孵化前期近紅外種蛋內雞胚性別識別方法
【專利摘要】孵化前期近紅外種蛋內雞胚性別識別方法屬于種蛋檢測技術；在暗室環境內通過光纖探頭和傅立葉近紅外光譜儀獲得種蛋近紅外光譜，應用總體均值經驗模分解種蛋近紅外光譜，去除高頻特征模態分量，達到去噪，應用基于經驗模態分解方法去除低頻特征模態分量，達到基線校正，抽取光譜數據主成分作為神經網絡輸入變量，神經網絡的輸出為0或1，完成識別；本方法對孵化前期種雞蛋雌雄識別效率和精確度高，降低了孵化作業成本，有利于蛋雞和肉雞飼養生產的發展。
【專利說明】孵化前期近紅外種蛋內雞胚性別識別方法
【技術領域】
[0001]本發明屬于種蛋孵化檢測技術，主要涉及一種孵化前期種蛋性別識別方法。
【背景技術】
[0002]禽業生產中，由于公雞生長速度快過母雞，所以希望肉雞種蛋均是雄性雞胚；蛋業生產中，雌性雞胚越多效益越好。因此研究出在孵化前期能預測雞胚性別的方法，對降低人工分類和人工翻蛋的勞動強度，提高孵化器生產效率和降低孵化電費，具有十分重要的意義。一直以來雞胚性別辨識依據生產經驗，比如重量，長徑比，表面光滑程度。呂志南，趙宗勝采用模糊方法，楊東風采用小波方法實現經驗判別，該方法生產實現的時候需要稱重、長徑測量和機器視覺采集三個環節，測量環節多耗時長，增加種蛋破碎風險，且設備多。周振明公開了一種用PCR擴增引物進行雞早期胚胎性別鑒定方法，其以雞胚盤細胞為模板，通過PCR技術擴增目的基因，然后瓊脂糖凝膠電泳檢測PCR擴增產物，根據帶型判斷性別，雌性為兩條帶，雄性為一條帶。PCR擴增引物法提供了雞胚性別分子檢測方法，然而需要提取雞胚盤細胞。近紅外光譜屬于分子振動光譜的倍頻和合頻吸收光譜，主要是由于分子振動的非諧振性使分子振動從基態向高能級躍遷時產生的，具有較強的穿透能力。近年來，侯卓成、畢夏坤、劉燕德等多位學者分別利用近紅外光譜測量出雞蛋品質，說明近紅外可以穿透炭酸鈣并攜帶雞蛋內部有效信息。因此，在此基礎上研究一種采用近紅外光譜實現種蛋雌雄識別方法十分必要，且成為可能。
【發明內容】
[0003]本發明的目的就是針對上述已有技術存在的問題，結合生產實際需要，研究一種孵化前期近紅外種蛋內雞胚性別識別方法，達到不需要性別種蛋剔除、雌雄識別準確率和識別效率聞的目的。
[0004]本發明的目的是這樣實現的:一種孵化前期近紅外種蛋內雞胚性別識別方法，該方法包括以下幾個步驟:在暗室環境內通過光纖探頭和傅立葉近紅外光譜儀獲得種蛋近紅外光譜，應用總體均值經驗模分解種蛋近紅外光譜，去除高頻特征模態分量，達到去噪；基于經驗模態分解方法分解種蛋近紅外光譜，去除低頻特征模態分量，達到基線校正；利用SPSS11.0提取主成分，默認特征根數量值λ。=1，提取5個主成分數量，神經網絡分類采用具有I個隱藏層的3層BP神經網絡，輸入層神經元用5個主成分構成特征向量，輸出層采用2個節點，用O、I來分別表示雌性雞胚和雄性雞胚，隱藏層節點數為4個，隱藏層神經元的激活函數選用1gsigO函數，輸出層的激活函數選PurelineO函數，神經網絡的系統參數設置:訓練迭代次數為1000，每隔10步顯示I次，網絡訓練的目標值為0.01，學習率為
0.1，使用trainlmO函數作為訓練網絡，利用上述建立的神經網絡進行識別，即完成種蛋孵化前期性別的篩選工作。
[0005]本發明對孵化前期種雞蛋雌雄識別效率和精確度高，高效快捷，降低孵化作業成本，有利于蛋雞和肉雞生產的發展。【專利附圖】
【附圖說明】
[0006]圖1是孵化前期近紅外種蛋內雞胚性別識別方法流程示意圖；
[0007]圖2是神經網絡分類示意圖。
【具體實施方式】
[0008]下面結合附圖對本發明實施方案進行詳細描述。一種孵化前期近紅外種蛋內雞胚性別識別方法，該方法包括以下幾個步驟:在暗室環境內通過光纖探頭和傅立葉近紅外光譜儀獲得種蛋近紅外光譜，應用總體均值經驗模分解種蛋近紅外光譜，去除高頻特征模態分量，達到去噪；基于經驗模態分解方法分解種蛋近紅外光譜，去除低頻特征模態分量，達到基線校正；利用SPSS11.0提取主成分，默認特征根數量值入。=1，提取5個主成分數量，神經網絡分類采用具有I個隱藏層的3層BP神經網絡，輸入層神經元用5個主成分構成特征向量，輸出層采用2個節點，用0、1來分別表示雌性雞胚和雄性雞胚，隱藏層節點數為4個，隱藏層神經元的激活函數選用1gsigO函數，輸出層的激活函數選PurelineO函數，神經網絡的系統參數設置:訓練迭代次數為1000，每隔10步顯示I次，網絡訓練的目標值為0.01,學習率為0.1,使用trainlmO函數作為訓練網絡，利用上述建立的神經網絡進行識別，即完成種蛋孵化前期性別的篩選工作。
[0009]關鍵技術
[0010]1、光譜預處理
[0011]1.1、EEMD 去噪
[0012]近紅外光譜中噪聲有兩類，來自儀器的電子熱運動噪聲和外部通信系統干擾。噪聲的存在極大影響了光譜真實信息的解讀，所以信號降噪在光譜解析中有著舉足輕重的作用。光譜去噪方法有傅立葉變換、小波變換、經驗模態分解(Empirical ModeDecomposition，簡稱EMD)方法。EMD方法能將信號按照不同頻率自適應分解，通過對分量高通、低通、帶通或閾值濾波實現降噪。但是對高頻信號去噪時出現模態混疊，影響包含異常事件的非平穩信號濾波效果。為了解決模態混疊問題，文中提出用總體均值經驗模分解(Ensemble Empirical Mode Decomposition,簡稱 EEMD)處理近紅外光譜。EEMD 方法利用高斯白噪聲零均值以及頻率均勻分布特性，使信號特征尺度均勻分布，異常事件得以平滑處理，從而獲得優于EMD的去噪效果，并且處理過程是自適應的，較小波濾波簡便。
[0013]EEMD篩分步驟:
[0014]步驟1:待處理信號中加入等長度不等幅高斯白噪聲，對復合信號EMD分解，重復操作k次，得到IMF分量Cik和余項rik。
[0015]EMD分解步驟:
[0016]步驟a:通過三次樣條函數求取信號x(t)極大值包絡線u(t)和極小值包絡線v(t),其均值記作m(t):
[0017]m(t) = \-[u (r) + v(,)]
2Cl)
[0018]步驟b:令R(t)=x(t)_m(t)，如R(t)不滿足IMF條件，則將其賦值給x (t)。返回步驟I，循環計算[0019]Rlk(t)=hlk_1(t)-mlk(t) (2)
[0020]直至標準差0.2≤Sd≤0.3可以停止篩分過程。其中
[0021]~W叫
【權利要求】
1.一種孵化前期近紅外種蛋內雞胚性別識別方法，其特征在于該方法包括以下幾個步驟:在暗室環境內通過光纖探頭和傅立葉近紅外光譜儀獲得種蛋近紅外光譜，應用總體均值經驗模分解種蛋近紅外光譜，去除高頻特征模態分量，達到去噪；基于經驗模態分解方法分解種蛋近紅外光譜，去除低頻特征模態分量，達到基線校正；利用SPSS11.0提取主成分，默認特征根數量值λ。=1，提取5個主成分數量，神經網絡分類采用具有I個隱藏層的3層BP神經網絡，輸入層神經元用5個主成分構成特征向量，輸出層采用2個節點，用O、I來分別表示雌性雞胚和雄性雞胚，隱藏層節點數為4個，隱藏層神經元的激活函數選用1gsigO函數，輸出層的激活函數選PurelineO函數，神經網絡的系統參數設置:訓練迭代次數為1000,每隔10步顯示I次，網絡訓練的目標值為0.01,學習率為0.1,使用trainlmO函數作為訓練網絡，利用上述建立的神經網絡進行識別，即完成種蛋孵化前期性別的篩選工作。
【文檔編號】G01N21/25GK103472008SQ201310404882
【公開日】2013年12月25日 申請日期:2013年8月30日 優先權日:2013年8月30日
【發明者】趙肖宇, 宋志遠, 關勇, 譚峰, 尚廷義, 邸國輝, 楊立, 劉英楠 申請人:黑龍江八一農墾大學