受精種蛋理化指標(biāo)與光譜信息的響應(yīng)關(guān)系

宋科,潘磊慶,楊崇龍,石永宏,屠康*,張偉

(1.南京農(nóng)業(yè)大學(xué)食品科學(xué)技術(shù)學(xué)院,江蘇 南京 210095;2.湖北九三零農(nóng)牧有限公司,湖北 孝感 432699;3.寧夏九三零生態(tài)農(nóng)牧有限公司,寧夏 銀川 750205;4.南京曉莊學(xué)院食品科技學(xué)院,江蘇 南京 211171)

在家禽領(lǐng)域中,種蛋是否受精與經(jīng)濟(jì)效益密切相關(guān)。據(jù)相關(guān)資料統(tǒng)計(jì),在工業(yè)化養(yǎng)雞產(chǎn)業(yè)中,種蛋受精率在90%左右［1］,這說明仍然有大量種蛋不能孵化。在孵化過程中,如果不及時(shí)剔除未受精種蛋,不僅會增加孵化成本,降低產(chǎn)量,同時(shí)未受精種蛋的孵化很容易滋生細(xì)菌感染受精種蛋,從而影響種蛋孵化率［2-3］。傳統(tǒng)的受精種蛋判別方法為光照法［4-5］,這種方法耗時(shí)耗力,容易受到主觀因素影響,且很難在孵化早期(1～5 d)實(shí)現(xiàn)檢測［6-7］。因此,需要尋找一種快速、高效率、準(zhǔn)確的種蛋受精判別方法。

在已有的研究中,光譜檢測方法被廣泛應(yīng)用。種蛋在孵化過程中,胚胎逐漸發(fā)育,內(nèi)部物質(zhì)會發(fā)生一系列物理化學(xué)變化,而未受精種蛋幾乎沒有變化,這些差異同樣能夠反映在光譜值差異上,成為光譜法檢測種蛋受精的基礎(chǔ)［8-10］。張伏等［11］基于可見/近紅外光譜技術(shù),建立不同位置、不同預(yù)處理方法的PCA-SVM(主成分分析-支持向量機(jī),principle component analysis-support vector machine)種蛋受精判別模型,結(jié)果表明,在第5 天,經(jīng)過Savitzkg-Golay(S-G)平滑和變量標(biāo)準(zhǔn)化(normalization)預(yù)處理方法處理后的赤道側(cè)位置判別率達(dá)到最高,為91.71%。相比于近紅外光譜技術(shù),高光譜技術(shù)具有“圖譜合一”的特點(diǎn),而且高光譜技術(shù)還能獲取種蛋整體的信息,而不是局部信息,獲得的光譜信息更加全面［12-14］。Park等［15］通過線掃描高光譜技術(shù)獲取種蛋圖像,使用主成分分析篩選560 nm波段圖像紋理特征實(shí)現(xiàn)受精種蛋的判別,最終判別率達(dá)到99%。但以上研究均是以光譜或圖像信息差異為基礎(chǔ)實(shí)現(xiàn)種蛋受精的判別,對于種蛋發(fā)育過程中,哪些理化指標(biāo)的變化會引起光譜或圖像信息差異以及各種理化指標(biāo)與光譜信息之間的響應(yīng)關(guān)系卻鮮有研究。因此,本研究以海蘭灰種雞蛋為研究對象,采集400～1 000 nm波長范圍的種蛋大頭部位高光譜圖像,同時(shí)測定種蛋孵化過程中各理化指標(biāo)(如蛋白質(zhì)、脂肪等)的變化,分析受精與未受精種蛋孵化前期理化指標(biāo)變化的差異,確定有顯著性差異的理化指標(biāo);探究各理化指標(biāo)與光譜信息的響應(yīng)關(guān)系,篩選特征波段,建立種蛋受精的判別模型,為高光譜技術(shù)無損檢測種蛋受精提供新的數(shù)據(jù)信息。

1 材料與方法

1.1 材料與儀器

海蘭灰白殼種雞蛋購于湖北九三零農(nóng)牧有限公司。

試劑:濃硫酸、五水合硫酸銅、硫酸鉀、氫氧化鈉、硼酸、石油醚、乙醚,均為分析純。

儀器:萬盛WSGD-6型微電腦全自動孵化機(jī)購自南京萬盛孵化設(shè)備有限公司;CR-13型便攜式色差計(jì)購自日本柯尼卡美能達(dá)公司;精密pH計(jì)購自梅特勒-托利多國際貿(mào)易有限公司;SZF-06A脂肪測定儀購自上海昕銳儀器儀表有限公司;KjeltecTM8400凱氏定氮儀購自丹麥福斯分析儀器公司;可見-近紅外高光譜成像系統(tǒng)(配ImSpector V10E成像光譜儀)購自芬蘭Specim公司;ICLB1620CCD攝像機(jī)購自美國Imperx公司;IT3900ER鹵素光源(150 W)購自美國Illumination Technologies公司。高光譜采集系統(tǒng)實(shí)物圖如圖1所示。

圖1 高光譜采集系統(tǒng)實(shí)物圖Fig.1 Physical diagram of hyperspectral acquisition system ①工業(yè)相機(jī)Industrial camera;②成像光譜儀Imaging spectrometer;③鏡頭Lens;④移動平臺Moving platform;⑤鹵素光源Halogen light source;⑥樣品Sample.

1.2 方法

1.2.1 樣本的處理試驗(yàn)前,挑選220枚大小一致［(60±5)g］、蛋殼無裂痕及殼色相近的種蛋并清洗干凈,其中受精種蛋與未受精種蛋各110枚,使用75%乙醇消毒晾干后放入孵化箱中進(jìn)行孵化,孵化溫度為37.8 ℃,相對濕度為60%,每2 h自動翻轉(zhuǎn)1次。在孵化0～4 d,每天挑選10枚受精蛋與10枚未受精蛋采集種蛋大頭部位高光譜透射圖像。采集完圖像后去殼,將其內(nèi)含物混勻測定理化指標(biāo)。剩余的120枚種蛋(60枚受精種蛋,60枚未受精種蛋)同樣采集0～4 d高光譜圖像,每天采集1次,其數(shù)據(jù)用于后續(xù)建模分析。

1.2.2 蛋白質(zhì)含量的測定參考《食品中蛋白質(zhì)的測定:GB 5009.5—2016》,采用自動凱氏定氮儀法進(jìn)行蛋白質(zhì)含量測定,每個(gè)樣品重復(fù)3次。

1.2.3 脂肪含量的測定參考《食品中脂肪的測定:GB 5009.6—2016》,采用索氏抽提法進(jìn)行脂肪含量的測定,每個(gè)樣品重復(fù)3次。

1.2.4 水分含量的測定參考《食品中水分的測定:GB 5009.3—2016》,采用直接干燥法進(jìn)行水分含量的測定,每個(gè)樣品重復(fù)3次。

1.2.5 pH值的測定用pH計(jì)測量混勻蛋液的pH值,每個(gè)樣品重復(fù)測量3次,取平均值。

1.2.6 顏色參數(shù)的測定使用色差儀測量0～4 d受精與未受精種蛋混勻后蛋液的L*、a*、b*值,每個(gè)樣品測量3次,取其平均值。

1.2.7 高光譜圖像采集及校正利用線掃描方式采集種蛋高光譜透射圖像。種蛋鈍端大頭朝上、銳端小頭朝下放置,光源位于其正下方,光譜相機(jī)位于樣品正上方,距離種蛋大頭30 cm。采集圖像之前,提前打開儀器及其光源預(yù)熱30 min,將光源發(fā)熱對采集圖像的影響降到最低。每個(gè)樣品采集時(shí)間約為30 s,采集完圖像后立即將樣品放回孵化箱中繼續(xù)孵化。另外為了保證采集的高光譜圖像質(zhì)量,試驗(yàn)前需要對曝光時(shí)間、平臺移動速度、光源強(qiáng)度等參數(shù)進(jìn)行優(yōu)化。經(jīng)過調(diào)試,最終確定圖像分辨率為440*804,光譜分辨率為2.8 nm,曝光時(shí)間為72 ms,采集速度為1.5 mm·s-1,光源顏色為黃色,色溫范圍為1 500～3 500 K,光源強(qiáng)度為90 W。

高光譜圖像采集過程中會產(chǎn)生一些噪聲、暗流等,為了消除這些對圖像質(zhì)量的影響,在每天試驗(yàn)前對圖像進(jìn)行一次黑白板校正處理。獲取全白和全黑透射圖像后,根據(jù)如下公式得到相對透射圖像:

R=(R0-B)/(W-B)。

式中:R為校正后的高光譜圖像;R0為原始圖像;B為全黑透射圖像;W為全白透射圖像。

1.2.8 光譜信息提取以種蛋大頭部位為分析對象,選擇689 nm波長下的光譜灰度圖像,因?yàn)樵诖瞬ㄩL下,其背景和樣本的光譜透射值相差最大［16-18］,進(jìn)一步去除背景和二值化閾值分割,最后得到相對透射值用于后續(xù)建模分析。

1.2.9 模型建立與評估通過分析理化指標(biāo)與光譜波段的透射率之間的相關(guān)性,篩選出特征波段,建立400～1 000 nm全波段范圍種蛋受精的偏最小二乘判別分析(partial least squares-discriminant analysis,PLS-DA)和支持向量機(jī)(support vector machine,SVM)判別模型以及特征波段范圍的受精判別模型,最后通過模型建模集和預(yù)測集正確率對模型進(jìn)行評估。

1.3 數(shù)據(jù)處理

使用Excel 2016軟件整理數(shù)據(jù);使用SPSS 18.0軟件進(jìn)行顯著性分析、相關(guān)性分析;使用Word 2016軟件制作表格;使用Origin 2018軟件繪圖;高光譜數(shù)據(jù)提取,后續(xù)建模使用MatlabR2010b軟件分析。

2 結(jié)果與分析

2.1 0～4 d受精與未受精種蛋蛋白質(zhì)和脂肪含量變化

如圖2-A所示:在孵化0～4 d,未受精種蛋蛋白質(zhì)含量幾乎沒有變化,均為11.50%左右。而受精種蛋隨著孵化時(shí)間的增加,蛋白質(zhì)含量不斷增加,在3 d后其含量顯著提升,4 d時(shí)含量達(dá)到最高。在孵化0～2 d,受精種蛋與未受精種蛋蛋白質(zhì)含量沒有明顯差異,在孵化3～4 d,受精種蛋蛋白質(zhì)含量顯著高于未受精種蛋。可能是因?yàn)樵诜趸^程中,受精種蛋胚胎逐漸發(fā)育,伴隨一些組織器官的生成,導(dǎo)致其蛋白質(zhì)含量不斷增加;而未受精種蛋沒有胚胎發(fā)育,其蛋白質(zhì)含量基本不變。

圖2 0～4 d受精與未受精種蛋蛋白質(zhì)(A)和脂肪(B)含量變化Fig.2 Changes in protein(A)and fat(B)contents of fertilized and unfertilized eggs from 0 to 4 d 不同大寫字母表示同一天受精與未受精種蛋顯著差異;不同小寫字母表示0～4 d受精與未受精種蛋組間顯著差異(P<0.05)。下同。Different capital letters indicate significant differences between fertilized and unfertilized breeding eggs on the same day;different lowercase letters indicate significant differences between fertilized and unfertilized breeding egg groups from 0 to 4 d(P<0.05). The same as follows.

從圖2-B可見:孵化0～4 d,未受精種蛋脂肪含量呈不斷上升趨勢;而受精種蛋脂肪含量在0～1 d無明顯變化,2～3 d明顯上升,3～4 d無明顯變化。在孵化0～2 d,受精與未受精種蛋脂肪含量無明顯差異;在孵化3～4 d,未受精種蛋脂肪含量明顯高于受精種蛋。這種趨勢可能是由于孵化過程中,在孵化溫度下,種蛋內(nèi)部水分含量減少的緣故,導(dǎo)致種蛋內(nèi)脂肪含量的整體比例呈現(xiàn)上升趨勢;但由于受精種蛋胚胎的發(fā)育,其部分脂肪會轉(zhuǎn)化為胚體發(fā)育所需物質(zhì),因此脂肪含量在孵化3～4 d低于未受精種蛋。

2.2 0～4 d受精與未受精種蛋水分含量的變化

如圖3所示:受精與未受精種蛋在入孵前的水分含量最高,隨著孵化時(shí)間的增加,其水分含量逐漸降低,在4 d時(shí)達(dá)到最低。在孵化0～4 d,受精種蛋與未受精種蛋水分含量并無明顯差異。在孵化過程中,其孵化溫度為37.8 ℃,溫度較高,種蛋(受精或未受精組)內(nèi)水分會逐漸揮發(fā),導(dǎo)致其水分含量降低。

2.3 0～4 d受精與未受精種蛋pH值的變化

由圖4可見:孵化0～2 d,受精蛋與未受精蛋pH值隨著孵化時(shí)間延長而緩慢上升,而在孵化2～4 d,未受精種蛋pH值繼續(xù)上升,在4 d時(shí)達(dá)到最高;受精種蛋pH值開始下降,在4 d時(shí)最低。相比較受精與未受精種蛋0～4 d 的pH值,在0～1 d,兩者差異不明顯;在2～4 d,未受精種蛋pH值明顯大于受精種蛋。

圖4 0～4 d受精與未受精種蛋pH值變化Fig.4 Change in pH value of fertilized and unfertilized breeder eggs from 0 to 4 d

2.4 0～4 d受精與未受精種蛋顏色參數(shù)的變化

由圖5可見:在孵化0～4 d,未受精和受精種蛋L*值都沒有發(fā)生明顯變化。b*值在0 d時(shí)最高,1～3 d沒有明顯變化,在4 d時(shí)最低,且兩者之間沒有明顯差異。受精種蛋a*值在孵化0～1 d沒有明顯變化,在2～4 d開始逐漸上升;而未受精種蛋a*值在0～4 d沒有明顯變化,在2～4 d明顯低于受精種蛋。

圖5 0～4 d受精與未受精種蛋L*、a*、b*值變化Fig.5 Variation of L*,a* and b* values of fertilized and unfertilized breeder eggs from 0 to 4 d

如圖6所示:受精種蛋在0～1 d發(fā)育較為緩慢,沒有表現(xiàn)出明顯的胎相;而在孵化2 d時(shí),胚胎開始形成一圈肉眼可見的由血絲構(gòu)成的網(wǎng)狀結(jié)構(gòu);到3～4 d,網(wǎng)狀結(jié)構(gòu)逐漸擴(kuò)大,胚胎血絲增多,并且可以看到明顯的胚胎雛形。

2.5 受精與未受精種蛋理化指標(biāo)與光譜信息的響應(yīng)關(guān)系分析

由圖7可見:在400～1 000 nm范圍內(nèi),受精與未受精種蛋的平均相對透射率的總體趨勢是相似的。在孵化0～4 d,未受精種蛋的光譜值沒有明顯變化。種蛋隨著孵化時(shí)間的延長,受精種蛋胚胎發(fā)育,導(dǎo)致其透光性降低,光譜波段的透射率呈逐漸下降趨勢,在4 d時(shí)達(dá)到最低。

圖7 0～4 d受精(S)和未受精(W)種蛋平均相對透射光譜Fig.7 Average relative transmission spectra of fertilized(S)and unfertilized(W)breeder eggs from 0 to 4 d S0表示受精種蛋0 d(S1—S4表示1～4 d)的平均相對透射光譜,W0表示未受精種蛋0 d(W1—W4表示1～4 d)的平均相對透射光譜。S0 represents the average relative transmission spectra of fertilized breeder eggs at 0 d(S1-S4 indicate 1-4 d)and W0 represents the average relative transmission spectra of unfertilized breeder eggs at 0 d(W1-W4 indicate 1-4 d).

通過上述結(jié)論可知,受精和未受精種蛋在孵化0～4 d,蛋白質(zhì)、脂肪、pH值和a*值這4種理化指標(biāo)存在明顯差異,為了探究受精種蛋理化指標(biāo)與光譜波段的透射率之間的響應(yīng)關(guān)系,篩選特征波段,分別將以上4種理化指標(biāo)與其光譜波段的透射率做進(jìn)一步相關(guān)性分析。

圖8所示為0～4 d受精種蛋4種理化指標(biāo)和其光譜波段的透射率的相關(guān)性分析。在孵化0～4 d,受精種蛋蛋白質(zhì)、脂肪含量和a*值呈逐漸上升趨勢;pH值0～2 d緩慢上升,2～4 d開始下降。因此,蛋白質(zhì)、脂肪和a*值這3種理化指標(biāo)與光譜波段的透射率呈負(fù)相關(guān)關(guān)系;pH值理化指標(biāo)與光譜波段的透射率呈正相關(guān)關(guān)系。為了挑選出最能代表受精種蛋光譜信息的特征波段,根據(jù)相關(guān)系數(shù)絕對值大小,每個(gè)理化指標(biāo)分別篩選出5、10、15和20個(gè)特征波段,最后共分別篩選出20、40、60和80個(gè)特征波段用作后續(xù)建模分析。

圖8 蛋白質(zhì)、脂肪和a*值(A)以及pH值(B)與光譜波段透射率相關(guān)系數(shù)Fig.8 Correlation coefficients between protein,fat,a*values(A)and pH values(B)with spectral band transmittance 圖中每一點(diǎn)表示在孵化0～4 d受精種蛋某理化指標(biāo)與其光譜在此波段下透射率的相關(guān)系數(shù)。Each point in the graph indicates the correlation coefficient between a physical and chemical index of fertilized eggs at 0-4 d of incubation and the transmittance of their spectra at this band.

2.6 模型建立與評估

將剩余120枚種蛋(60枚受精種蛋,60枚未受精種蛋)按照2∶1比例分為建模集與預(yù)測集。建模集中受精與未受精種蛋各40枚,預(yù)測集中受精與未受精種蛋各20枚。通過分析蛋白質(zhì)、脂肪、a*值和pH值這4種理化指標(biāo)與光譜信息的響應(yīng)關(guān)系,分別篩選出20、40、60和80個(gè)特征波段,建立0～4 d全波段范圍的PLS-DA和SVM受精判別模型以及特征波段范圍的受精判別模型。

由表1和表2可知:在孵化0～4 d,隨著孵化時(shí)間延長,種蛋受精判別模型準(zhǔn)確率呈現(xiàn)上升趨勢,在0～1 d,模型準(zhǔn)確率較低,這主要是因?yàn)榍捌谑芫N蛋發(fā)育較為緩慢,蛋白質(zhì)、脂肪等理化指標(biāo)也并沒有明顯的變化,與未受精種蛋沒有明顯差異,導(dǎo)致其與未受精種蛋的光譜信息差異不大,準(zhǔn)確率較低。從2 d開始,受精種蛋胚胎開始形成血細(xì)胞,種蛋內(nèi)部理化指標(biāo)發(fā)生一列物理化學(xué)變化,物質(zhì)開始互相轉(zhuǎn)換,蛋白質(zhì)、脂肪含量顯著上升等,并且與未受精種蛋有顯著性差異,與之響應(yīng)的光譜值也會存在一定差異,導(dǎo)致模型判別率逐漸上升, 在4 d時(shí)基于PLS-DA模型的建模預(yù)測集準(zhǔn)確率最高,達(dá)到了100.00%。因此后續(xù)繼續(xù)基于PLS-DA算法建立特征波段范圍的受精判別模型,相比于全波段建模,特征波段數(shù)為20和40時(shí)建模預(yù)測集準(zhǔn)確率較低,波段數(shù)為60和80時(shí)建模預(yù)測集準(zhǔn)確率達(dá)到最高,為97.50%,準(zhǔn)確率下降了2.50%,這可能是因?yàn)榉N蛋胚胎發(fā)育過程中,發(fā)生一系列物質(zhì)轉(zhuǎn)換代謝,除了上述4種理化指標(biāo)與未受精種蛋有明顯差異,還包括其他的理化指標(biāo)變化,如氨基酸代謝、膽固醇代謝等,導(dǎo)致上述特征波段代表的受精種蛋信息有所缺失,進(jìn)一步導(dǎo)致準(zhǔn)確率下降。因此基于60個(gè)特征波段建模的預(yù)測效果最佳,其特征波段分別為:蛋白質(zhì):511～531 nm;脂肪:713～716 nm、719～730 nm、822～825 nm;a*值:464 nm、471 nm、479 nm、483～494 nm、497～500 nm;pH值:881～896 nm、900～902 nm、904 nm、918 nm。

表1 0～4 d全波段范圍的受精種蛋判別模型Table 1 Discriminant model of fertilized breeder eggs in the full band range from 0 to 4 d

表2 4 d時(shí)特征波段范圍的PLS-DA受精種蛋判別模型Table 2 Discriminant model of PLS-DA fertilized breeder eggs in the characteristic band range at 4 day

3 討論與結(jié)論

種蛋胚胎的發(fā)育主要分成3個(gè)階段。第1階段:形成胚胎雛形,絨毛膜囊和尿囊;第2階段:胚胎發(fā)育完成階段;第3階段:孵化準(zhǔn)備階段,即雛雞準(zhǔn)備出殼［19-20］。在孵化0～4 d,胚胎主要處于第1階段,即發(fā)育準(zhǔn)備階段。發(fā)育前期,胚胎會發(fā)生一系列理化指標(biāo)變化,如水分、pH值、蛋白質(zhì)、脂肪等。在孵化溫度下,種蛋內(nèi)部的水分含量會逐漸減少［21］。祝志慧等［22］對0～4 d白萊航受精與未受精種蛋pH值變化趨勢展開研究,發(fā)現(xiàn)在孵化2～4 d,受精種蛋pH值與未受精種蛋存在顯著性差異,這與本研究結(jié)果一致。蛋白質(zhì)作為胚胎發(fā)育所必需的營養(yǎng)物質(zhì),為后期胚胎發(fā)育更好地吸收營養(yǎng)等,在發(fā)育前期蛋白質(zhì)含量會逐漸增加,其主要作用為:作為胚體器官組織的組成成分,如心臟、血液等,a*值越大,表示越紅,在孵化2 d時(shí),胚胎心臟開始跳動,逐漸形成紅細(xì)胞,生成血管［23-24］。隨著孵化時(shí)間的延長,其血液會逐漸增多,導(dǎo)致a*值逐漸上升;分解生成一系列發(fā)育所需要的氨基酸,如具有多種營養(yǎng)生理功能的谷氨酸［25-26］;作為一種屏障,防止發(fā)育過程中的微生物污染,具有免疫防御作用,讓胚體能夠正常生長［27］。張麗靜等［28］的研究發(fā)現(xiàn),雞胚發(fā)育過程中,在孵化0～5 d,其蛋白質(zhì)含量、總氨基酸含量和游離氨基酸含量均呈現(xiàn)上升趨勢,本研究結(jié)果與之相一致。同樣,脂肪也是胚胎前期發(fā)育的重要營養(yǎng)物質(zhì),隨著胚胎發(fā)育,胚體內(nèi)脂肪會逐漸消耗,進(jìn)行一系列物質(zhì)轉(zhuǎn)換,如生成蛋白質(zhì)、氨基酸及碳水化合物等一系列胚胎生長發(fā)育所需要營養(yǎng)物質(zhì)。另外,脂肪也是胚體發(fā)育的能量主要來源之一,不斷為胚體所吸收,保證胚胎的正常發(fā)育［29-30］。高光譜技術(shù)具有同時(shí)檢測樣品內(nèi)外信息的優(yōu)點(diǎn),理化指標(biāo)的變化可以通過光譜透射率的差異一一體現(xiàn),這是高光譜技術(shù)實(shí)現(xiàn)種蛋受精判別的基礎(chǔ)。劉美辰等［31］基于高光譜技術(shù)建立牛奶中蛋白質(zhì)含量的SVM預(yù)測模型,最終結(jié)果顯示建立的模型預(yù)測集決定系數(shù)R2為0.999 6,均方根誤差RMSE為0.001 1。付丹丹等［32］采集雞蛋高光譜透射圖像,建立雞蛋新鮮度、pH值和黏度的多元線性回歸(multiple linear regression,MLR)模型,結(jié)果顯示,建立的雞蛋新鮮度、pH值和黏度的相關(guān)系數(shù)R2分別為0.94、0.95、0.95,RMSE分別為6.37、0.17、149,達(dá)到較好效果。這進(jìn)一步說明了光譜信息可以反映種蛋理化指標(biāo)變化的可行性。

本研究基于高光譜技術(shù)(400～1 000 nm)對種蛋孵化前期理化指標(biāo)與光譜信息的響應(yīng)關(guān)系展開了探究,采用海蘭灰白殼種蛋,透射采集模式,鹵素光源顏色為黃色,色溫較低,種蛋蛋殼顏色對光譜信息采集影響較小,且色溫越低,光源穿透能力越強(qiáng),因此光譜信息能夠很好地反映種蛋內(nèi)部的信息。在試驗(yàn)前期,首先測定受精與未受精種蛋孵化0～4 d蛋白質(zhì)、脂肪、水分含量以及pH值、顏色參數(shù)的變化,同時(shí)采集其高光譜圖像,發(fā)現(xiàn)在孵化0～4 d,受精種蛋蛋白質(zhì)、脂肪、a*值與pH值這4種理化指標(biāo)與未受精種蛋存在顯著差異;其次,對受精種蛋理化指標(biāo)與光譜波段的透射率進(jìn)行相關(guān)性分析,發(fā)現(xiàn)蛋白質(zhì)、脂肪和a*值與各光譜波段的透射率呈負(fù)相關(guān)關(guān)系,pH值與各光譜波段的透射率呈正相關(guān)關(guān)系,分別篩選出20、40、60和80個(gè)特征波段;最后,建立0～4 d全波段范圍的PLS-DA及SVM受精判別模型,發(fā)現(xiàn)4 d時(shí)基于PLS-DA模型的預(yù)測集準(zhǔn)確率達(dá)到最高,為100.00%。這表明PLS-DA比SVM更適合受精種蛋的無損檢測,分析原因是SVM對參數(shù)和核函數(shù)的選定且對噪聲變量敏感,模型預(yù)測的性能易受到影響［33］,而PLS-DA主要目的為尋找關(guān)聯(lián)程度最大的自變量和因變量組合,能夠更好解釋因變量的變異信息［34］。相比于全波段建模,基于60個(gè)特征波段建模預(yù)測集準(zhǔn)確率達(dá)到最高,為97.50%,顯然比全波段建模下降了2.50%,但特征波段只有60個(gè)波段,占全波段14.29%,大大減少了模型的運(yùn)算量,簡化了模型;且其預(yù)測集誤判數(shù)只有1個(gè),說明與各理化指標(biāo)相關(guān)的特征波段能夠很好地代替全波段光譜信息,達(dá)到準(zhǔn)確判別種蛋受精的效果。與張扶等［11］結(jié)果相比,準(zhǔn)確率提高了5.79%,且判別時(shí)間提前了1 d,說明基于高光譜技術(shù)建立的與理化指標(biāo)相關(guān)的特征波段范圍的PLS-DA模型具有一定優(yōu)越性,且光譜信息能夠很好地反映理化指標(biāo)的變化。與Park等［15］的結(jié)果相比,準(zhǔn)確率下降,可能是由于本研究測定的理化指標(biāo)并不完全,與之響應(yīng)的能夠代表受精種蛋的特征波段信息有所缺失,導(dǎo)致準(zhǔn)確率下降。

綜上所述,本研究為高光譜技術(shù)檢測種蛋受精提供了更多的品種數(shù)據(jù)信息,后續(xù)可以進(jìn)一步測定種蛋孵化過程中更多理化指標(biāo),篩選出最具代表性的受精種蛋信息的特征波段,提高模型準(zhǔn)確率。