鸡种蛋孵化品质无损检测的研究进展

邹秀容,潘磊庆,屠 康,刘 鹏

(南京农业大学食品科技学院,农业部农畜产品加工与质量控制重点开放实验室,江苏南京 210095)

鸡种蛋孵化品质无损检测的研究进展

邹秀容,潘磊庆,屠 康＊,刘 鹏

(南京农业大学食品科技学院,农业部农畜产品加工与质量控制重点开放实验室,江苏南京 210095)

对鸡种蛋的孵化进行自动化检测,及时剔除未受精蛋和死胚蛋有利于提高孵化的经济效益。无损检测技术是近几十年农产品内外品质检测的研究热点,部分技术已有实际应用,已有国内外学者采用无损检测的方法对种蛋的孵化情况进行研究。本文综述了各种无损技术检测种蛋孵化的方法原理、研究现状,并指出了目前尚需解决的问题和发展前景。

鸡种蛋,孵化,成活性,无损检测

1 鸡蛋的胚胎发育过程

鸡蛋的孵化就是在一定的温湿度条件 (37.8℃, 55%RH)控制下,蛋内的受精卵发育成雏鸡的过程。发育早期的胚胎很小,同时因受到蛋壳的影响,用无损检测的方法检测这种小实体是很困难的。因此,孵化早期的胚胎发育不是检测胚胎本身,而是检测种蛋在孵化期内的一些明显的生理物理变化。

在孵化早期,种蛋有两个重大的生理物理变化。发生的第一个重大事件就是红细胞的形成,这些红细胞在卵黄囊处形成“血岛”,“血岛”经过发育形成最初的血管。造血的形成是在孵化的第 2d开始进行的[3]。发生的第二个重大事件就是随着离子泵变得活跃,Na+从蛋白输送到卵黄囊,蛋白中的水分随之流动积累到卵黄囊,发育中的胚胎形成胚胎亚流体 (Sub-embryonic fluid,缩写为 SEF),胚胎亚流体在种蛋孵化 72h开始形成,孵化 144h后其重量迅速增加到 16g,随后因其被羊膜吸收而重量逐渐减小。由于蛋白中水分的流失,使得蛋白粘度增加,壳膜变干[4-5]。在孵化早期,血管的形成和蛋白粘度的增加使鸡蛋的内部结构发生重大的变化,这些变化是可以用无损的方法进行检测的,从而检测到种蛋胚胎的发育。

2 国外鸡蛋孵化品质的研究现状

2.1 电学法和热成像法

在早期,Romanoff等[6-7]研究了种蛋的电导率和介电常数的相关性,实验比较了受精蛋、无精蛋的高频电导率和介电效果。Danno等[8]用种蛋的热成像来判断受精蛋和无精蛋,结果表明在孵化的第 4d,较之无精蛋,受精蛋有较高的表面温度。然而,这些实验都没有得到令人满意的结果。

2.2 计算机视觉法

计算机视觉法是基于种蛋在孵化过程中,蛋黄中血管和胚胎的形成造成光学上的差异,为了检测出这种差异,用数字摄像机采集种蛋图像,然后用图像软件对这些图像进行处理,找出特征值。

美国的 Das(1992)等[9-10]用黑白机器视觉系统对孵化早期鸡蛋的图像进行预处理,通过分析其直方图的形状,分别求取其峰值比、区间系数比、一阶二阶导数和一阶二阶矩等特征参数,最终根据这些参数采用序贯分类方法判断孵化鸡蛋的成活可能性,与未孵化鸡蛋相比,正常孵化鸡蛋的灰度级像素点高度密集,利用这一特征可以检测鸡蛋的活力,剔除无精蛋,达到提高出雏率的目的。研究结果表明, 3日龄的鸡蛋检测正确率为 88%～90%,4日龄的鸡蛋正确率则高达 96%～100%。但由于该方法包含了大量的数学计算,不仅增加了算法的复杂性,而且要求很大的存储量,从而导致检测速度较低,难以满足生产线实时检测的需要。

计算机视觉法应用于白壳种蛋的检测,效果较好,而对于褐壳蛋由于蛋壳上的色素会使采集的图像有很多的噪声,从而影响到检测的准确率,因此用计算机视觉法检测种蛋品质很可能得到较低的准确率,需要注意对图像的处理,从图像增强,图像去噪,选择合适的特征参数等方面解决蛋壳颜色的影响。

2.3 光学检测法

种蛋孵化的第 2d开始出现造血,血细胞能吸收特定波长的光,当胚胎发育到一定程度,壳中分布着大量的血管,利用光学检测法可以检测到透射光谱的下降。红细胞中的血色素有三个吸收光谱：415、539、577nm,而蛋壳可以吸收 500nm以下的光谱,所以只有 577nm处的光谱可用于血液的检测[11]。蛋壳中含有一种成分为原卟啉的色素,这种色素也有三个吸收光谱：539、589、643nm。如果用 577nm作为特征峰检测血液会受到蛋壳原卟啉色素的影响,因为原卟啉在 589nm的吸收峰与 577nm的吸收峰接近[12]。

由于光谱吸收受到蛋壳厚度、蛋黄颜色等的影响,如壳厚的种蛋会比壳薄的蛋吸收更多的光,这样就导致不发育的厚壳种蛋也能产生低的透射光谱,所以不能直接用 577nm的光吸收值来检测血色素,研究发现可以用两个波长(其中一个波长 577nm,另一个波长应选择不受蛋壳色素影响的)的相对吸收比值。Bamelis等[13]用 577nm/610nm的光吸收比值来检测褐壳种蛋和白壳种蛋的孵化情况,理论上解释了在孵化 72h后,SEF形成导致 577/610光吸收比值的下降,实验结果表明,在孵化 108h后就能检测出种蛋的胚胎发育。这种方法的优点是能克服种蛋个体差异性大的问题。

2.4 敲击振动法

敲击振动法是研究各种农产品振动特性的有效方法。其原理是：鸡蛋受到冲击力的刺激产生声音信号,用麦克风收集放大信号经计算机处理,得到敲击振动信息,分析种蛋孵化过程中的振动信号变化规律来检测种蛋孵化的情况。Coucke等[14]首先将这种方法应用于种蛋的孵化检测,实验结果表明可以在第 5d时检测出未受精蛋和死胚蛋,正常发育种蛋的敲击振动频率在 96～104h突然减小,而未受精蛋和死胚蛋的敲击振动频率在观察期内表现为平缓持续的上升。Bamelis等[13]的研究表明敲击振动频率的减小随 SEF的形成而发生,当 SEF形成时,蛋白的物理特性如密度和浓度因水分和离子的流失而改变,这个过程大约发生在正常种蛋孵化 72h左右。Kemps等[15]的研究证实了 Bamelis的上述理论,并利用种蛋的短径,敲击振动频率变小时的时间来预测了种蛋所需的孵化时间,相关系数达到 0.72。

用敲击振动法检查种蛋的孵化品质时,由于个体差异性如蛋壳厚薄不同,敲击频率会有较大的变异性,到孵化 120h,孵化的检查效果才比较好。从实际角度出发,建议应对种蛋进行两次敲击检测,第一次是种蛋孵化之前,第二次是种蛋孵化 120h后,对前后两次的敲击振动频率分析来判断种蛋的品质。

2.5 高光谱图像检测法

高光谱图像技术 (Hyper-spectral Image)是 20世纪 80年代发展起来的新技术,集中了光学、光电子学、电子学、信息处理、计算机科学等领域的先进技术,把传统的二维成像技术和光谱技术有机地结合在一起。高光谱图像技术具有超多波段、高的光谱分辨率和图谱合一的特点。高光谱图像数据是三维的,有时称为图像块。其中的二维是图像像素的横纵坐标信息 (以 x坐标和 y表示),第三维是波长信息(以λ表示)。

Smith(2005)等[16]用高光谱图像系统检测了白壳蛋和褐壳蛋的孵化情况,实验结果表明,第 3d时对白壳蛋的孵化检测率为 91%,而褐壳蛋的孵化检出率为 83%。Jones(2005)等[17]研究利用高光谱成像系统和人工神经网络对孵化种蛋进行分类和检测的可行性,得到满意的效果。Kurt(2006)等[18]采用高光谱成像系统及采用了最小噪音分数传输和马氏距离模型来预测胚胎发育。所有蛋在第 2d和第 3d都能被正确地分类,而在第 0d和第 1d的蛋的判别正确率分别为95.8%和91.7%。

高光谱检测技术用于种蛋的孵化品质检测具有准确率高,检出时间早的优点,但同时也有成本比较高,运算量大的不足,可以考虑采用特征波长的光谱图像来检测种蛋的孵化品质。另外,高光谱检测法只研究了种蛋是否发育,而对于中后期的死胚蛋检测未见有文献报道。

3 国内鸡蛋孵化品质的研究现状

近年来,国内的一些学者也开始对种蛋孵化成活性检测进行研究,主要是运用了计算机视觉检测法和光电特性检测法,获得了不少研究成果。

杨秀坤 (1997)[19]用“动态调整杂交概率”和“二次选择法”对遗传算法进行了改进,将其应用于多层前馈神经网络结构及权值优化中,运用彩色计算机视觉技术与遗传神经网络相结合的方法根据鸡蛋表面颜色特征进行孵化鸡蛋的可成活性判别,对孵化第 2d、第 3d、第 5d、第 8d的鸡蛋,判别准确率分别为71.7%、94.2%、98.1%、100%。但该计算机视觉系统的结构复杂,不适用于生产线检测。周维忠(2000)[20-21]在鸭蛋孵化早期中,选择了 H IS彩色模型,利用量化后的色度值作为种蛋颜色内部特征参数,采用小波神经网络分类器判别孵化中种蛋成活的可能性;在孵化中期,选择了形态学方法判别孵化中期种蛋成活可能性。陈佳娟 (2001)等[22]将计算机视觉技术与遗传神经网络相结合,建立一套适合于孵化鸡蛋可成活性自动检测的计算机视觉系统,通过计算机视觉技术获取了孵化鸡蛋的色度直方图,并提取了孵化鸡蛋表面颜色特征。采用遗传算法优化了多层前馈神经网络的拓扑结构与权值,提高了神经网络的学习质量和学习速度,实现了孵化鸡蛋可成活性的自动检测。实验结果表明,该方法准确率较高,并具有鲁棒性和高速度。于景滨 (2002)等[23]利用自行设计制作的光电测试装置,对 632个和 150个胚胎分别用两种方法进行测试,结果表明利用这两种方法都可以在孵化早期剔除无精蛋。一次照蛋法的优点是,只需鸡蛋在上孵后,测试一次便可将无精蛋剔除,而二次照蛋法需在上孵前及上孵后各测一次才能将无精蛋剔除,缺点是剔除无精蛋的时间较二次照蛋法落后 1d。郁志宏 (2007)等[24]提出了一种基于改进粒子群神经网络进行孵化种蛋成活性自动检测的方法。提取 HSI图像的 H分量作为孵化种蛋表面颜色特征,通过主成分分析,找到了 6个主成分特征向量,减少了神经网络输入节点数。利用改进粒子群算法优化多层前馈神经网络的拓扑结构,提高了神经网络的学习质量和速度。训练集的样本具有足够代表性和全面性,提高了网络的泛化能力。

国内主要是采用了计算机视觉法检测种蛋,方法大致相同,用 H IS系统中的 H分量作为种蛋分级的参数,构建各种神经网络进行分级判断。其它检测技术如敲击振动法和高光谱图像检测法应用于种蛋的孵化检测尚未见报道。

4 展望

前人的研究表明无损检测技术确实能有效地应用在种蛋孵化品质的检测上,能在孵化第 2～5d检测出未受精蛋,在中后期检测出死胚蛋。与传统方法相比,有检测速度快、检测精度高、所需时间短、节省劳动力等优点。但是也存在着一些问题,如研究主要集中在孵化早期种蛋品质的检测,而对中后期死胚蛋的检测方面少,对种蛋孵化品质检测的研究项目较少,已进行的研究的样本量小,品种少,研究都是在实验室水平下完成,离实际应用还有一段距离。计算机视觉法检测种蛋孵化品质仍有待优化图像处理的方法,选择合适的参数和统计判别方法,使分级快速、有效。光学检测法有不受蛋差异性影响的优点,但相比其它检测方法,所需检测时间较长,在第5d才能识别出蛋是否受精。敲击振动法检测时频谱的差异性较大,但是有不受蛋壳颜色影响的优点,可研究采用二次检测法或与其它检测技术融合来解决差异性大的问题。高光谱检测法作为新兴的技术,跟其它方法相比,精确度进一步提高,所需时间更短,但还存在着数据处理量大成本较高的问题,需要进一步的研究和数据分析来提高检测速率。

以后的研究可以从下面几个方面着手：a.对多个品种的蛋,如褐壳、白壳和绿壳的孵化品质进行研究,比较多种无损检测方法的检测效果,开发出一套能检测多品种蛋的综合检测系统。b.优化数据的处理方式,进一步提高运算效率。c.加大实验样本量,提高检测的精确度,把鸡蛋孵化的无损检测技术用于实际生产中,实现机械化、自动化。

[1]Edgar SA.What does it cost to produce a chick?[J].Poultry digest,1973,32：63-66.

[2]Mauldin J M.Breeder hatchery reproductive performance surveyed in Georgia[J].PoultryDigest,1985,44：188.

[3]Romanoff A L.The avian embryo[M].New York：The Macmillan Company,1960.

[4]Babiker F M,Baggott G K.The role of ion transport in the formation of sub-embryonic fluid by the embryo of the Japanese quail[J].British Poultry Science,1995(3)：371-383.

[5]S imkiss K.Water and ionic fluxes inside the egg[J]. American Zoologist,1980(2)：385-393.

[6]Romanoff A L,Cottrell C L.Fertility study of fresh eggs by radio frequency conductivity and dielectric effect[J].Proceedings of the Society of Experimental Biology and Medicine,1939,42：298-301.

[7]Romanoff A L,Frank K.High frequency conductivity and dielectric effect of fresh fertile and infertile hens eggs[J]. Proceedings of the Society of Exper imentalBiology andMedicine, 1941,47：527-530.

[8]Danno A,Miyazato M,Jshiguro E.Quality evaluation of agricultural products by infrared imagingmethod II.Discrimination of fertilized and unfertilized eggs during the incubation period [J].Bulletin of the faculty of Agriculture Kagoshima University, 1979,15(24)：145-158.

[9]Das K,EvansM D.Detecting fertility of hatching eggs using machine vision I：Histogram characterization method[J]. Transactions of the ASAE,1992,35(4)：1335-1341.

[10]Das K,EvansM D.Detecting fertility of hatching eggs using machine vision II：neural network classifiers[J].Transactions of the ASAE,1992,35(6)：2035-2041.

[11]Brant A W,Norris K H,Chin G.A spectrophotometric method for detecting blood in white shelled eggs[J].Poultry Science,1953,32：357-363.

[12]Gielen R M A M,DeJong L P,Kerkvliet H M M.Electrooptical blood-spot detection in intact eggs[J].IEEE Transactions on Instrumentation andMeasurements,1979(3)：177-183.

[13]Bamelis F R,Tona K,De Baerdemaeker J G,et al.Detection of early embryonic development in chicken eggs using visible light trans mission[J].British Poultry Sicece,2002,43(2)：204-212.

[14]Coucke P,Dewil E,Decuypere E,et al.Monitoring embryo development in chicken eggs using acoustic resonance analysis [J].Biotechnology Progress,1997,13(4)：474-478.

[15]Kemps B,De Ketelaere B,Bamelis F,et al.Vibration analysis on incubating eggs and itsrelation to embryonic development[J].Biotechnology Progress,2003,19(3)：1022-1025.

[16]SmithD P,Lawrence K C,ParkB,et al.Detection of fertility and early developmentof hatching eggswith hyperspectral imaging [C].Proc 11th European Symposium on the Quality of Eggs and Egg Products.Netherlands：World’s Poultry Science Association, 2005：176-180.

[17]Jones S T,Shattuck R E.Detection of Early Embryonic Development in hatching eggs：a hyperspectral imaging systems and neural network approach[J].Johns Hopkins Apl Thchnical Digest,2005(1)：67-73.

[18]Lawrence K C,Smith D P,W indham W R,et al.Egg embryo developmentdetection with hyperspectral imaging[J]. International Journal of Poultry Science,2006,5(10)：964-969.

[19]杨秀坤 .农产品品质检测中的人工智能方法研究[D].哈尔滨：东北农业大学,1997.

[20]周维忠 .基于机器视觉的孵化生产质量检测技术研究[D].西安：西安交通大学,2000.

[21]周维忠,冯心海,孙国基 .种蛋外形的计算机视觉识别研究[J].农业工程学报,2000,16(6)：126-130.

[22]陈佳娟,陈晓光,纪寿文 .采用计算机视觉孵化鸡蛋成活性的自动检测[J].计算机应用与软件,2001,18(6)：5-10.

[23]于景滨,张欣艳,赵达,等 .孵化早期用光电法剔除无精蛋的两种方法[J].黑龙江八一农垦大学学报,2002,14(6)：111-113.

[24]郁志宏,王春光,张晓芳,等 .改进的粒子群神经网络检测种蛋成活性[J].计算机工程与设计,2007,28(2)：427-429.

Research progresses in non-destructive measurements on incubation quality of eggs

ZOU Xiu-rong,PAN Lei-qing,TU Kang＊,L IU Peng
(College of Food Science and Technology,NanjingAgriculturalUniversity,Nanjing 210095,China)

Autom a tica lly de tec tion of ha tching eggs during ea rly incuba tion would a llow t im e ly rem ova l of dead em b ryos and infe rtile eggs from incuba tion the reby contributing to ha tche ry p rofits.Non-des truc tive insp ec tion is a resea rch focus in ag ricultura lp roduc ts de tec tion in recent yea rs,som e techniques have been successfully app lied in the food indus try.The p rinc ip le of the nondes truc tive m easurem ents on the fe rtility de tec tion and the resea rch s itua tion a t hom e and a t ab road we re reviewed,the current solved p rob lem s we re a lso d iscussed.

chicken ha tching eggs;incuba tion;fe rtility;non-des truc tive tes t

TS253.7

A

1002-0306(2010)02-0342-04

鸡蛋的孵化过程大约需要 21d,且对环境温湿度条件要求较高,是一个耗时、耗能的过程[1]。而统计数据表明种蛋的孵化成功率为 82%～99%[2],这意味着每年都有大量的种蛋不能孵化,其造成的经济损失相当大。在孵化期尽可能早地检测出无精蛋和死胚蛋,不仅能有效地节省时间、空间、劳动力和能源,还能避免坏死鸡蛋产生的细菌或霉菌感染其它鸡蛋,从而对提高孵化效率具有十分重要的意义。在实际应用中,识别鸡蛋孵化情况主要仍由人工完成,由于种蛋孵化早期发育特征不太明显,人工照蛋受人主观因素的影响,准确性较低,而且费工费时,因此开发出一套能自动进行种蛋孵化成活性的检测系统,对降低人工照蛋的劳动强度,提高检测准确性和生产效率,保障生产者的利益,具有十分重要的意义。早在 20世纪 30年代末,国外就有学者利用无损检测的技术研究种蛋的孵化品质,但总的来说,所做的相关研究还是不多,真正实际应用的较少。目前,应用于鸡蛋孵化检查的无损方法主要有：计算机视觉法、敲击振动法、光学检测法和高光谱图像检测法。本文对这些方面的研究进展进行探讨。

2009-03-03 ＊通讯联系人

邹秀容 (1984-),女,在读硕士,主要从事农产品无损检测方面的研究。

国家高新技术“863”计划资助项目 (2007AA10Z213);江苏省农业攻关项目(BE 2007320);南京农业大学青年科技创新基金(Y200827)。