卵能育性和性别的高光谱识别相关公开物的参考
本申请获得2009年6月25日提交的美国临时专利申请号61/220,211的优先
权。
发明领域
本发明涉及用于测定未孵化鸟卵(鸟蛋、禽蛋)的能育性和性别的非侵入性
方法，尤其地，反射光谱学在该测定中的应用。
背景
仅在美国每年大约有65亿个卵(蛋)产生。在这种规模的工业中，有效的质
量控制和限制生产成本的手段是至关重要的。例如，显著数量(通常10-40％)的
卵在特定的孵化场是不育的。这些卵消耗培养箱中的空间和能量，而且还能引起
其它卵的污染。类似的低效率是由这样的困难引起的：50％的受精卵含有对致力于
饲养产卵母鸡的孵化场显然无用的雄性鸡，然而，对鸡性别的确定通常直到鸡被
孵出时才进行，此时，雄性鸡被处理掉。除了将无用的卵孵化至成熟的能量消耗
以外，存在除掉孵化后的雄性鸡的问题。为此，已经开发了一些用于评估未孵化
鸟卵的能育性和性别的非侵入性技术。
例如，Soh(鸟类与禽类生物学评论(Avian and Poultry Biology Reviews)2005，
16，194-195)已经说明理论上有可能通过鸡内部释放的CO2检测能育卵。该方法
具有这样的缺点：单个卵的测量将花费大约15分钟，这对于商业孵化场而言太久。
MRI以被提议作为性别确定的卵内方法；在美国专利号6,029,080中公开了基于该
原理的设备。因为用CO2检测，MRI的主要缺点(除了必要设备的高成本之外)
是获得可用图像所需的过分长的时间(大约每个卵5分钟)。
基于测量由卵透过的光线量的方法(实质上是传统的透照检卵方法的自动化形
式)在本领域中是悉知的；参见，例如，美国专利号5,745,228、6,373,560、6,750,954
和7,019,821中所公开的发明。测量由于在内部运动(例如，发育中的鸡的心跳)
而通过卵的光信号的调变的更复杂方法已经公开在，例如，美国专利号5,173,737、
6,860,225、7,154,594、7,289,196和7,336,348中。测量由活卵发射的红外线的自动
记录测温法充当，例如，美国专利号4,788,427、4,914,672和4,955,728中公开的
发明的基础。所有这些方法的主要缺点是它们直到卵已经被固定在培养箱中后至
少10天(在大多数情况下更久)才能提供可靠的卵能育性测量结果。
已经公开了使用分光法，即，光的吸收作为其波长的函数，以测量卵能育性
的发明。例如，美国专利号3,704,144(下文称为′144)公开了通过测量经过卵的频
率调节的光束(频率在575nm周围振荡，此处血液吸收强)与没有经过卵的相同光
束的相关系而确定卵能育性的方法。卵中血液的存在将导致经过卵的光的相的倒
置。美国专利号4,182,571(下文称为′571)公开了通过测量卵在575、590和620nm
处对光的吸收而确定卵能育性的方法；在575nm处的吸收与能育卵中的血液有关，
在620nm处的吸收与腐坏的卵有关，而在590nm处的吸收被用于校准其它两种
测量结果。这些方法的典型结果分别显示在图1A和1B中。这些方法的主要缺点
是直到卵被固定在培养箱中后约两天血液才形成，因此，在卵被固定在培养箱中
后的第一天或第二天中，即使在理论上它们也不能被使用(实际上，再过至少几
天它们也不太可能对检测能育性足够敏感)。而且，因为它们被设计成检测血液，
所以它们不能被用于检测性别。
美国专利号6,535,277公开了反射光谱学方法，用于确定卵能育性。根据该方
法，用从300nm延伸至1100nm的连续光照射卵，然后将获得的反射光谱与能育
卵和不育卵的已知光谱作比较。图1C显示该方法典型结果。因为该方法仅能测量
粗略的光谱变化，因此，与′144和′571中所公开的方法相似，它相对不敏感，因而
不能检测发育中鸡的性别。
Lawrence等(Lawrence，K.C；Smith，D.P.；Windham，W.R.；Heitschmidt，G.W.；
Park，B.“用高光谱成像检测卵胚发育(Egg Embryo Development Detection with
Hyperspectral Imaging).”Poultry Science 2006，5，964)发展了多重变量分析方法，
用于检测卵能育性。他们的方法也不能监测卵被固定在培养箱中后第一天内的胚。
即使能育卵在产卵时已经含有40-60,000个细胞，目前开发的非侵入性方法
都不能如此早地检测卵能育性。因此，既能在产卵当日检测鸟卵能育性也能检测
鸟(鸡)的性别的非侵入性卵内方法仍是一种长期需要。
发明内容
本发明中公开的发明利用从待测试的卵获得的光谱(在优选实施方式中，反射
光谱)的高光谱分析。与现有技术相反，该分析在包括中红外线(mid-IR)的光谱
区(波长上至约2500nm)进行，以计算卵壳中的CaCO3——在2340nm处吸收，
并且从总光谱信号中过滤出卵壳的信号。包括较宽范围波长的光谱在本发明中使
用相对于本领域中已知的类似技术的光谱范围提供若干优势。因为卵壳是约束卵
内生物化学标记精确检测的主要因素，因此校准由壳所做贡献而获得的光谱的能
力使本文公开的方法比本领域中已知的那些方法明显更灵敏。现有方法往往测量
与卵中血液存在有关的变化，如上所述，这使得它们在卵被固定在培养箱中后第
二天之前即使在理论上也是无效的。本发明利用整个光谱，这能够检测除了血液
以外的生物学成分，因此既能早于第二天检测能育性又能检测卵内鸡的性别。
通过利用神经网络分析而提供额外的灵敏性。主成分分析(PCA)使能够测定与
对照(未受精的)卵和被测试的卵之间的差异有关的光谱特征，而基于PCA的神
经网络分析然后提供检测对照卵和试验卵之间小但显著的变化的手段。本文公开
的高光谱测量和分析方法的额外的灵敏性使能够测定第零天的能育性(即，在刚
产的卵中)精确度大约90％；在第一天和第二天测定能育性，精确度大于约90％，
并且在第12天测定性别，精确度大约80％。
因此，本发明的一个目的是公开用于检测鸟卵的存在状态(present condition)
的非侵入性方法，其包括以下步骤：(a)在至少一个预定的波长范围内测量至少一
个所述鸟卵的光谱；(b)利用预定义算法将所述光谱与定义所述存在状态的可能值
的预定义光谱数据库进行比较；和(c)利用所述比较的结果来评估所述鸟卵的存在
状态。本发明的本质是本文所公开的方法能在所述卵被固定在培养箱中之时后24
小时内检测能育性，假阳性＜1％。这能够选出非能育卵，而不用冒去除能育卵的风
险。
本发明的另一个目的是公开这样的方法，其中所述数据库还包括所述光谱的
主成分分析。
本发明的另一个目的是公开这样的方法，其中所述利用预定义算法的步骤还
包括利用神经网络算法的步骤。
本发明的另一个目的是公开这样的方法，其中所述利用神经网络算法的步骤
包括以下步骤：(a)利用主成分分析来变换数据集；(b)从每个样本选择第一m分
数；和(c)将所述m分数输入到包含n个神经元(neuron)、隐层(hidden layer)
中的传递函数和输出的线性传递函数的神经网络。
本发明的另一个目的是公开这样的方法，其中所述隐层中的传递函数是“正
切S型(tansig)”函数。
本发明的另一个目的是公开这样的方法，其中m＝5和n＝3。
本发明的另一个目的是公开这样的方法，其中所述利用预定义算法将所述光
谱与定义所述存在状态的可能值的预定义光谱数据库进行比较的步骤还包括预处
理光谱数据的额外步骤。
本发明的另一个目的是公开这样的方法，其中所述预处理光谱数据的额外步
骤还包括进行降维(dimension reduction)的额外步骤。
本发明的另一个目的是公开这样的方法，其中所述预处理光谱数据的额外步
骤还包括进行光谱增强处理的额外步骤。
本发明的另一个目的是公开这样的方法，其中所述进行光谱增强处理的步骤
包括选自以下的至少一个步骤：(a)修匀(smoothing)和(b)降噪。
本发明的另一个目的是公开以上任意之一中限定的这样的方法，其中所述测
量至少一个所述鸟卵的步骤还包括以下额外步骤：(a)获得参考光谱；(b)获得测
试光谱；和(c)利用所述参考光谱来校正所述测试光谱。
本发明的另一个目的是公开这样的方法，其中所述获得参考光谱的步骤还包
括根据预定的物理模型构建参考光谱的额外步骤。
本发明的另一个目的是公开这样的方法，其中所述获得参考光谱的步骤还包
括通过物理测量来获得参考光谱的额外步骤。
本发明的另一个目的是公开这样的方法，其中所述在至少一个预定波长范围
内测量所述鸟卵的至少一个光谱的步骤还包括以下额外步骤：(a)获得能在所述预
定波长范围内记录光谱的高光谱相机(hyperspectral camera)；(b)将所述鸟卵放
在高光谱相机的视场内；和(c)利用所述高光谱相机获得所述鸟卵的至少一个光
谱。
本发明的另一个目的是公开这样的方法，其中所述在预定波长内测量所述所
述鸟卵的至少一个光谱的步骤在确定所述鸟卵在所述高光谱相机的视场内的步骤
之后。
本发明的另一个目的是公开这样的方法，其中所述确定所述鸟卵在所述高光
谱相机的视场内的步骤还包括以下额外步骤：(a)通过测量与到达所述高光谱相机
视场的预定义部分的所述鸟卵的吸收特征相应的至少一个预定波长的光线量获得
测试测量结果(test measurement)；和(b)将所述测试测量结果与在基本上相同的
至少一个预定波长的参考测量结果进行比较。本发明的本质是，其中，当将所述
测试测量结果与所述参考测量结果进行比较步骤的结果显示两个测量结果之间存
在超过预定阈的差异时，所述相机视场内所述鸟卵的存在被确定。
本发明的另一个目的是公开这样的方法，其中所述至少一个预定波长在以约
2340nm为中心的方解石吸收带内。
本发明的另一个目的是公开以上任意之一中限定的这样的方法，还包括将所
述鸟卵置于适于在光谱分析过程中容纳鸟卵的样本架(sample holder)的额外步骤，
所述额外步骤发生在测量至少一个的步骤之前。
本发明的另一个目的是公开这样的方法，其中所述将所述鸟卵置于样本架的
步骤包括获得样本架的步骤，所述样本架包括：(a)排除周围光的装置，(b)允许
光源的光照射所述卵的装置，和(c)允许从所述卵反射的至少部分光撞击(impinge)
检测器的装置。
本发明的另一个目的是公开这样的方法，其中所述将所述鸟卵置于样本架的
步骤包括获得样本架的步骤，所述样本架包括：(a)框(casing)；(b)两个基本上
平行的杆，所述杆可旋转地安装在所述框内并被排列以支持置于其上的鸟卵；(c)
与所述杆机械连接的至少一个发动机，所述至少一个发动机适于围绕其纵轴旋转
每个所述杆；(d)允许由光源发射的光进入所述框的光导入装置(light admitting
means)，所述光导入装置被布置，使得至少部分所述光照射置于所述杆上的鸟卵；
和(e)允许光纤维缆(fiber optic cable)的一端进入所述框的装置，使得经所述光
导入装置导入和从所述鸟卵反射的至少一部分所述光进入所述光纤维缆。
本发明的另一个目的是公开这样的方法，其中所述样本架由软材料制成。
本发明的另一个目的是公开这样的方法，其中所述样本架是黑色的。
本发明的另一个目的是公开这样的方法，其中至少部分所述样本架的内部表
面是黑色的。
本发明的另一个目的是公开以上任意之一中限定的这样的方法，其中，所述
存在状态选自：(a)能育性；(b)性别；(c)以上两者。
本发明的另一个目的是公开这样的方法，其中所述存在状态是能育性，并且，
进一步地，其中所述测定在所述卵被固定在培养箱中之时后不超过48小时做出。
本发明的另一个目的是公开这样的方法，其中所述存在状态是能育性，并且，
进一步地，其中所述测定在所述卵被固定在培养箱中之后不超过24小时做出。
本发明的另一个目的是公开这样的方法，其中所述存在状态是性别，并且，
进一步地，其中所述测定在所述卵被固定在培养箱中之后不超过两周做出。
本发明的另一个目的是公开这样的方法，其中所述存在状态是性别，并且，
进一步地，其中所述测定在所述卵被固定在培养箱中之后第12天做出。
本发明的另一个目的是公开以上任意之一中限定的这样的方法，其中所述光
谱是反射光谱。
本发明的另一个目的是公开这样的方法，其中，通过基本上沿其纵轴照射所
述卵并测量撞击检测器的光强度获得所述反射光谱，所述检测器被布置，以便检
测以相对于所述纵轴大于约10°和小于约90°的角从所述卵发出的光。
本发明的另一个目的是公开以上任意之一中限定的这样的方法，其中所述光
谱是透射光谱。
本发明的另一个目的是公开以上任意之一中限定的这样的方法，其中所述光
谱从近紫外线延伸至中红外线。
本发明的另一个目的是公开以上任意之一中限定的这样的方法，其中所述光
谱从约300nm延伸至约2500nm。
本发明的另一个目的是公开以上任意之一中限定的这样的方法，其中所述光
谱是导数光谱。
本发明的另一个目的是公开以上任意之一中限定的这样的方法，还包括提供
温度控制的环境的步骤，在所述温度控制的环境中进行所述测量所述光谱的步骤。
本发明的另一个目的是公开这样的方法，其中所述提供温度控制的环境——
其中进行所述测量所述光谱的步骤——的步骤还包括给所述环境提供主动温度控
制(active temperature control)的步骤。
本发明的另一个目的是公开这样的方法，其中所述提供温度控制的环境——
其中进行所述测量所述光谱的步骤——的步骤还包括给所述环境提供被动温度控
制的步骤。
本发明的另一个目的是公开以上任意之一中限定的这样的方法，其中，所述
利用预定义算法将所述光谱与定义所述存在状态的可能值的预定义光谱数据库进
行比较的步骤在将所述至少一个光谱传送到计算设备的步骤之后，并且，进一步
地，其中所述利用预定义算法将所述光谱与定义所述存在状态的可能值的预定义
光谱数据库进行比较的步骤还包括利用安装在所述计算设备上的专用软件进行所
述比较的步骤。
本发明的另一个目的是公开以上任意之一中限定的这样的方法，还包括从多
个独立光源照射所述鸟卵的额外步骤。
本发明的另一个目的是公开筛选鸟卵的非侵入性方法，其包括以下步骤：(a)
在至少一个预定波长范围内测量多个鸟卵各自的至少一个光谱；(b)利用预定义算
法将各个所述光谱与定义所述存在状态的可能值的预定义光谱数据库进行比较；(c)
利用所述比较的结果评估每个所述鸟卵的存在状态；和(d)放弃其所述存在状态与
预定义状态不匹配的任何卵。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述数据库还包
括所述光谱的主成分分析。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述利用预定义
算法的步骤还包括利用神经网络算法的步骤.
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述利用神经网
络算法的步骤包括以下步骤：(a)利用主成分分析变换数据集；(b)从每个样本选
择第一m分数；和(c)将所述m分数输入到包含n个神经元、隐层中的传递函数
和输出的线性传递函数的神经网络。
本发明的另一个目的是公开这样的方法，其中所述隐层中的传递函数是“正
切S型”传递函数。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中m＝5和n＝3。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述利用预定义
算法将所述光谱与定义所述存在状态的可能值的预定义光谱数据库进行比较的步
骤还包括预处理光谱数据的额外步骤。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述预处理光谱
数据的额外步骤还包括进行降维的额外步骤。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述预处理光谱
数据的额外步骤还包括进行光谱增强处理的额外步骤。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述进行光谱增
强处理的步骤包括选自以下的至少一个步骤：(a)修匀和(b)降噪。
本发明的另一个目的是公开筛选鸟卵的这样的方法，进一步包括以下额外步
骤：(a)获得能在所述预定波长范围内记录光谱的高光谱相机；(b)将所述鸟卵置
于所述高光谱相机的视场内；和(c)利用所述高光谱相机获得所述多个鸟卵各自的
至少一个光谱。
本发明的另一个目的是公开筛选鸟卵的这样的方法，还包括获得在数量上至
少与所述鸟卵数量相等的多个光纤维缆的额外步骤，其中，所述多个光纤维缆的
每个与所述多个鸟卵之一光连通，并且，进一步地，其中所述多个光纤维缆的每
个适于将从鸟卵反射的至少部分光传送到所述成像相机视场内的预定区域。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述在至少一个
预定波长范围内测量多个鸟卵各自的至少一个光谱的步骤还包括以下额外步骤：(a)
获得至少一个参考光谱；(b)获得至少一个测试光谱；和(c)利用所述至少一个参
考光谱校正所述至少一个测试光谱。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述在至少一个
预定波长范围内测量多个鸟卵各自的至少一个光谱的步骤还包括以下额外步骤：(a)
获得至少一个校准光谱；和(b)利用所述至少一个校准光谱校准至少一个光谱特
征。
本发明的另一个目的是公开筛选鸟卵的这样的方法，进一步包括以下额外步
骤：(a)获得至少一个参考光谱；(b)获得至少一个校准光谱；(c)获得至少一个测
试光谱；(d)利用所述至少一个参考光谱校正所述至少一个测试光谱；和(e)利用
所述校准光谱校准至少一个光谱特征。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述在至少一个
预定波长范围内测量多个鸟卵各自的至少一个光谱的步骤在确认所述多个鸟卵的
每个在所述高光谱相机视场内的步骤之后。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述确认所述多
个鸟卵的每个在所述高光谱相机视场内的步骤还包括以下额外步骤：(a)通过测量
与到达所述高光谱相机视场的预定义部分的所述鸟卵的吸收特征相应的至少一个
预定波长的光线量而获得测试测量结果；和(b)将所述测试测量结果与在基本上相
同的至少一个预定波长的参考测量结果进行比较。本发明的本质是，其中，当将
所述测试测量结果与所述参考测量结果进行比较步骤的结果显示两个测量结果之
间存在超过预定阈的差异时，所述相机视场内鸟卵的存在被确定。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述至少一个预
定波长在以约2340nm为中心的方解石吸收带内。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述存在状态选
自：(a)能育性；(b)性别；(c)以上两者。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述存在状态是
能育性，并且，进一步地，其中所述测定在所述卵被固定在培养箱中之后不超过
48小时做出。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述存在状态是
能育性，并且，进一步地，其中所述测定在所述卵被固定在培养箱中之后不超过
24小时做出。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述存在状态是
性别，并且，进一步地，其中所述测定在所述卵被固定在培养箱中之后不超过两
周做出。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述存在状态是
性别，并且，进一步地，其中所述测定在所述卵被固定在培养箱中之后第12天做
出。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述光谱是反射
光谱。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，通过基本上沿其
纵轴照射所述卵并测量撞击检测器的光强度而获得所述反射光谱，所述检测器被
布置，以便检测以相对于所述纵轴大于约10°和小于约90°的角从所述卵发出的光。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述光谱是透射
光谱。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述光谱从近紫
外线延伸至中红外线。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述光谱从约300
nm延伸至约2500nm。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述光谱是导数
光谱。
本发明的另一个目的是公开筛选鸟卵的这样的方法，还包括提供温度控制的
环境的步骤，在所述温度控制的环境中进行所述测量所述光谱的步骤。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述提供温度控
制的环境——其中进行所述测量所述光谱的步骤——的步骤还包括给所述环境提
供主动温度控制的步骤。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述提供温度控
制的环境——其中进行所述测量所述光谱的步骤——的步骤还包括给所述环境提
供被动温度控制的步骤。
本发明的另一个目的是公开筛选鸟卵的这样的方法，其中，所述利用预定义
算法将所述光谱与定义所述存在状态的可能值的预定义光谱数据库进行比较的步
骤在将所述至少一个光谱传送到计算设备的步骤之后，并且，进一步地，其中所
述利用预定义算法将所述光谱与定义所述存在状态的可能值的预定义光谱数据库
进行比较的步骤还包括利用安装在所述计算设备上的专用软件进行所述比较的步
骤。
本发明的另一个目的是公开筛选鸟卵的这样的方法，还包括从多个独立光源
照射所述鸟卵的额外步骤。
本发明的另一个目的是公开用于收集鸟卵光谱的样本架，所述样本架包括(a)
外框；(b)内框，其限定测试容量；(c)将至少一个光纤维缆引入所述样本架内部
的装置；和(d)将所述样本架上部的至少部分与所述样本架下部分开的装置。本发
明的本质是，其中，所述样本架适于在所述光谱的所述收集过程中排除周围光线。
本发明的另一个目的是公开这样的样本架，其中，所述内框限定测试容量，
所述测试容量的形状基本上为卵形。
本发明的另一个目的是公开这样的样本架，其中，与所述卵接触的所述内框
表面的至少部分由软材料制成。
本发明的另一个目的是公开这样的样本架，其中，所述将至少一个光纤维缆
引入所述样本架内部的装置包含通道，所述通道使由所述内框限定的所述容量与
外部环境相互连通。
本发明的另一个目的是公开这样的样本架，其中，所述通道的直径适于引入
至少一个光纤维缆。
本发明的另一个目的是公开这样的样本架，其中，所述将至少一个光纤维缆
引入所述样本架内部的装置还包括导向管，所述导向管的内直径适于通过至少一
个光纤维缆，所述导向管与所述通道光连通。
本发明的另一个目的是公开这样的样本架，其中，所述将所述样本架上部的
至少部分与所述样本架下部分开的装置包含铰链。
本发明的另一个目的是公开这样的样本架，其中，所述所述样本架上部包括
盖，其适于紧贴所述下部安装。
本发明的另一个目的是公开这样的样本架，还包括底座，其适于允许所述样
本架稳定地放置在平表面上。
本发明的另一个目的是公开用于收集鸟卵光谱的样本架，所述样本架包括(a)
框；(b)两个基本上平行的杆，所述杆可旋转地安装在所述框内并被排列以支持置
于其上的鸟卵；(c)与所述杆机械连接的至少一个发动机，所述至少一个发动机适
于围绕其纵轴旋转每个所述杆；(d)允许由光源发射的光进入所述框的光导入装
置，所述光导入装置被布置，使得至少部分所述光照射置于所述杆上的鸟卵；和(e)
允许光纤维缆的一端进入所述框的装置，使得经所述光导入装置导入和从所述鸟
卵反射的至少部分所述光进入所述光纤维缆。本发明的本质是，其中，旋转所述
鸟卵能够收集来自所述鸟卵整个外周的光谱数据。
本发明的另一个目的是公开这样的样本架，其中，位于所述框内的所述光纤
维缆的端部与所述鸟卵之间的距离在2cm至10cm之间。
本发明的另一个目的是公开用于非侵入性地测定至少一个鸟卵的存在状态的
设备，所述设备包括(a)根据以上任意之一的样本架；(b)适于获得置于所述样本
架内的鸟卵的至少一个光谱的光谱仪装置；(c)数据传输装置用于向计算设备传输
所述至少一个光谱；和(d)安装在所述计算设备上的计算装置，其适于根据预定算
法分析所述至少一个光谱。
本发明的另一个目的是公开这样的设备，其还包括定义所述存在状态的可能
值的光谱数据库的数据库，其中所述数据库安装在所述计算设备上。
本发明的另一个目的是公开这样的设备，其中，所述预定义算法包括神经网
络算法。
本发明的另一个目的是公开这样的设备，其中，所述神经网络算法包括(a)进
行主成分分析的装置来变换数据集；(b)从每个样本选择第一m分数的装置；和(c)
将所述m分数输入到包含n个神经元、隐层中的传递函数和输出的线性传递函数
的神经网络的装置。
本发明的另一个目的是公开这样的设备，其中，所述隐层中的传递函数是“正
切S型”传递函数。
本发明的另一个目的是公开这样的设备，其中m＝5和n＝3。
附图简述
通过参考附图描述本文公开的发明，其中
图1显示本领域中已知的用于测试鸟卵的方法的样本光谱；
图2显示通过本发明中公开的方法而获得的多种类型的卵的样本反射光谱；
图3显示仪器的示意图，该仪器获得光谱用于根据本发明的一个实施方式分
析鸟卵；
图4显示仪器的示意图，该仪器获得光谱用于根据本发明的第二实施方式分
析鸟卵；
图5显示样本架的一个实施方式的示意图；和
图6显示样本架的第二实施方式的示意图。
发明的详细描述
以下通过参考附图和实施例描述本发明，其中优选实施方式被描述。为了说
明目的，陈述具体细节，以提供对本发明的透彻理解。存在在细节上不同但不影
响其基本性质的发明的其它实施方式，这对于本领域的技术人员来说将是显而易
见的。因此，本发明并不限于附图中所图解的和说明书中所描述的内容，而是仅
如所附权利要求书中所说明的，适当的范围仅由所述权利要求书的最宽解释确定。
如本文所使用的，术语“光谱”指其中电磁辐射撞击目标并且电磁辐射强度
作为其波长的函数在电磁辐射与目标相互作用后被记录的任何测量结果。术语“反
射光谱”具体指这样的光谱，其中检测器以便于测量以相对于入射光小于约90°
的角度从目标发出的光的方式被放置。
在本文所公开的方法中，待测试的鸟卵的光谱被测量。在本发明的优选实施
方式中，从近紫外线到中红外线测量光谱。在本发明的最优选实施方式中，从约
300nm到约2500nm测量光谱。在本发明的优选实施方式中，以反射模式测量光
谱，其中检测器以相对于入射光小于90°被放置。可以利用能在期望的波长范围内
产生光谱的任何商业光谱仪和以反射模式测量光谱。在本发明的一个实施方式中，
利用最初的反射单元(R)进行光谱分析。在本发明的优选实施方式中，通过利用以
下任意一种或所有进行光谱分析：(a)关系A＝log(l/R)，(b)dR/dλ或dA/dλ(或其
近似数值)，其中，λ是波长，和(c)R-Rref，其中Rref是在单独的测量中所测定
的卵壳本身的反射度。在本发明的其它实施方式中，使用导数光谱，以使真正的
光谱特征更易于识别。
在本发明的优选实施方式中，结合参考光谱获得卵的光谱，以校正大气吸光
度(atmospheric absorbance)、检测器中的非线性等。可以通过本领域中已知的通
常用于测量背景或参考光谱的任何方法获得参考光谱，或者，在本发明的一些实
施方式中，通过从适当的模型计算而获得参考光谱。
将光谱数据传送到计算设备用于分析；计算设备可以位于光谱仪内，或者它
可以是外部计算机。在本发明的一些实施方式中，利用安装在光谱仪内的软件进
行原始数据向光谱(反射光谱、透射光谱或吸收光谱)的转换，并且，光谱而不
是原始数据然后被传输到计算设备中。然后，针对表示卵的状态(例如，其是否
是能育的，或者，对于能育卵，其中的胚或鸟(鸡)是雄性还是雌性)的标记，
分析光谱。可以根据本领域中已知的能够从背景中分离目标标记的任何方案进行
分析。在本发明的优选实施方式中，如以下详细描述地，神经网络算法被使用。
在本发明的一些实施方式中，方法还包括数据校正或分析的额外步骤。如上
所描述地，在本发明的一些实施方式中，使用导数光谱。除了背景校正以外，在
使用神经网络算法之前还可能根据本领域中已知的任何方法进行其它形式的预处
理，例如，降噪、光谱增强处理、修匀等。在一些实施方式中，为了提高计算效
率，进行降维，以减少计入神经网络的数据量。
这些方法也使得非侵入性方法用于筛选多个鸟卵成为可能。获得多个卵的光
谱，而且将上述方法用于测定卵的存在状态(例如，能育性或性别)。其存在状
态不是期望状态(例如，不育的——如果期望的是能育卵)的那些卵然后被丢弃。
现在参考图2，其呈现根据本发明中公开的方法获取的一些不同类型鸡卵的典
型光谱。这些光谱显示许多带，所述带似乎指示卵内含物的生化特性变化。光谱，
如这些光谱，被用于构建光谱库，所述光谱库包括来自各种类型鸟的处于已知状
态(能育的或不育的；雄性或雌性)中的卵。在本发明的优选实施方式中，每种
光谱表示多个测量结果的平均数。获得库光谱后，将其进行主成分分析(PCA)并用
作神经网络算法的“训练集(training set)”。通过仅保留那些数据——具有最大
的零假设偏差，即，在给定的波长处，目标光谱特性(例如，反射率或吸光度)
对于能育卵和不育卵是相同的，PCA帮助使用者丢弃不相关的数据。为了训练神
经网络，可以使用本领域中已知的任何培训算法。在优选的实施方式中，使用迭
代法以导出最佳参数集。作为非限制性的例子，可以从随机权重开始使用
Leverberg/Marquand反向传播训练函数；如果在预定数目的迭代后不能获得十分精
确的参数集，则程序从不同的起始随机权重重新开始。在本发明的优选实施方式
中，训练集中使用的信息数据库来自与最终待测试的卵相似或相同的一批卵的卵
样本。然后，储存每个训练集以供将来参考。在本发明的其它实施方式中，可以
从已经存在的数据库中找回训练集。在本发明的其它实施方式中，针对每一新批
次待分析的卵产生新的训练集。
然后，通过使用神经网络分析算法进行统计学分析。在最优选的实施方式中，
神经网络算法包括三个步骤。在第一个步骤中，通过PCA转换数据。选自每个样
本的第一m分数(在最优选的实施方式中，m＝5)作为神经网络的输入。最后，
神经网络具有n个神经元(在最优选的实施方式中，n＝3)，“正切S型”传递
函数在隐层中以及用于输出的“线性”传递函数。在优选的实施方式中，神经网
络算法输入在每个神经元中处理，然后基于传递函数以及预定义权重进行计算。
在本发明的优选实施方式中，使用的传递函数为“正切S型”——双曲正切S型
传递函数。计算之后隐层的输出充当输出层的输入，所述输出层将所有神经元计
算结果组合成最终结果。
然后，如下进行测试卵的分析：获得待测试卵的光谱(在优选实施方式中，
为从约300nm延伸至约2500nm的反射光谱)。在优选的实施方式中，如此获得
的光谱是复数n个单个测量结果的平均数，其中n足够大(通常约为30)，以提
供对信-噪比的明显改进。然后，利用上述统计学方法计算测试光谱的主成分。然
后，再次利用基于神经网络的软件将主成分与库中光谱的那些成分进行比较。然
后，采用与测试光谱最相关的库光谱的状态(例如，能育的或不育的；雄性或雌
性)为由测试光谱表示的卵的状态。可以通过操作员优选的任何统计学方法(例
如，最高R值或最低卡方或SEC/SEP)评估相关性的强度。
如在以下给出的实施例中所表明的，当将上述方法用于包含以下详细描述的
成分的系统中时，其能在卵被固定在培养箱中的当日测定卵能育性，本质上没有
假阳性(即，被识别为能育的每只卵事实上是能育的)，以及小于10％的假阴性
(即，＜10％的被识别为不育的卵实际上是能育的)。当被用于由以下详细描述的
成分组成的系统中时，本文公开的方法能在卵被固定在培养箱中的第12天检测能
育卵的性别，精确度约为80％。
在本发明的优选实施方式中，即，其中检测精确度最高的实施方式，以上公
开的方法在被设计并专用于根据公开的方法测量并分析鸟卵光谱的仪器上进行。
现在描述检测方法在其上实际进行的仪器的优选实施方式。
在本发明的一些实施方式中，通过使用高光谱成像仪，基本上同时进行多重
测试。这样的相机(通常使用CCDs作为检测器)在本领域中是已知的，并具有
测定光强度作为波长的函数以及作为相机视场内光源位置的函数的能力。在一个
示例性实施方式中，多个卵各自被插入如下描述的单个样本架中。多个光纤维缆
(每个卵至少一个)将反射光带入成像相机，因而在特定的样本架和与该样本架
相应的相机视场中的区域之间产生一对一的关系。
现在参考图3，其表示光谱仪系统的实施方式10的示意图(未按比例)，在
所述光谱仪系统上，可以实际进行以上论述的光谱测量。光谱仪系统100提供光
源102(通常为钨-卤素光源，但任何能在期望的波长范围内提供足够照明的光源
均可被使用)、光学系统(optics)、至少一个检测器、对源的机械控制、光学系
统和检测器以及将光指引到外部目标的装置。光从光源发射；在本发明的一些实
施方式中，通过光纤维缆104将光带入样本架106，在该样本架106中引入卵108。
在其它实施方式中，光直接照射卵。在本发明的优选实施方式中，样本架106被
封闭，以防止杂散光的干扰。在其中样本架被封闭的实施方式中，光纤维缆104
穿过样本架106一面的孔。在优选实施方式中，允许光纤维进入的孔位于与其最
长轴垂直的盒子面上并适于允许光纤维缆104进入，使得缆基本上沿卵的纵轴照
射卵。从卵反射的光沿光纤维缆返回并回到光谱仪，在所述光谱仪中，其撞击检
测器。通过计算机110进行光谱收集和获得的光谱存储的控制。在典型的实施方
式中，对引入样本架106的每个卵进行多重测量，然后，取平均值以增加信噪比。
现在参考图4，其表示进行光谱测量的光谱仪系统的第二实施方式20的示意
图(未按比例)。在该实施方式中，多个卵108的光谱被光源202照射；如在图
中所图解的，在一些实施方式中，光源可包括多个单独的光照元件。从光源发射
的至少部分光在与卵相互作用之后到达高光谱相机205。这样的高光谱相机在本领
域中是已知的。在实施方式，如图4a所图解的实施方式中，光源和相机在卵的同
一侧，在这种情况下，在至少部分地从卵或被测量的卵反射后，光到达相机，因
而将含有这样的信息，从该信息可以构建反射光谱。在实施方式，如图4b所图解
的实施方式20a中，光源和相机基本上在卵的相反侧，并且，来自光源的光仅在
至少部分地经过卵或被测量的卵之后才达到相机。在这些实施方式中，到达相机
的光将因而含有这样的信息，从该信息可以构建吸收(或者，相等地，透射)光
谱。在设备的典型实施方式中，约0.5cm的空间分辨率足以以足够高的信号/噪音
比(SNR)获得评估卵状态所需的信息。可以通过本领域中已知的任何手段(例如，
移动带)携带卵经过相机。为了提高SNR，通过测量合适的背景(本底)207，如
其上放置卵的表面，获得背景参考光谱。通过测量与具有已知光谱特性的物质209
相互作用后到达相机的光，获得校准光谱。然后获得相机视场(FOV)内的区域的高
光谱相机快相220。根据这样的因素——使用的特定相机、期望的光谱分辨力和空
间分辨率，快相220可对应于相机FOV内的单个卵或多个卵的测量。
在本发明的优选实施方式中，使用高光谱相机，其可从近紫外线到中红外线
进行光谱测量。在本发明的最优选实施方式中，从约300nm到约2500nm测量光
谱。
在本发明的一些实施方式中，为了从物理上将卵定位于空间中，方法还包括
使用空间滤光片(spatial filter)测量相机FOV内预定义区域——对应于已知数量
的像素——的步骤。在对应于CaCO3的强吸收的波长——在优选实施方式中，约
为2340nm——对达到相机的光进行测量。如果在所有像素观察到相对于背景测量
结果光的有力减少，那么就知道卵在相机的FOV内，然后进行光谱测量。
在本发明的优选实施方式中，当卵被容纳在特别设计的专用样本架中进行测
量。这样的架具有这样的优势：标准化光源到卵的距离和卵到检测器的距离，以
及保持卵在测量期间在已知的位置中。
现在参考图5，其表示这样的专用样本架的一个实施方式106的示意性图解(未
按比例)。样本架可由能制成需要形状(例如，通过加工或模塑)的任何常规材
料制成；构建物的材料优选足够硬以维持其形状、容纳鸟卵以及经受重复使用而
不降解的材料。在优选实施方式中，样本架106由硬深色塑料制成。在图中所示
的实施方式中，样本架外框1060基本上为卵形。在其它实施方式中，外框可以是
任何常规形状(例如，立方体、平行六面体等)。在所示的实施方式中，基本上
沿样本架的赤道轴定位的铰链1061允许操作员打开样本架同时维持样本架的结构
完整性。铰链将样本架分成上部106t和下部106b。图5b示意性地显示其中插入
卵的处于打开位置的样本架。光纤维缆通过导向管1062进入样本架并经过入口
1063。导向管和入口适于光纤维的滑动配合(slip fit)。样本架还包括内表面1064，
其基本上为卵形并适于接纳鸟卵。当使用样本架时，被测试的卵与至少部分内表
面1064接触。在下部106b中，内表面包含软的、深色材料1065，在卵被放置在
样本架中时，所述材料1065适于防止卵破裂和光从样本架内表面可能的反射。软
材料1065可以是任何用于容纳鸟卵的合适材料(例如，泡沫或棉绒)。制成样本
架的硬材料被塑型，以接纳软材料1065，使得整个内表面(硬材料+软材料)基本
上限定卵。样本架也可以任选地包括底座1066。底座1066适于将样本架稳定在平
表面上，而且，任选地进一步适于将样本架放置在含有多个类似样本架的限定的
区域内、适于放置传送带等。
在另外的实施方式中，本文公开的方法适于大量生产，即，基本上同时快速
分析大量卵。在这些实施方式中，样本架通常将由图3中所图解的实施方式改进。
在一个这样的实施方式中，不是图3中所示的铰接排列(hinged arrangement)，
而是上部106t与下部106b可分离；在其中外框是，例如立方体或平行六面体的实
施方式中，上部106t可以是盖。上部106t被设计成与下部106b互锁，例如，通
过插片-狭槽系统(tab-and-slot system)或通过在外周一半周围具有与外周另一半
匹配的盖。在这些实施方式中，上部106t适于被远程控制设备提起。这样的设备
在本领域中是已知的，并且，通常适于同时提起多个对象。在将上部提起后，第
二设备(为本领域中悉知的类型)将多个卵放入样本架。然后，将顶部送回，关
闭样本架，并进行光谱测量。单独的光纤维与每个样本架连接，并且，独立地测
量结果，所述测量或者是连续的(一次一个卵，以计算机存储器中独立存储的每
个光谱控制仪器)，或者是并行的(由单独通道上的计算机读每个光纤维)，或
者是两者(对样本架中的部分卵进行并行测量，接下来对另外部分的卵进行第二
测量，如此直到完成所有测量)。在完成所有光谱测量之后，将样本架上部提起，
将卵移走并送回培养箱，并且，如果期望，可进行另一组测量。然后，可将不能
满足期望标准(例如，能育的对不育的或者雄性对雌性)的那些卵丢弃。
现在参考图6，其表示根据本发明另外的实施方式的专用样本架206的示意性
图解(未按比例)。样本架包含在框2060中。框可以是金属的、塑料的、木的或
者任何其它合适的构建材料。在本发明的一些实施方式中(未显示在图6中)，
框所有的面均被封闭，并包括门、铰接板(panel)或者本领域中已知的用于引入
鸟卵的其它装置；在这些实施方式中，当关闭框时，除了用于光连通至光源和至
以下论述的光谱仪的装置以外，其是不透光的。至少一个框的面包含光导入装置
2063，用于引入外部光源2064发射的光。在本发明的各种实施方式中，光导入装
置可以是框的面中具有合适尺寸的孔，或者它可以包括窗口或聚焦光学系统
(focusing optics)。框中有两个基本上平行的支撑杆2061，其可旋转地安装在框
内，并以适于支持鸟卵并保持其与光导入装置光接触的距离被隔开。该两个杆机
械连接于至少一个发动机2062。在图6所图解的实施方式中，单个发动机被用于
控制两个杆；在可选实施方式中，每个杆由其自己的发动机控制。
发动机围绕其纵轴旋转两个杆，引起放于其上的卵旋转而又不明显地平移。
在本发明的优选实施方式中，发动机2062的速度是可控制的(例如，通过本领域
中悉知的任何人类的外部电子控制装置)，使得操作员可选择杆的旋转速率。在
本发明的最优选实施方式中，选择发动机的速度，使得卵在13秒内完成约一次旋
转，在该期间，约进行30次光谱测量。旋转卵的优势是卵的整个外周因而被暴露
于入射光。这不仅限制通过外部光源加热卵，也能收集并平均同一卵的多个光谱，
以限制由于卵，尤其是壳的不均一性而可能出现的人为影响，该影响会引起通过
照射卵的单个点获取的光谱对于作为整体的卵没有代表性。
样本架也包括允许光纤维缆2064进入的装置(例如，框的面中的不透光孔，
或者光导入装置2063的面上的空间)。光纤维缆的另一端与上述光谱仪光接触。位
于框内的光纤维缆的顶端与卵光接触而放置，使得光可以经过外部光源到达光纤
维缆的顶端，以及从该处通过被分析的卵而到达光谱仪。如上所述，可以以反射
模式或透射/吸收模式使用该装备。在本发明的优选实施方式中，光纤维缆的顶端
位于与卵相距2-4cm的位置。
如图6a-6c所示，光导入装置和允许光纤维缆进入的装置相对于支持卵的杆
可以在样本架的任何面上。在图6a所图解的实施方式中，杆位于卵和光源之间，
并且，光通过杆之间的空间达到卵。在图6b所图解的实施方式中，光导入装置被
定位，使得光束处于与包含两个杆的平面平行的平面中，从相对于支撑杆位于其
上的平面的面照射卵。在图6c所图解的第三实施方式中，光导入装置位于两个支
撑杆的面相对的卵的面上。
在所示的实施方式中，待分析的每个卵被单个放入样本架中。在另外的实施
方式(未图示)中，设备另外包含用于将卵自动引入样本架并将其从样本架移走
的装置。本领域中已知的任何装置(例如，传送带)可被用于执行这些任务。
在进行测量时，卵不被不必要地加热很重要，因为过度加热卵会损坏它。本
发明的不同实施方式包括解决该问题的不同装置。在最简单的方法中，保持光源
与卵足够远，以便卵不被过度加热。精确距离将取决于具体的光学布置(optical
layout)，但通常，发现对于本发明的大部分实施方式，从光源到卵的最佳距离(即，
保持可接受的SNR同时仅最低程度地加热卵的距离)为约5-10cm。
在本发明的另外实施方式中，通过控制其中进行测量的环境(例如，在样本
架的框内)的温度来实现防止过度加热卵。该温度控制可以是主动的(例如，恒
温的)或者被动的(例如，样本架与热浴热接触)。在本发明的一些实施方式中，
样本架组合有通风装置(例如，在面上)，以使空气冷却同时进行测量的样本架。
实施例1
该实施例说明作为在第0天——即，卵被固定在培养箱中的那天——测定鸟
卵能育性的方法的本文公开的发明的应用。在该实施例中，直接从鸡舍中获得150
只新鲜的白色卵(白莱航(White Leghorn)品种，罗曼遗传品系(Lohmann genetic
line))。根据本文公开的方法测定卵的能育性，然后将卵放入希伯来大学农学院
的Peterson培养箱中。将卵孵化三天，然后打开以测定其能育性。然后，将测定
结果与在第0天进行的测量的分析结果进行比较。单独保存物理检查的结果和分
析结果直到进行比较。试验被重复几次——包括用棕色卵。
从样本中随机选择50％的卵作为神经网络的“训练”组。25％用于确认神经网
络的结果，而剩下的25％作为测试组保留。
如下进行分析。首先，将光谱数据进行主成分分析。每个样本的5个最有效
的成分被用作神经网络的输入。使用Leverberg/Marquand反向传播训练函数。从
随机权重开始神经网络的训练。如果在200迭代之后没有发现合适的权重，从新
的随机权重再次开始培训算法。
使用具有三个神经元的神经网络，利用隐层中的“正切S型”传递函数以及
输出层的“线性”传递函数。神经网络模型中使用的参数总结在表1中。
表1：用于测量卵能育性的神经网络参数(第0天)
将根据本文所公开的方法在第0天进行分析的结果与表2中的在第3天进行
的物理测定进行比较。
表2：分析和物理测量的比较
集
检测的能育光谱
检测的不能育光谱
总体性能
第0天训练
99.5％
31％
90.7％
第0天确认
100％
21.4％
90.3％
第0天测试
100％
14.3％
89.4％
第0天整体
99.7％
24.6％
90.2％
从表中可见，本发明中公开的方法成功地检测到99.7％的卵，所述卵稍后通过
物理检查被确定为能育(0.3％假阴性)。该方法在第0天识别不育卵较不成功，
仅成功识别24.6％的卵，所述卵稍后通过物理检查被确定为不育。因为该方法的最
终目标是识别并保存能育卵，该结果或者可被描述为已经在第0天成功地识别基
本上所有待保留在培养箱中的卵以及因为不育而不得不被丢弃的近四分之一的
卵。对于在试验中研究的卵，总体成功率大于90％。
实施例2
使用与实施例1中所用的方法相同的方法，除了这种情况以外：根据本文所
公开的方法对卵的测量和分析在第1天进行而不是在第0天进行。
神经网络模型的参数总结在表3中。
表3：测量卵能育性的神经网络参数(第1天)
对卵能育性的物理测定与根据本文公开的方法进行分析的结果的比较表示在
表4中。
表4：分析和物理测量的比较
集
检测的能育光谱
检测的不育光谱
总体性能
第1天训练
100％
31％
91.1％
第1天确认
100％
42.9％
92.9％
第1天测试
99％
21.4％
89.3％
第1天总体
99.7％
31.6％
91.1％
再次，近乎完全地检测到能育卵以及接近三分之一的不育卵，在第1天的总
体成功率为91.1％。
实施例3
在该组试验中，从与前面实施例中使用来源的相同来源获得150只白色卵。
在卵到达鸡舍时，测定其能育性，然后，将它们放入培养箱中。在卵被固定在培
养箱中的第10天，通过透照测定卵的能育性，并且在第12天，根据本文公开的
方法测定每只卵中的鸡的性别。随着它们孵化，卵在第21天完成孵化。在孵化后，
通过根据本领域中悉知的程序进行羽毛性别鉴定(feather sexing)的方法测定鸡的
性别。将通过物理检查进行的性别测定结果与卵被固定在培养箱中后第12天对其
进行测量的结果进行比较。
如上进行主成分分析和神经网络分析。神经网络算法的参数总结在表5中。
表5：测定鸡性别的神经网络参数(第12天)
表6表示测量结果与根据本文所公开的方法进行分析的结果之间的比较结果
以及通过羽毛性别鉴定方法进行物理测定性别的结果。
表6：分析和物理测量的比较(第12天)
集
检测的雄性光谱
检测的雌性光谱
总体性能
第12天训练
86.6％
68.7％
79.3％
第12天确认
87.8％
64.7％
78.3％
第12天测试
87.8％
52.9％
73.5％
第12天总体
87.2％
63.7％
77.6％
在第12天几乎90％的雄性鸡被成功识别为雄性，而几乎三分之二的雌性鸡被
成功识别为雌性。总体成功率为77.6％。