【技术实现步骤摘要】
本专利技术涉及生物
,具体说是一种基于可见/近红外光谱的禽蛋孵化能力的判别方法。
技术介绍
在禽蛋孵化过程中,部分种蛋因最终不能出雏,从而造成大量浪费。美国农业部国家农业统计局(USDA,NASS)2006年的统计数据表明,鸡种蛋胚胎发育率仅为86%~99%,其中很大一部分是由于种蛋在孵化过程中死亡。对于有孵化能力的企业如果尽早的发现死亡或孵化缓慢的种蛋,能够避免死亡种蛋腐败产生的细菌感染其他种蛋。对于生产鸡蛋疫苗的企业,尽早的发现并剔除死亡的种蛋,可以节省更多的生产空间,增加企业的产值。因此,找寻一种种蛋孵化能力的鉴别方法,对整个的禽类孵化行业具有重要意义。
技术实现思路
针对现有技术中存在的缺陷,本专利技术的目的在于提供一种基于可见/近红外光谱的禽蛋孵化能力的判别方法,该方法具有不损伤禽蛋、检测速度快和准确率高的优点,适用于受精蛋和无精蛋的孵化能力检测。为达到以上目的,本专利技术提供一种基于可见/近红外光谱的禽蛋孵化能力的判别方法,包括如下步骤:通过对品种相同和发育时间相同、或品种相同和孵化时间相同的禽蛋作为训练样本的可见/近红外光谱数据进行不同的预处理后获得不同的数据集,使用不同的定性分析方法建立不同的判断所述禽蛋孵化能力结果的数学模型;将与所述训练样本的品种相同和发育时间相同、或品种相同和孵化时间相同的验证样本的可见/近红外光谱数据进行所述不同的预处
理后,代入相应的所述数学模型中,得出不同的预测孵化能力结果,将该不同的预测孵化能力结果与验证样本的实测孵化能力结果进行比较,将最接近实测孵化能力结果的所述预测孵化能力结果所使用的数 ...
【技术保护点】
一种基于可见/近红外光谱的禽蛋孵化能力的判别方法,其特征在于,包括如下步骤:通过对品种相同和发育时间相同、或品种相同和孵化时间相同的禽蛋作为训练样本的可见/近红外光谱数据进行不同的预处理后获得不同的数据集,使用不同的定性分析方法建立不同的判断所述禽蛋孵化能力结果的数学模型;将与所述训练样本的品种相同和发育时间相同、或品种相同和孵化时间相同的验证样本的可见/近红外光谱数据进行所述不同的预处理后,代入相应的所述数学模型中,得出不同的预测孵化能力结果,将该不同的预测孵化能力结果与验证样本的实测孵化能力结果进行比较,将最接近实测孵化能力结果的所述预测孵化能力结果所使用的数学模型确定为最佳数学模型;将所述最佳数学模型用于检测与所述训练样本的品种相同和发育时间相同、或品种相同和孵化时间相同的待测禽蛋的孵化能力结果;所述孵化能力结果分为两类:M+和M‑;所述M+为孵化能力较强,即可以孵化出雏,且雏禽体质健康;所述M‑为孵化能力较弱,即不能孵化出雏,或可以孵化出雏但雏禽体质不健康。
【技术特征摘要】
1.一种基于可见/近红外光谱的禽蛋孵化能力的判别方法,其特征在于,包括如下步骤:通过对品种相同和发育时间相同、或品种相同和孵化时间相同的禽蛋作为训练样本的可见/近红外光谱数据进行不同的预处理后获得不同的数据集,使用不同的定性分析方法建立不同的判断所述禽蛋孵化能力结果的数学模型;将与所述训练样本的品种相同和发育时间相同、或品种相同和孵化时间相同的验证样本的可见/近红外光谱数据进行所述不同的预处理后,代入相应的所述数学模型中,得出不同的预测孵化能力结果,将该不同的预测孵化能力结果与验证样本的实测孵化能力结果进行比较,将最接近实测孵化能力结果的所述预测孵化能力结果所使用的数学模型确定为最佳数学模型;将所述最佳数学模型用于检测与所述训练样本的品种相同和发育时间相同、或品种相同和孵化时间相同的待测禽蛋的孵化能力结果;所述孵化能力结果分为两类:M+和M-;所述M+为孵化能力较强,即可以孵化出雏,且雏禽体质健康;所述M-为孵化能力较弱,即不能孵化出雏,或可以孵化出雏但雏禽体质不健康。2.如权利要求1所述的基于可见/近红外光谱的禽蛋孵化能力的判别方法,其特征在于,所述基于可见/近红外光谱的禽蛋孵化能力的判别方法包括如下步骤:R1数学模型的建立:R11训练样本的光谱数据采集及孵化能力结果数据统计:取品种相同和发育时间、或品种相同和孵化时间相同的若干个禽蛋作为训练样本,采集其可见/近红外光谱,获得所述训练样本的光谱数据集A;统计所述训练样本的孵化能力结果,获得所述训练样本的孵化能力结果数据集S;R12训练样本的光谱数据的预处理:将所述光谱数据集A进行不同的预处理后,获得不同数据集A1、A2、A3、……和Ai;所述Ai为经过不同的所述预处理得到的不同数据集;所述i为不同的所述预处理;R13建立模型:将所述数据集A1、A2、A3、……和Ai分别与所述孵化能力结果数据集S运用不同的定性分析的方法建立判别禽蛋孵化能力结果的数学模型M1-1、M1-2、M1-3、……M1-j、M2-1、M2-2、M2-3……M2-j、……和Mi-j;所述Mi-j为不同的所述预处理方法和不同的所述定性分析的方法相结合所建立的不同数学模型;所述j为不同的所述定性分析方法;R2数学模型的比较和确定:R21验证样本的光谱数据采集及孵化能力结果数据统计:另取与所述训练样本的品种相同和发育时间、或品种相同和孵化时间相同的若干个禽蛋作为验证样本,在步骤R11中所述采集的相同条件下,采集其可见/近红外光谱,获得所述验证样本的光谱数据集a;所述光谱数据集a中的数据形式与所述光谱数据集A中的数据形式相同;统计所述验证样本的孵化能力结果,获得所述验证样本的孵化能力结果数据集s;R22验证样本的光谱数据的预处理:将所述光谱数据集a按照步骤R12的方法进行不同的预处理后,获得不同数据集a1、a2、a3、……和ai;所述ai为经过不同的所述预处理得到的不同数据集;所述i为不同的所述预处理;R23模型验证:将所述数据集ai分别代入所述数学模型Mi-j中,且所述ai和所代入的所述Mi-j中的i相同,得出不同的预测孵化能力结果的数
\t据集bi-j;将该数据集bi-...
【专利技术属性】
技术研发人员:汤修映,秦五昌,彭彦昆,李永玉,
申请(专利权)人:中国农业大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。