅外發(fā)光二極管（Light Emitting Diode，LED，LED發(fā)光波長分別為850和930 nm）、3個硅基光電二極管和外圍電路的傳感探頭和信號處理主機組成。利用該便攜診斷裝置采集130只人工授精14 d后的母兔（包括63只妊娠母兔和67只未妊娠母兔）腹部漫反射光強度數(shù)據(jù)，將采集的數(shù)據(jù)按照7∶3的比例劃分為訓(xùn)練集和測試集，訓(xùn)練集數(shù)據(jù)分別用于建立偏最小二乘判別分析（Partial Least Squares Discrimination Analysis, PLS-DA）模型和支持向量機（Support Vector Machine, SVM）分類模型，測試集數(shù)據(jù)用于模型性能測試，并對比兩種模型的分類性能。同時，利用PLS-DA對采樣數(shù)據(jù)進行有監(jiān)督的主成分分析和變量重要性分析，結(jié)果表明妊娠母兔與未妊娠母兔的采樣數(shù)據(jù)之間存在差異，可以被較好的分類。對比兩種分類模型的分類性能發(fā)現(xiàn)SVM對妊娠母兔和未妊娠母兔的分類性能均比PLS-DA好，對測試集數(shù)據(jù)的靈敏度、特異性和準確率分別為80.95%、83.33%和82.05%。研究結(jié)果表明，該研究提出的光學(xué)妊娠診斷方法可行，研制的診斷裝置可對授精14 d后的母兔進行妊娠診斷，對提高兔產(chǎn)業(yè)體系智能化裝備水平有積極的促進作用。

LED：妊娠；兔；便攜式設(shè)備；光學(xué)特性；SVM；PLS-DA

0 引 言

中國是肉兔養(yǎng)殖大國，兔肉產(chǎn)量占世界兔肉總產(chǎn)量的50%以上[1-2]。在肉兔育種過程中，對人工授精后的母兔進行妊娠診斷是繁殖管理中的重要環(huán)節(jié)。早期妊娠診斷可篩選出未妊娠母兔，并再次對其進行人工授精，提高種兔利用率，縮短繁殖周期，也可提高妊娠母兔孕期精細化管理水平，提高保胎率。

目前，常用的早期妊娠診斷方法包括間接測試法和直接測試法。間接測試法主要利用化學(xué)成分檢測方法，對授精后母體特定階段產(chǎn)生的生殖激素進行定性或定量測量，或檢測母體內(nèi)的特定妊娠物質(zhì)，作為鑒定妊娠的間接指標，如干擾素刺激基因[3]，妊娠相關(guān)糖蛋白[3-4]和血漿孕酮濃度[5]，準確度大于80%。但化學(xué)測試法需要先進的檢測設(shè)備和相應(yīng)的化學(xué)試劑，成本較高，且測試環(huán)節(jié)復(fù)雜，需要專業(yè)人員操作。同時，化學(xué)測試法不能實現(xiàn)原位檢測，也不能提供即時的診斷結(jié)果。同時，肉兔與豬、牛、羊等大型家畜相比具有體型小、經(jīng)濟效益低、養(yǎng)殖數(shù)量大的特點，高成本、低效率的間接測試法在肉兔繁殖管理中的應(yīng)用十分有限。

與間接測試法相比，直接測試法具有操作簡單，成本低廉的特點，常用于家畜的妊娠診斷。直接測試法主要是通過物理手段檢測授精后母體腹內(nèi)的組織變化，從而判斷該母體是否妊娠，如A型超聲、B型超聲以及實時超聲[6-7]等超聲診斷方法。超聲診斷的基本原理是生物組織的回聲特征差異可以產(chǎn)生不同的回聲強度[8]，通過采集回聲信號并對其進行處理，重構(gòu)不同組織的回聲特性，實現(xiàn)對母體組織的定性分析。由于超聲波具有界面強反射特性，為提高回聲信號的信噪比，需要利用耦合凝膠覆蓋超聲探頭，以消除超聲探頭和母體皮膚間的空氣，實現(xiàn)二者間緊密接觸。超聲診斷方法準確率高，但操作繁瑣，尤其是對具有大量被毛的家畜而言，通常需要剃除探頭接觸處的皮膚被毛，無法滿足商業(yè)化兔場的快速診斷需求。

生產(chǎn)中常用的肉兔早期妊娠診斷方法為人工摸胎，通常在母兔授精（13±1）d后（母兔妊娠周期為31d左右），由經(jīng)驗豐富的工人進行操作。然而，摸胎準確度因工人的經(jīng)驗而異，且不能進行早期診斷。同時，工人在母兔腹部摸索的過程中，可能對胚胎產(chǎn)生機械性損傷，甚至導(dǎo)致流產(chǎn)。

生物組織間除具有回聲特性差異和硬度差異等外，還具有由組織間微觀結(jié)構(gòu)和組成成分差異引起的光學(xué)特性差異，主要表現(xiàn)為光學(xué)吸收和光學(xué)散射差異[9]。光在組織中傳播時發(fā)生吸收、散射、折射等作用，因此光對生物組織的結(jié)構(gòu)特征和組成成分非常敏感，測量光在生物組織中的傳輸過程可能是一種潛在的診斷工具[10]。與傳統(tǒng)方法相比，光學(xué)診斷方法具有無損、高通量、原位檢測的特點，且檢測設(shè)備體積較小，常用于便攜檢測設(shè)備開發(fā)。光學(xué)診斷方式在血糖監(jiān)測[11]、血氧飽和度監(jiān)測、腹內(nèi)胎兒健康監(jiān)測[12]、組織病變檢測[13-14]以及其他活體定量或定性檢測研究中應(yīng)用較多。

母兔妊娠后，隨著受精卵的生長發(fā)育，腹內(nèi)出現(xiàn)孕囊組織[15]，而未妊娠母兔腹內(nèi)無孕囊組織。孕囊內(nèi)含有血液、羊水、胚胎、胎盤等組織，微觀結(jié)構(gòu)與未妊娠母兔存在較大差異，腹內(nèi)組織差異是妊娠母兔與未妊娠母兔的腹部組織產(chǎn)生光學(xué)特性差異的基本條件。研究表明，大多數(shù)生物介質(zhì)在600～1 100 nm波長光譜范圍內(nèi)的光學(xué)散射系數(shù)遠高于光學(xué)吸收系數(shù)[16]。組織間光學(xué)散射系數(shù)的差異，表現(xiàn)為在組織中傳播的光密度變化，進而導(dǎo)致不同組織表面返回的漫反射光強度存在明顯區(qū)別，這是本研究的理論基礎(chǔ)。同時，入射光在組織樣本不同空間距離處的漫反射光能夠攜帶組織樣本的不同深度處的光學(xué)信息[17]，光源與探測器之間的距離越大，可探測的組織深度越深，利用這一特點可實現(xiàn)對母兔腹內(nèi)深層組織進行探測。利用光學(xué)方法探測母兔腹內(nèi)是否存在孕囊組織，進而判斷母兔是否妊娠是可行的。基于上述分析，該研究提出一種基于空間漫反射光的快速、無侵入母兔妊娠診斷方法，并開發(fā)一種在母兔授精后第14天進行妊娠診斷的裝置，代替常用的人工摸胎方法，降低對工人經(jīng)驗的要求，以提高兔產(chǎn)業(yè)體系智能化裝備水平。

1 整機結(jié)構(gòu)與工作原理

1.1 整機結(jié)構(gòu)

該研究開發(fā)的便攜式母兔妊娠診斷裝置由主機和傳感探頭兩部分構(gòu)成，兩部分由快接頭導(dǎo)線連接，可以實現(xiàn)快速拆裝。

主機是由微處理器、模數(shù)轉(zhuǎn)換模塊（Analog Digital Converter，ADC）、液晶顯示屏（Liquid Crystal Displayer，LCD）、電源模塊、內(nèi)存卡模塊、藍牙模塊、閃存模塊等組成的單機系統(tǒng)，可以控制傳感探頭采集并處理電信號。其中LCD顯示屏主要負責用戶界面的顯示及交互，電源模塊負責為主機和傳感探頭供電，內(nèi)存卡模塊負責保存數(shù)據(jù)，藍牙模塊實現(xiàn)數(shù)據(jù)透傳，閃存模塊為微控制器的閃存擴展。

采用32位帶數(shù)字信號處理和浮點運算單元的高性能ARM Cortex-M7微控制器作為微控制器（STM32F767IGT6，意法半導(dǎo)體，意大利）。ADC模塊采用8通道，24位模數(shù)轉(zhuǎn)換器ADS1256（德州儀器，美國），作用是將傳感探頭產(chǎn)生的模擬信號轉(zhuǎn)換為數(shù)字信號，方便微控制器對數(shù)據(jù)進行采集和分析。

傳感探頭由光源、探測器、濾光片及外圍電路組成，其主要功能為發(fā)射特定波長的光并將返回的漫反射光強轉(zhuǎn)換為電壓輸出。

由于孕囊組織位于母兔腹內(nèi)，因此需要光源具有較大的侵入深度。研究表明，生物組織中的水、血紅蛋白、膠原、蛋白質(zhì)等對波長范圍650～950 nm的光吸收較少，該波長范圍內(nèi)的光可以進入更深層組織，通常可達幾厘米[18]。為使發(fā)射光能到達母兔腹內(nèi)孕囊組織并能返回腹部表面，選擇入侵深度較大的發(fā)光波長為850和930 nm的光源[19-20]。由于漫反射光強度隨光源與探測器之間的距離增加而降低，為提高接收光強度，采用大功率LED作為光源。發(fā)光波長為850和930 nm的LED由穩(wěn)壓電路驅(qū)動，其功率分別為660和560 mW。

光電探測器是將接收光轉(zhuǎn)變?yōu)殡妷旱膫鞲衅?，其主要作用是收集由母兔腹部返回的漫反射光，并將光信號轉(zhuǎn)換為電壓信號。常用的光電探測器包括光電倍增管、雪崩光電二極管和硅基光電二極管等。光電倍增管和雪崩光電二極管具有很高的響應(yīng)率，但穩(wěn)定性較差，且成本很高。硅基光電二極管具有較小增益和較低的成本。因此，本文采用大感應(yīng)面積（1.4×1.4，mm）的硅基光電二極管作為光電探測器，并由前置放大電路放大光電二極管產(chǎn)生的電壓。

為提高光電二極管接收近紅外光源母兔腹部漫反射光的效率，提高采樣數(shù)據(jù)的信噪比，需要利用濾光片消除環(huán)境中可見光的干擾。濾光片放置在光電二極管的感應(yīng)區(qū)上方，對進入光電二極管內(nèi)的光進行過濾。

研究表明，光在生物組織中的輻射深度與光源、探測器之間的距離有關(guān)，輻射深度約等于光源、探測器之間距離的一半[12,21]。根據(jù)母兔腹部皮膚、肌肉厚度和孕囊尺寸，傳感探頭上LED光源與光電探測器之間的軸向距離為7 mm，且按直線排布，2個LED光源分別放置探測器兩側(cè)，整機硬件框架和電路圖如圖 1所示。

1.2 工作原理

如圖2所示，光子由LED光源發(fā)出后，經(jīng)母兔皮膚進入腹內(nèi)向前擴散傳播，其中一部分光子被組織吸收，一部分經(jīng)組織散射返回母兔腹部表面并被探測器接收。由于妊娠母兔腹內(nèi)存在孕囊組織，而未妊娠母兔的腹內(nèi)沒有孕囊組織，孕囊組織的光學(xué)特性與腹內(nèi)其他組織的光學(xué)特性差異較大，因此腹內(nèi)存在孕囊的母兔的腹部與腹內(nèi)不存在孕囊的母兔的腹部返回的漫反射光強度存在差異。同時，由母兔腹部返回的漫反射光強度隨光源與探測器之間的距離增加而減弱。利用與光源不同距離的探測器接收由母兔腹部返回的漫反射光強度，并將其轉(zhuǎn)換為電壓信號，利用ADC模塊將探測器產(chǎn)生的電壓信號轉(zhuǎn)換為數(shù)字信號并采集。利用分類模型建立母兔腹部漫反射光強度數(shù)據(jù)與母兔腹內(nèi)是否存在孕囊組織之間的關(guān)系，進而判斷母兔是否妊娠。

具體工作流程為：將傳感探頭放置在母兔腹部，并使其與母兔腹部緊密貼合。按下傳感探頭的按鍵，微控制器接收按鍵信號后依次開啟LED1和LED2，發(fā)射光進入母兔腹部，3個光電二極管依次接收LED1點亮?xí)r和LED2點亮?xí)r的漫反射光并產(chǎn)生6組電信號。3個光電二極管分別連接ADC的3個獨立轉(zhuǎn)換通道，電信號經(jīng)過前置放大器放大后進入ADC模塊轉(zhuǎn)換為數(shù)字信號。微控制器在ADC的每個通道以50 Hz采樣頻率采集100個采樣值，并經(jīng)數(shù)字濾波器進行濾波處理，消除母兔心跳和呼吸的影響，每組信號提取100個采樣值的平均值作為該組信號的采樣值。將采樣數(shù)據(jù)輸入訓(xùn)練好的分類模型預(yù)測母兔的妊娠狀態(tài)?？刂破鞲鶕?jù)預(yù)測結(jié)果控制傳感探頭內(nèi)部的振動器發(fā)出不同的形式的振動，以通知工作人員該母兔是否妊娠。

2 數(shù)據(jù)采集與模型建立

2.1 母兔腹部漫反射光強度采集

2020年4月12日在河南省濟源市陽光兔業(yè)種兔養(yǎng)殖基地利用開發(fā)的妊娠診斷裝置樣機采集130只授精第14天的母兔腹部漫反射光強度數(shù)據(jù)，包括63只妊娠母兔和67只未妊娠母兔，母兔妊娠狀態(tài)由經(jīng)驗豐富的工作人員摸胎確定。母兔年齡為30～86周，體重3.2～5.5 kg。采集數(shù)據(jù)前，未對母兔進行剃毛等特殊處理。

根據(jù)孕囊在母兔腹內(nèi)分布范圍，采集數(shù)據(jù)時將傳感探頭放置于距母兔第二對乳頭30 mm的腹部側(cè)方，探頭長軸方向與母兔腹部縱向平行。為降低母兔腹部的表面反射，使探頭與母兔腹壁表面緊密接觸。按下傳感探頭按鍵，微控制器依次發(fā)出點亮LED1和LED2的控制信號，LED1點亮后，由母兔腹部表面返回的漫反射光被3個光電二極管PD1、PD2和PD3接收并轉(zhuǎn)換為模擬電壓，由ADC模塊轉(zhuǎn)換為數(shù)字信號并存入內(nèi)存卡，采樣數(shù)據(jù)分別命名為LED1-PD1、LED1-PD2和LED1-PD3。關(guān)閉LED1，開啟LED2，3個光電二極管PD1、PD2和PD3的采樣數(shù)據(jù)命名為LED2-PD1、LED2-PD2和LED2-PD3并存入內(nèi)存卡。

2.2 母兔妊娠狀態(tài)分類模型建立

偏最小二乘判別分析模型（Partial Least Squares Discrimination Analysis, PLS-DA）[22]和支持向量機分類模型（Support Vector Machine, SVM）[23]相對容易移植到STM32平臺，且具有良好的分類性能。同時PLS-DA模型具有較好的可解釋性，可以對數(shù)據(jù)進行有監(jiān)督的主成分分析和變量重要性分析，因此分別建立PLS-DA和SVM分類模型判斷妊娠母兔與未妊娠母兔，并比較兩種模型的分類性能。

將130只母兔腹部漫反射光強度數(shù)據(jù)按照7∶3的比例劃分訓(xùn)練集和獨立的測試集，訓(xùn)練集和測試集的母兔數(shù)量分別為91和39只。未妊娠母兔的標簽設(shè)置為0，妊娠母兔標簽設(shè)置為1，如表1所示。模型訓(xùn)練與預(yù)測使用MATLAB 2016a（邁斯沃克公司，美國）完成。

表1 數(shù)據(jù)集劃分

注：0表示未妊娠母兔，1表示妊娠母兔。

Note: 0 means non-pregnant rabbits, and 1 means pregnant rabbits.

2.3 評價指標

分類模型的性能通過準確率、靈敏度和特異性進行評估。評價指標的表達式分別為

式中Ac為準確率，%；Se為靈敏度，%；Sp為特異性，%；TP是正確分類為妊娠母兔的樣本數(shù)，TN是正確分類為未妊娠母兔的樣本數(shù)，F(xiàn)P是錯誤分類為妊娠母兔的樣本數(shù)、FN是錯誤分類為未妊娠母兔的樣本數(shù)。

3 結(jié)果與分析

3.1 母兔腹部漫反射光強數(shù)據(jù)分析

圖3為LED1、LED2分別點亮?xí)r，3個光電二極管PD1、PD2、PD3測得的母兔腹部漫反射光強度模擬電壓平均值。LED1點亮?xí)r，妊娠母兔腹部漫反射光強度分別為1 935、1 423和1 101 mV，未妊娠母兔腹部漫反射光強度為1 944、1 450和1 166 mV，差異分別為9、27和65 mV。LED2點亮?xí)r，妊娠母兔腹部漫反射光強度分別為946、1 189和1 643 mV，未妊娠母兔腹部漫反射光強度為990、1 220和1 669 mV，差異分別為44、31和26 mV。未妊娠母兔的采樣值大于妊娠母兔，這表明未妊娠母兔的漫反射光強度較強。這可能是由于妊娠母兔腹內(nèi)存在孕囊組織，其光學(xué)散射系數(shù)大于其他組織，消光性較強，因此返回光較弱。而未妊娠母兔腹內(nèi)沒有孕囊組織，且腸道中存在糞便等物質(zhì)，光學(xué)散射系數(shù)較小，消光性較弱，因此漫反射光較強?？臻g漫反射光強度差異能夠反應(yīng)組織的光學(xué)特性差異。

130只母兔的腹部漫反射光強度采樣數(shù)據(jù)的箱線分布如圖4所示，圖4a為LED1點亮?xí)r，PD1、PD2、PD3產(chǎn)生的數(shù)據(jù)，圖4b為LED2點亮?xí)r，PD1、PD2、PD3產(chǎn)生的數(shù)據(jù)?？梢园l(fā)現(xiàn)，采樣值的異常值（圖4中圓圈所示）主要集中在LED1點亮?xí)r，PD1產(chǎn)生的數(shù)據(jù)和LED2點亮?xí)r，PD3產(chǎn)生的數(shù)據(jù)，這2組采樣值是光源與探測器距離最小的采樣點，可能是因為母兔的腹部外形存在差異，影響平面探頭與母兔腹部的接觸，進而對距離光源較近的探測器影響較大，引入噪聲較多。其余4個采樣數(shù)據(jù)分布較為分散，可能是由于母兔間個體性差異造成的，如腹部皮毛厚度、腹肌厚度、腹內(nèi)孕囊分布及尺寸等，實際上個體性差異大的問題也是活體檢測中的主要難題[21]?？傮w來看，未妊娠母兔采樣值大于妊娠母兔，可以定性地表明妊娠母兔與未妊娠母兔的腹部漫反射光強度的采樣值存在差異。

3.2 主成分及變量重要性分析

PLS-DA是一種分類模型，也可以對數(shù)據(jù)進行有監(jiān)督的主成分分析和變量重要性分析，其利用組成員的知識實現(xiàn)降維，并在實現(xiàn)組分離的同時保持最大協(xié)方差[24]。本文利用PLS-DA建立母兔腹部漫反射光強度采樣數(shù)據(jù)的分類模型，并利用監(jiān)督式主成分分析對采集的數(shù)據(jù)進行分析。從主成分得分圖中可以看出，前3個主成分的累積貢獻率達到97.3%，可以表征采集的數(shù)據(jù)（圖5a、5b）。從主成分1-主成分2母兔類別分布可以看出，妊娠母兔主要集中在第一象限，未妊娠母兔主要集中在第三象限，只在第二象限和第第四象限有少量重疊。主成分2-主成分3的母兔類別分布顯示，妊娠母兔主要集中在第一、第四象限，而未妊娠母兔主要集中在第二、第三象限。從主成分得分散點圖可以定性區(qū)分兩類母兔是否妊娠，產(chǎn)生類別重疊的主要原因可能是母兔間個體差異較大。

由于變量重要性分得分能夠確定PLS-DA模型中最具影響力的變量，且變量重要性得分大于1表明該變量有助于類別的分離[25]。圖5c顯示了變量重要性得分，兩個變量的變量重要性得分大于1，分別為LED1點亮?xí)r，PD3產(chǎn)生的數(shù)據(jù)和LED2點亮?xí)r，PD1產(chǎn)生的數(shù)據(jù)。PD3、是距離LED1最大的探測器，PD1是距離LED2最大的探測器。同時，隨著光源與探測器之間的距離縮小，變量重要性得分減小，進一步說明區(qū)分母兔妊娠狀態(tài)的有效信息與光源、探測器之間的距離相關(guān)，即與光源距離越大的探測器采集的母兔腹部漫反射光包含的用于分辨母兔妊娠狀態(tài)的信息越多。

3.3 模型分類結(jié)果與分析

為比較不同分類模型的分類性能，分別利用采樣數(shù)據(jù)建立SVM和PLS-DA分類模型。

PLS-DA主因子個數(shù)是PLS-DA模型的一個重要參數(shù)。確定最優(yōu)主因子個數(shù)是建立具有良好辨識性能的模型的前提。本文以10折交叉驗證法的最低預(yù)測誤差為指標確定最佳主因子數(shù)。

SVM在應(yīng)用過程中需要解決兩個關(guān)鍵問題，即選擇合適的核函數(shù)和確定超參數(shù)的最優(yōu)值。常用的核函數(shù)有線性核函數(shù)、徑向基函數(shù)核函數(shù)、多項式核函數(shù)等。在比較不同核函數(shù)后的性能后，發(fā)現(xiàn)線性核函數(shù)適用于該采樣數(shù)據(jù)的分類。懲罰因子是線性核函數(shù)的主要超參數(shù)，決定了在最小化訓(xùn)練誤差和最小化模型復(fù)雜度之間的權(quán)衡，同樣適用10折交叉驗證法確定最優(yōu)超參數(shù)。

表2為PLS-DA和SVM模型訓(xùn)練結(jié)果，兩個模型的訓(xùn)練集的準確率在81.52%到82.42%之間，測試集的準確率在64.10%到82.05%之間。PLS-DA模型對訓(xùn)練集的預(yù)測結(jié)果顯示，判別準確率為81.52%，9只未妊娠母兔被誤判為妊娠母兔，7只妊娠母兔被誤判為未妊娠母兔。對測試集的判別準確率為64.10%，5只未妊娠母兔被誤認為妊娠母兔，9只妊娠母兔被誤判為未妊娠母兔。SVM模型對訓(xùn)練集的預(yù)測結(jié)果顯示，判別準確率為82.42%，9只未妊娠母兔被誤判為妊娠母兔，7只妊娠母兔被誤判為未妊娠母兔。對測試集的判別準確率為82.05%，3只未妊娠母兔被誤認為妊娠母兔，4只妊娠母兔被誤判為未妊娠母兔。

從訓(xùn)練集與測試集結(jié)果對比得出，PLS-DA模型對母兔分類的泛化性能較差，存在一定程度的過擬合。測試集的結(jié)果顯示，PLS-DA模型的特異性高于靈敏度，這意味著更多的未妊娠母兔被誤判是妊娠母兔。與PLS-DA模型相比，SVM對妊娠母兔與未妊娠母兔的分類性能較強且更為均衡，測試集的靈敏度、特異性和準確率分別為80.95%、83.33%和82.05%。SVM模型的分類結(jié)果優(yōu)于PLS-DA模型，因此選擇SVM模型作為母兔妊娠診斷的分類模型。

表2 PLS-DA和SVM模型分類結(jié)果

注：PLS-DA模型因子因子數(shù)為3，SVM模型超參數(shù)為1.5。

Note: The factor number of the PLS-DA(Partial Least Squares Discrimination Analysis) model is 3, the super parameterof the SVM (Support Vector Machine) model is 1.5.

4 結(jié) 論

針對目前母兔早期妊娠診斷的存在的問題，該研究基于妊娠母兔與未妊娠母兔腹內(nèi)生物組織的光學(xué)特性差異，提出一種基于空間漫反射光的母兔妊娠診斷方法，并研制了快速、無侵入式便攜診斷裝置。該裝置由光學(xué)傳感探頭和信號處理主機組成，其中光學(xué)傳感探頭由2個LED紅外光源和3個硅基光電二極管以及外圍電路組成，信號處理主機由微控制器和外圍設(shè)備以及軟件系統(tǒng)組成。利用該裝置采集了130只母兔的腹部組織數(shù)據(jù)，包括63只妊娠母兔和67只未妊娠母兔，分別建立了PLS-DA分類模型和SVM分類模型。以判別準確率、靈敏度、特異性為指標評價對分類模型進行評價，主要結(jié)論如下：

1）采樣數(shù)據(jù)分析表明，未妊娠母兔的采樣數(shù)據(jù)平均值大于妊娠母兔的采樣數(shù)據(jù)平均值，印證了妊娠母兔與未妊娠母兔腹內(nèi)組織的差異導(dǎo)致組織光學(xué)特性差異，進而表現(xiàn)出漫反射光強度的差異。

2）變量分析表明，母兔腹部漫反射光強度與母兔妊娠狀態(tài)有關(guān)，基于空間漫反射光的母兔妊娠診斷方法可行。

3）與PLS-DA模型相比，SVM分類判別效果更好，其訓(xùn)練集與測試集的判別準確率分別為82.42%、82.05%，且靈敏度與特異性偏差較小。

由于母兔間的個體性差異較大，導(dǎo)致數(shù)據(jù)不穩(wěn)定，增加了診斷誤差。同時，目前僅以母兔腹部漫反射光強度作為采樣數(shù)據(jù)，包含的信息相對單一，不利于精準區(qū)分母兔類別。在未來的工作中將針對這兩個問題作進一步研究，通過優(yōu)化光電探頭的光源與探測器的空間布局、改進探頭與母兔腹部的接觸形式、增加探頭的空間分辨率等方法降低母兔個體性差異的影響。并通過采集母兔的血流速度、脈搏等數(shù)據(jù)，增加采樣數(shù)據(jù)的多樣性，進而提高分類準確率。

[1] 謝曉紅，郭志強，秦應(yīng)和. 我國肉兔產(chǎn)業(yè)現(xiàn)狀及發(fā)展趨勢[J]. 中國畜牧雜志，2011，47(4)：34-38.

Xie Xiaohong, Guo Zhiqiang, Qin Yinghe. Current situation and development trend of meat rabbit industry in China[J]. Chinese Journal of Animal Husbandry, 2011, 47(4): 34-38. (in Chinese with English abstract)

[2] 汪榮才，葉達豐，葉紅霞. 我國兔產(chǎn)業(yè)發(fā)展現(xiàn)狀及改善措施[J]. 浙江畜牧獸醫(yī)，2020，45(2)：9-12.

[3] Ricci A, Carvalho P D, Amundson M C, et al. Factors associated with pregnancy-associated glycoprotein (PAG) levels in plasma and milk of Holstein cows during early pregnancy and their effect on the accuracy of pregnancy diagnosis[J]. Journal of Dairy Science, 2015, 98(4): 2502-2514.

[4] Martins J P N, Wang D, Mu N, et al. Level of circulating concentrations of progesterone during ovulatory follicle development affects timing of pregnancy loss in lactating dairy cows[J]. Journal of Dairy Science, 2018, 101(11): 10505-10525.

[5] 賈曉，邱瑾，舒娟，等. 血清孕酮水平檢測在克隆胚胎移植受體牛的篩選及妊娠診斷中的應(yīng)用[J]. 中國生物工程雜志，2020，40(7)：1-8.

Jia Xiao, Qiu Jin, Shu Juan, et al. Application of serum progesterone level detection in screening and pregnancy diagnosis of cloned embryo transfer recipients[J]. China Biotechnology, 2020, 40(7): 1-8. (in Chinese with English abstract)

[6] 陳童，羅永明，董紅，等. B超在母羊早期妊娠和繁殖疾病診斷中的應(yīng)用[J]. 黑龍江動物繁殖，2021，29(1)：43-46.

[7] 熊琪，張群，金晶，等. 直腸B超在湖北黑頭山羊發(fā)情鑒定和早期妊娠診斷中的應(yīng)用[J]. 湖北農(nóng)業(yè)科學(xué)，2020，59(S1)：180-184.

[8] Gonzalez-Bulnes A, Pallares P, Vazquez M I. Ultrasonographic imaging in small ruminant reproduction[J]. Reproduction in Domestic Animals, 2010, 45: 9-20.

[9] Golovynskyi S, Golovynska I, Stepanova L I, et al. Optical windows for head tissues in near-infrared and short-wave infrared regions: Approaching transcranial light applications[J]. Journal of Biophotonics, 2018, 11(12): e201800141.

[10] Mourant J R, Canpolat M, Brocker C, et al. Light scattering from cells: The contribution of the nucleus and the effects of proliferative status[J]. Journal of Biomedical Optics, 2000, 5(2): 131-137.

[11] Bolla A S, Priefer R. Blood glucose monitoring- An overview of current and future non-invasive devices[J]. Diabetes & Metabolic Syndrome: Clinical Research & Reviews, 2020, 14(5): 739-751.

[12] Fong D D, Knoesen A, Motamedi M, et al. Recovering the fetal signal in transabdominal fetal pulse oximetry[J]. Smart Health, 2018, 9-10: 23-36.

[13] Durduran T, Choe R, Baker W B, et al. Diffuse optics for tissue monitoring and tomography[J]. Reports on Progress in Physics, 2010, 73(7): 76701.

[14] Taroni P, Pifferi A, Quarto G, et al. Noninvasive assessment of breast cancer risk using time-resolved diffuse optical spectroscopy[J]. Journal of Biomedical Optics, 2010, 15(6): 60501.

[15] Polisca A, Scotti L, Orlandi R, et al. Doppler evaluation of maternal and fetal vessels during normal gestation in rabbits[J]. Theriogenology, 2010, 73(3): 358-366.

[16] Pifferi A, Contini D, Mora A D, et al. New frontiers in time-domain diffuse optics, a review[J]. Journal of Biomedical Optics, 2016, 21(9): 91310.

[17] Huang Y P, Lu R F, Xu Y F, et al. Prediction of tomato firmness using spatially-resolved spectroscopy[J]. Postharvest Biology and Technology, 2018, 140: 18-26.

[18] Scholkmann F, Kleiser S, Metz A J, et al. A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology[J]. NeuroImage, 2014, 85: 6-27.

[19] Hoelen C G A, de Mul F F M, Pongers R, et al. Three-dimensional photoacoustic imaging of blood vessels in tissue[J]. Optics Letters, 1998, 23(8): 648-650.

[20] Corlu A, Durduran T, Choe R, et al. Uniqueness and wavelength optimization in continuous-wave multispectral diffuse optical tomography[J]. Optics Letters, 2003, 28(23): 2339-2341.

[21] Maruo K, Tsurugi M, Tamura M, et al. In vivo noninvasive measurement of blood glucose by near-infrared diffuse-reflectance spectroscopy[J]. Appl Spectrosc, 2003, 57(10): 1236-1244.

[22] 滑金杰，王華杰，王近近，等. 采用PLS-DA分析毛火方式對工夫紅茶品質(zhì)的影響[J]. 農(nóng)業(yè)工程學(xué)報，2020，36(8)：260-270. Hua Jinjie, Wang Huajie, Wang Jinjin, et al. Influences of first-drying methods on the quality of Congou black tea using partial least squares-discrimination analysis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(8): 260-270. (in Chinese with English abstract)

[23] 彭彥昆，趙芳，李龍，等. 利用近紅外光譜與PCA-SVM識別熱損傷番茄種子[J]. 農(nóng)業(yè)工程學(xué)報，2018，34(5)：159-165.

Peng Yankun, Zhao Fang, Li Long, et al. Discrimination of heat-damaged tomato seeds based on near infrared spectroscopy and PCA-SVM method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(5): 159-165. (in Chinese with English abstract)

[24] Allen A, Williams M R, Sigman M E. Application of likelihood ratios and optimal decision thresholds in fire debris analysis based on a partial least squares discriminant analysis (PLS-DA) model[J]. Forensic Chemistry, 2019, 16: 100188.

[25] Almeida M R, Fidelis C H V, Barata L E S, et al. Classification of Amazonian rosewood essential oil by Raman spectroscopy and PLS-DA with reliability estimation[J]. Talanta, 2013, 117: 305-311.

Development of the early pregnancy diagnosis device for female rabbits based on spatial diffuse light

Yuan Hao, Liu Cailing※, Wang Hongying, Wang Liangju, Dai Lei

(,,100083,)

Pregnancy diagnosis is one of the most important links in the reproductive management of meat rabbits. Especially, the early identification of non-pregnant rabbits can advance the re-insemination time, further improving the service rate of breeding rabbits for a shorter reproductive cycle in commercial productions. However, the manual touch diagnosis can present some stress responses of rabbits at present. A non-invasive approach can be an alternative for the early pregnancy diagnosis in the future large-scale production of rabbits. In this study, a non-invasive portable diagnosis device was developed to rapidly and accurately identify the early pregnancy of rabbits using spatial diffuse light. The optical characteristics also presented differently from the gestational sac tissue in the abdomen of pregnant and non-pregnant rabbits. The portable diagnostic device consisted of a sensing probe and a signal processing host with two infrared LEDs (the light-emitting wavelengths of 850 and 930 nm), three silicon-based photodiodes, and peripheral circuits. 130 rabbits were selected to test after 14 days of artificial insemination, including 63 pregnant rabbits and 67 non-pregnant rabbits. The collected data was then divided into the training set and test set, according to the ratio of 7:3. Specifically, the training set was used to establish the partial least squares discriminant analysis (PLS-DA) and support vector machine (SVM) classification model. The test set was used to evaluate the classification performance of the established model. At the same time, the PLS-DA was conducted for the supervised principal component analysis (PCA) and variable importance analysis (VIA) on the sampling data. The results showed that there were great differences between the sampling datasets of pregnant and non-pregnant rabbits, indicating a better classification. Furthermore, it was found that the SVM presented a better classification performance than that of the PLS-DA for the pregnant and non-pregnant rabbits, where the sensitivity, specificity, and accuracy of the test set data were 80.95%, 83.33%, and 82.05%, respectively. Consequently, the developed diagnosis device can be widely expected to rapidly identify the pregnancy of rabbits within 14 days after insemination, indicating a feasible optical pregnancy diagnosis. The finding can provide a strong reference to the early pregnancy diagnosis of rabbits, further enhancing the intelligent level of industrial equipment in rabbit production.

LED; pregnancy; rabbits; portable equipment; optical properties; SVM; PLS-DA

2021-06-16

2021-09-28

國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系資助（CARS-43-D-3）

袁昊，博士生，研究方向為農(nóng)業(yè)機械與智能化裝備。Email：1468638322@qq.com

劉彩玲，副教授，博士，研究方向為播種機械與農(nóng)業(yè)裝備。Email：cailingliu@163.com

10.11975/j.issn.1002-6819.2021.24.016

S831.4

A

1002-6819(2021)-24-0141-08

袁昊，劉彩玲，王紅英，等. 基于空間漫反射光的母兔早期妊娠診斷裝置研制[J]. 農(nóng)業(yè)工程學(xué)報，2021，37(24)：141-148. doi：10.11975/j.issn.1002-6819.2021.24.016 http://www.tcsae.org

Yuan Hao, Liu Cailing, Wang Hongying, et al. Development of the early pregnancy diagnosis device for female rabbits based on spatial diffuse light[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(24): 141-148. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.24.016 http://www.tcsae.org