基于空间漫反射光的母兔早期妊娠诊断装置研制

袁 昊，刘彩玲，王红英，王粮局，戴 磊

·农业信息与电气技术·

基于空间漫反射光的母兔早期妊娠诊断装置研制

袁 昊，刘彩玲※，王红英，王粮局，戴 磊

（中国农业大学工学院，北京 100083）

妊娠诊断是肉兔繁殖管理中的重要环节，尤其是早期妊娠诊断，可提前未妊娠母兔的再授精时间，提高种兔利用率，缩短繁殖周期。针对人工摸胎诊断法存在对母兔腹内胚胎产生机械损伤、母兔应激反应大及对工人经验要求高等缺陷，该研究基于妊娠母兔与未妊娠母兔腹内有无孕囊组织所引起的光学特性差异，提出一种基于空间漫反射光的母兔妊娠诊断方法，研制了快速、无侵入式的便携诊断装置。该装置由具有2个红外发光二极管（Light Emitting Diode，LED，LED发光波长分别为850和930 nm）、3个硅基光电二极管和外围电路的传感探头和信号处理主机组成。利用该便携诊断装置采集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）腹部漫反射光强度数据，将采集的数据按照7∶3的比例划分为训练集和测试集，训练集数据分别用于建立偏最小二乘判别分析（Partial Least Squares Discrimination Analysis, PLS-DA）模型和支持向量机（Support Vector Machine, SVM）分类模型，测试集数据用于模型性能测试，并对比两种模型的分类性能。同时，利用PLS-DA对采样数据进行有监督的主成分分析和变量重要性分析，结果表明妊娠母兔与未妊娠母兔的采样数据之间存在差异，可以被较好的分类。对比两种分类模型的分类性能发现SVM对妊娠母兔和未妊娠母兔的分类性能均比PLS-DA好，对测试集数据的灵敏度、特异性和准确率分别为80.95%、83.33%和82.05%。研究结果表明，该研究提出的光学妊娠诊断方法可行，研制的诊断装置可对授精14 d后的母兔进行妊娠诊断，对提高兔产业体系智能化装备水平有积极的促进作用。

LED：妊娠；兔；便携式设备；光学特性；SVM；PLS-DA

0 引 言

中国是肉兔养殖大国，兔肉产量占世界兔肉总产量的50%以上[1-2]。在肉兔育种过程中，对人工授精后的母兔进行妊娠诊断是繁殖管理中的重要环节。早期妊娠诊断可筛选出未妊娠母兔，并再次对其进行人工授精，提高种兔利用率，缩短繁殖周期，也可提高妊娠母兔孕期精细化管理水平，提高保胎率。

目前，常用的早期妊娠诊断方法包括间接测试法和直接测试法。间接测试法主要利用化学成分检测方法，对授精后母体特定阶段产生的生殖激素进行定性或定量测量，或检测母体内的特定妊娠物质，作为鉴定妊娠的间接指标，如干扰素刺激基因[3]，妊娠相关糖蛋白[3-4]和血浆孕酮浓度[5]，准确度大于80%。但化学测试法需要先进的检测设备和相应的化学试剂，成本较高，且测试环节复杂，需要专业人员操作。同时，化学测试法不能实现原位检测，也不能提供即时的诊断结果。同时，肉兔与猪、牛、羊等大型家畜相比具有体型小、经济效益低、养殖数量大的特点，高成本、低效率的间接测试法在肉兔繁殖管理中的应用十分有限。

与间接测试法相比，直接测试法具有操作简单，成本低廉的特点，常用于家畜的妊娠诊断。直接测试法主要是通过物理手段检测授精后母体腹内的组织变化，从而判断该母体是否妊娠，如A型超声、B型超声以及实时超声[6-7]等超声诊断方法。超声诊断的基本原理是生物组织的回声特征差异可以产生不同的回声强度[8]，通过采集回声信号并对其进行处理，重构不同组织的回声特性，实现对母体组织的定性分析。由于超声波具有界面强反射特性，为提高回声信号的信噪比，需要利用耦合凝胶覆盖超声探头，以消除超声探头和母体皮肤间的空气，实现二者间紧密接触。超声诊断方法准确率高，但操作繁琐，尤其是对具有大量被毛的家畜而言，通常需要剃除探头接触处的皮肤被毛，无法满足商业化兔场的快速诊断需求。

生产中常用的肉兔早期妊娠诊断方法为人工摸胎，通常在母兔授精（13±1）d后（母兔妊娠周期为31d左右），由经验丰富的工人进行操作。然而，摸胎准确度因工人的经验而异，且不能进行早期诊断。同时，工人在母兔腹部摸索的过程中，可能对胚胎产生机械性损伤，甚至导致流产。

生物组织间除具有回声特性差异和硬度差异等外，还具有由组织间微观结构和组成成分差异引起的光学特性差异，主要表现为光学吸收和光学散射差异[9]。光在组织中传播时发生吸收、散射、折射等作用，因此光对生物组织的结构特征和组成成分非常敏感，测量光在生物组织中的传输过程可能是一种潜在的诊断工具[10]。与传统方法相比，光学诊断方法具有无损、高通量、原位检测的特点，且检测设备体积较小，常用于便携检测设备开发。光学诊断方式在血糖监测[11]、血氧饱和度监测、腹内胎儿健康监测[12]、组织病变检测[13-14]以及其他活体定量或定性检测研究中应用较多。

母兔妊娠后，随着受精卵的生长发育，腹内出现孕囊组织[15]，而未妊娠母兔腹内无孕囊组织。孕囊内含有血液、羊水、胚胎、胎盘等组织，微观结构与未妊娠母兔存在较大差异，腹内组织差异是妊娠母兔与未妊娠母兔的腹部组织产生光学特性差异的基本条件。研究表明，大多数生物介质在600～1 100 nm波长光谱范围内的光学散射系数远高于光学吸收系数[16]。组织间光学散射系数的差异，表现为在组织中传播的光密度变化，进而导致不同组织表面返回的漫反射光强度存在明显区别，这是本研究的理论基础。同时，入射光在组织样本不同空间距离处的漫反射光能够携带组织样本的不同深度处的光学信息[17]，光源与探测器之间的距离越大，可探测的组织深度越深，利用这一特点可实现对母兔腹内深层组织进行探测。利用光学方法探测母兔腹内是否存在孕囊组织，进而判断母兔是否妊娠是可行的。基于上述分析，该研究提出一种基于空间漫反射光的快速、无侵入母兔妊娠诊断方法，并开发一种在母兔授精后第14天进行妊娠诊断的装置，代替常用的人工摸胎方法，降低对工人经验的要求，以提高兔产业体系智能化装备水平。

1 整机结构与工作原理

1.1 整机结构

该研究开发的便携式母兔妊娠诊断装置由主机和传感探头两部分构成，两部分由快接头导线连接，可以实现快速拆装。

主机是由微处理器、模数转换模块（Analog Digital Converter，ADC）、液晶显示屏（Liquid Crystal Displayer，LCD）、电源模块、内存卡模块、蓝牙模块、闪存模块等组成的单机系统，可以控制传感探头采集并处理电信号。其中LCD显示屏主要负责用户界面的显示及交互，电源模块负责为主机和传感探头供电，内存卡模块负责保存数据，蓝牙模块实现数据透传，闪存模块为微控制器的闪存扩展。

采用32位带数字信号处理和浮点运算单元的高性能ARM Cortex-M7微控制器作为微控制器（STM32F767IGT6，意法半导体，意大利）。ADC模块采用8通道，24位模数转换器ADS1256（德州仪器，美国），作用是将传感探头产生的模拟信号转换为数字信号，方便微控制器对数据进行采集和分析。

传感探头由光源、探测器、滤光片及外围电路组成，其主要功能为发射特定波长的光并将返回的漫反射光强转换为电压输出。

由于孕囊组织位于母兔腹内，因此需要光源具有较大的侵入深度。研究表明，生物组织中的水、血红蛋白、胶原、蛋白质等对波长范围650～950 nm的光吸收较少，该波长范围内的光可以进入更深层组织，通常可达几厘米[18]。为使发射光能到达母兔腹内孕囊组织并能返回腹部表面，选择入侵深度较大的发光波长为850和930 nm的光源[19-20]。由于漫反射光强度随光源与探测器之间的距离增加而降低，为提高接收光强度，采用大功率LED作为光源。发光波长为850和930 nm的LED由稳压电路驱动，其功率分别为660和560 mW。

光电探测器是将接收光转变为电压的传感器，其主要作用是收集由母兔腹部返回的漫反射光，并将光信号转换为电压信号。常用的光电探测器包括光电倍增管、雪崩光电二极管和硅基光电二极管等。光电倍增管和雪崩光电二极管具有很高的响应率，但稳定性较差，且成本很高。硅基光电二极管具有较小增益和较低的成本。因此，本文采用大感应面积（1.4×1.4，mm）的硅基光电二极管作为光电探测器，并由前置放大电路放大光电二极管产生的电压。

为提高光电二极管接收近红外光源母兔腹部漫反射光的效率，提高采样数据的信噪比，需要利用滤光片消除环境中可见光的干扰。滤光片放置在光电二极管的感应区上方，对进入光电二极管内的光进行过滤。

研究表明，光在生物组织中的辐射深度与光源、探测器之间的距离有关，辐射深度约等于光源、探测器之间距离的一半[12,21]。根据母兔腹部皮肤、肌肉厚度和孕囊尺寸，传感探头上LED光源与光电探测器之间的轴向距离为7 mm，且按直线排布，2个LED光源分别放置探测器两侧，整机硬件框架和电路图如图 1所示。

1.2 工作原理

如图2所示，光子由LED光源发出后，经母兔皮肤进入腹内向前扩散传播，其中一部分光子被组织吸收，一部分经组织散射返回母兔腹部表面并被探测器接收。由于妊娠母兔腹内存在孕囊组织，而未妊娠母兔的腹内没有孕囊组织，孕囊组织的光学特性与腹内其他组织的光学特性差异较大，因此腹内存在孕囊的母兔的腹部与腹内不存在孕囊的母兔的腹部返回的漫反射光强度存在差异。同时，由母兔腹部返回的漫反射光强度随光源与探测器之间的距离增加而减弱。利用与光源不同距离的探测器接收由母兔腹部返回的漫反射光强度，并将其转换为电压信号，利用ADC模块将探测器产生的电压信号转换为数字信号并采集。利用分类模型建立母兔腹部漫反射光强度数据与母兔腹内是否存在孕囊组织之间的关系，进而判断母兔是否妊娠。

具体工作流程为：将传感探头放置在母兔腹部，并使其与母兔腹部紧密贴合。按下传感探头的按键，微控制器接收按键信号后依次开启LED1和LED2，发射光进入母兔腹部，3个光电二极管依次接收LED1点亮时和LED2点亮时的漫反射光并产生6组电信号。3个光电二极管分别连接ADC的3个独立转换通道，电信号经过前置放大器放大后进入ADC模块转换为数字信号。微控制器在ADC的每个通道以50 Hz采样频率采集100个采样值，并经数字滤波器进行滤波处理，消除母兔心跳和呼吸的影响，每组信号提取100个采样值的平均值作为该组信号的采样值。将采样数据输入训练好的分类模型预测母兔的妊娠状态。控制器根据预测结果控制传感探头内部的振动器发出不同的形式的振动，以通知工作人员该母兔是否妊娠。

2 数据采集与模型建立

2.1 母兔腹部漫反射光强度采集

2020年4月12日在河南省济源市阳光兔业种兔养殖基地利用开发的妊娠诊断装置样机采集130只授精第14天的母兔腹部漫反射光强度数据，包括63只妊娠母兔和67只未妊娠母兔，母兔妊娠状态由经验丰富的工作人员摸胎确定。母兔年龄为30～86周，体重3.2～5.5 kg。采集数据前，未对母兔进行剃毛等特殊处理。

根据孕囊在母兔腹内分布范围，采集数据时将传感探头放置于距母兔第二对乳头30 mm的腹部侧方，探头长轴方向与母兔腹部纵向平行。为降低母兔腹部的表面反射，使探头与母兔腹壁表面紧密接触。按下传感探头按键，微控制器依次发出点亮LED1和LED2的控制信号，LED1点亮后，由母兔腹部表面返回的漫反射光被3个光电二极管PD1、PD2和PD3接收并转换为模拟电压，由ADC模块转换为数字信号并存入内存卡，采样数据分别命名为LED1-PD1、LED1-PD2和LED1-PD3。关闭LED1，开启LED2，3个光电二极管PD1、PD2和PD3的采样数据命名为LED2-PD1、LED2-PD2和LED2-PD3并存入内存卡。

2.2 母兔妊娠状态分类模型建立

偏最小二乘判别分析模型（Partial Least Squares Discrimination Analysis, PLS-DA）[22]和支持向量机分类模型（Support Vector Machine, SVM）[23]相对容易移植到STM32平台，且具有良好的分类性能。同时PLS-DA模型具有较好的可解释性，可以对数据进行有监督的主成分分析和变量重要性分析，因此分别建立PLS-DA和SVM分类模型判断妊娠母兔与未妊娠母兔，并比较两种模型的分类性能。

将130只母兔腹部漫反射光强度数据按照7∶3的比例划分训练集和独立的测试集，训练集和测试集的母兔数量分别为91和39只。未妊娠母兔的标签设置为0，妊娠母兔标签设置为1，如表1所示。模型训练与预测使用MATLAB 2016a（迈斯沃克公司，美国）完成。

表1 数据集划分

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 评价指标

分类模型的性能通过准确率、灵敏度和特异性进行评估。评价指标的表达式分别为

式中Ac为准确率，%；Se为灵敏度，%；Sp为特异性，%；TP是正确分类为妊娠母兔的样本数，TN是正确分类为未妊娠母兔的样本数，FP是错误分类为妊娠母兔的样本数、FN是错误分类为未妊娠母兔的样本数。

3 结果与分析

3.1 母兔腹部漫反射光强数据分析

图3为LED1、LED2分别点亮时，3个光电二极管PD1、PD2、PD3测得的母兔腹部漫反射光强度模拟电压平均值。LED1点亮时，妊娠母兔腹部漫反射光强度分别为1 935、1 423和1 101 mV，未妊娠母兔腹部漫反射光强度为1 944、1 450和1 166 mV，差异分别为9、27和65 mV。LED2点亮时，妊娠母兔腹部漫反射光强度分别为946、1 189和1 643 mV，未妊娠母兔腹部漫反射光强度为990、1 220和1 669 mV，差异分别为44、31和26 mV。未妊娠母兔的采样值大于妊娠母兔，这表明未妊娠母兔的漫反射光强度较强。这可能是由于妊娠母兔腹内存在孕囊组织，其光学散射系数大于其他组织，消光性较强，因此返回光较弱。而未妊娠母兔腹内没有孕囊组织，且肠道中存在粪便等物质，光学散射系数较小，消光性较弱，因此漫反射光较强。空间漫反射光强度差异能够反应组织的光学特性差异。

130只母兔的腹部漫反射光强度采样数据的箱线分布如图4所示，图4a为LED1点亮时，PD1、PD2、PD3产生的数据，图4b为LED2点亮时，PD1、PD2、PD3产生的数据。可以发现，采样值的异常值（图4中圆圈所示）主要集中在LED1点亮时，PD1产生的数据和LED2点亮时，PD3产生的数据，这2组采样值是光源与探测器距离最小的采样点，可能是因为母兔的腹部外形存在差异，影响平面探头与母兔腹部的接触，进而对距离光源较近的探测器影响较大，引入噪声较多。其余4个采样数据分布较为分散，可能是由于母兔间个体性差异造成的，如腹部皮毛厚度、腹肌厚度、腹内孕囊分布及尺寸等，实际上个体性差异大的问题也是活体检测中的主要难题[21]。总体来看，未妊娠母兔采样值大于妊娠母兔，可以定性地表明妊娠母兔与未妊娠母兔的腹部漫反射光强度的采样值存在差异。

3.2 主成分及变量重要性分析

PLS-DA是一种分类模型，也可以对数据进行有监督的主成分分析和变量重要性分析，其利用组成员的知识实现降维，并在实现组分离的同时保持最大协方差[24]。本文利用PLS-DA建立母兔腹部漫反射光强度采样数据的分类模型，并利用监督式主成分分析对采集的数据进行分析。从主成分得分图中可以看出，前3个主成分的累积贡献率达到97.3%，可以表征采集的数据（图5a、5b）。从主成分1-主成分2母兔类别分布可以看出，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叠。主成分2-主成分3的母兔类别分布显示，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。从主成分得分散点图可以定性区分两类母兔是否妊娠，产生类别重叠的主要原因可能是母兔间个体差异较大。

由于变量重要性分得分能够确定PLS-DA模型中最具影响力的变量，且变量重要性得分大于1表明该变量有助于类别的分离[25]。图5c显示了变量重要性得分，两个变量的变量重要性得分大于1，分别为LED1点亮时，PD3产生的数据和LED2点亮时，PD1产生的数据。PD3、是距离LED1最大的探测器，PD1是距离LED2最大的探测器。同时，随着光源与探测器之间的距离缩小，变量重要性得分减小，进一步说明区分母兔妊娠状态的有效信息与光源、探测器之间的距离相关，即与光源距离越大的探测器采集的母兔腹部漫反射光包含的用于分辨母兔妊娠状态的信息越多。

3.3 模型分类结果与分析

为比较不同分类模型的分类性能，分别利用采样数据建立SVM和PLS-DA分类模型。

PLS-DA主因子个数是PLS-DA模型的一个重要参数。确定最优主因子个数是建立具有良好辨识性能的模型的前提。本文以10折交叉验证法的最低预测误差为指标确定最佳主因子数。

SVM在应用过程中需要解决两个关键问题，即选择合适的核函数和确定超参数的最优值。常用的核函数有线性核函数、径向基函数核函数、多项式核函数等。在比较不同核函数后的性能后，发现线性核函数适用于该采样数据的分类。惩罚因子是线性核函数的主要超参数，决定了在最小化训练误差和最小化模型复杂度之间的权衡，同样适用10折交叉验证法确定最优超参数。

表2为PLS-DA和SVM模型训练结果，两个模型的训练集的准确率在81.52%到82.42%之间，测试集的准确率在64.10%到82.05%之间。PLS-DA模型对训练集的预测结果显示，判别准确率为81.52%，9只未妊娠母兔被误判为妊娠母兔，7只妊娠母兔被误判为未妊娠母兔。对测试集的判别准确率为64.10%，5只未妊娠母兔被误认为妊娠母兔，9只妊娠母兔被误判为未妊娠母兔。SVM模型对训练集的预测结果显示，判别准确率为82.42%，9只未妊娠母兔被误判为妊娠母兔，7只妊娠母兔被误判为未妊娠母兔。对测试集的判别准确率为82.05%，3只未妊娠母兔被误认为妊娠母兔，4只妊娠母兔被误判为未妊娠母兔。

从训练集与测试集结果对比得出，PLS-DA模型对母兔分类的泛化性能较差，存在一定程度的过拟合。测试集的结果显示，PLS-DA模型的特异性高于灵敏度，这意味着更多的未妊娠母兔被误判是妊娠母兔。与PLS-DA模型相比，SVM对妊娠母兔与未妊娠母兔的分类性能较强且更为均衡，测试集的灵敏度、特异性和准确率分别为80.95%、83.33%和82.05%。SVM模型的分类结果优于PLS-DA模型，因此选择SVM模型作为母兔妊娠诊断的分类模型。

表2 PLS-DA和SVM模型分类结果

注：PLS-DA模型因子因子数为3，SVM模型超参数为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 结 论

针对目前母兔早期妊娠诊断的存在的问题，该研究基于妊娠母兔与未妊娠母兔腹内生物组织的光学特性差异，提出一种基于空间漫反射光的母兔妊娠诊断方法，并研制了快速、无侵入式便携诊断装置。该装置由光学传感探头和信号处理主机组成，其中光学传感探头由2个LED红外光源和3个硅基光电二极管以及外围电路组成，信号处理主机由微控制器和外围设备以及软件系统组成。利用该装置采集了130只母兔的腹部组织数据，包括63只妊娠母兔和67只未妊娠母兔，分别建立了PLS-DA分类模型和SVM分类模型。以判别准确率、灵敏度、特异性为指标评价对分类模型进行评价，主要结论如下：

1）采样数据分析表明，未妊娠母兔的采样数据平均值大于妊娠母兔的采样数据平均值，印证了妊娠母兔与未妊娠母兔腹内组织的差异导致组织光学特性差异，进而表现出漫反射光强度的差异。

2）变量分析表明，母兔腹部漫反射光强度与母兔妊娠状态有关，基于空间漫反射光的母兔妊娠诊断方法可行。

3）与PLS-DA模型相比，SVM分类判别效果更好，其训练集与测试集的判别准确率分别为82.42%、82.05%，且灵敏度与特异性偏差较小。

由于母兔间的个体性差异较大，导致数据不稳定，增加了诊断误差。同时，目前仅以母兔腹部漫反射光强度作为采样数据，包含的信息相对单一，不利于精准区分母兔类别。在未来的工作中将针对这两个问题作进一步研究，通过优化光电探头的光源与探测器的空间布局、改进探头与母兔腹部的接触形式、增加探头的空间分辨率等方法降低母兔个体性差异的影响。并通过采集母兔的血流速度、脉搏等数据，增加采样数据的多样性，进而提高分类准确率。

[1] 谢晓红，郭志强，秦应和. 我国肉兔产业现状及发展趋势[J]. 中国畜牧杂志，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] 汪荣才，叶达丰，叶红霞. 我国兔产业发展现状及改善措施[J]. 浙江畜牧兽医，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] 贾晓，邱瑾，舒娟，等. 血清孕酮水平检测在克隆胚胎移植受体牛的筛选及妊娠诊断中的应用[J]. 中国生物工程杂志，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] 陈童，罗永明，董红，等. B超在母羊早期妊娠和繁殖疾病诊断中的应用[J]. 黑龙江动物繁殖，2021，29(1)：43-46.

[7] 熊琪，张群，金晶，等. 直肠B超在湖北黑头山羊发情鉴定和早期妊娠诊断中的应用[J]. 湖北农业科学，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，王华杰，王近近，等. 采用PLS-DA分析毛火方式对工夫红茶品质的影响[J]. 农业工程学报，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] 彭彦昆，赵芳，李龙，等. 利用近红外光谱与PCA-SVM识别热损伤番茄种子[J]. 农业工程学报，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

国家现代农业产业技术体系资助（CARS-43-D-3）

袁昊，博士生，研究方向为农业机械与智能化装备。Email：1468638322@qq.com

刘彩玲，副教授，博士，研究方向为播种机械与农业装备。Email：cailingliu@163.com

10.11975/j.issn.1002-6819.2021.24.016

S831.4

A

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

袁昊，刘彩玲，王红英，等. 基于空间漫反射光的母兔早期妊娠诊断装置研制[J]. 农业工程学报，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