材料为白壳京粉1号蛋, 购于荆州峪口禽业有限公司, 共210枚, 其中雌雄各105枚。 鸡种蛋在37 ℃、 5%新洁尔灭原溶液中浸泡3 min进行消毒处理、 编号, 静置干燥后放入孵化箱进行孵化, 其中孵化温度和湿度分别为37.8 ℃和63.5%。

鸡种蛋透射光谱检测装置如图1所示。 硬件主要由海洋光学USB2000+型光纤光谱仪、 海洋光学84UV-25准直透镜、 南京鸿照聚焦透镜、 玻璃光纤、 广州标旗LS-3000可调卤素灯光源(100 W)和计算机构成。 胚胎放置方式分为横向放置和竖向大头朝上放置2种, 采集孵化第0~15 d的光谱。

光谱采集波段设置为360~1 000 nm, 积分时间为40 ms, 平均次数为3以提高数据的稳定性, 平滑宽度为5以匹配系统的分辨率。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 鸡种蛋透射光谱检测系统Fig.1 Chicken egg transmission spectrum detection system

胚胎发育的4~8 d性腺开始转化成早期卵巢和睾丸, 在胚胎发育至8 d后, 可以通过睾丸和卵巢的形态进行性别区分, 雌性卵巢两侧发育不平衡, 雄性睾丸两侧发育对称^[9]。 为准确获得鸡种蛋胚胎的性别信息, 为后期鉴别模型提供判别依据, 在鸡种蛋孵化的第15 d, 人工破蛋用解剖法判断胚胎性别, 通过肉眼观察雄性睾丸和雌性卵巢的形态进行区分, 作为鸡种蛋实际性别。 图2为孵化第15 d鸡种蛋胚胎解剖图, 图2(a)为雌性, 图2(b)为雄性。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 孵化第15 d雌性(a)和雄性(b)鸡种蛋胚胎解剖图Fig.2 Anatomical map of female (a) and male (b) chicken embryos on the 15th day of hatching

为避免训练集样本分布不均匀, 采用Kennard-Stone法将光谱差异较大的样本选入训练集, 保证有代表性的样本全部进入训练集^[10]。 本试验总计210枚样本, 按2:1划分训练集和预测集, 训练样本140个(雌雄各70个), 预测样本70个(雌雄各35个)。

1.4.1 光谱范围划分

为了寻找适合雌雄鉴别的光谱波段, 将360~1 000 nm范围的光谱分为紫外波段(360~380 nm)、 可见光波段(380~780 nm)、 近红外波段(780~1 000 nm)、 紫外-可见光波段(360~780 nm)和全波段(360~1 000 nm)5个不同光谱范围来分析, 去除部分冗余信息, 对光谱进行初步降维。

1.4.2 光谱预处理

采集到的鸡胚光谱数据夹杂仪器操作、 样品背景和杂散光等引起的噪声和无关信息。 本文采用的预处理方法为多元散射校正(multiplication scatter correction, MSC)。 MSC可以有效消除或减小由于样品粒径分布不均匀造成的杂散光问题, 降低光谱数据的噪声^[10]。

1.4.3 光谱数据降维算法

采集的光谱波段不论是可见光波段(380~780 nm)、 近红外波段(780~1 000 nm)、 紫外-可见光波段(360~780 nm), 还是全波段(360~1 000 nm), 光谱范围都较宽波长数目也较多, 部分波段存在较强的相关性, 光谱波段内除了包含反映内部成分差异的信息外还含有大量冗余信息, 分类时可能会产生维数灾难现象, 且会影响分类的精度。 因此, 选用CARS和SPA这2种常见方法对初选波段的光谱数据进行筛选, 选出反映雌雄差异的特征波长, 优化模型的输入变量。

(1)竞争性自适应重加权采样算法(competitive adaptive reweighted sampling, CARS)采用“ 适者生存” 原则, 对光谱数据进行多次筛选将PLS模型中回归系数绝对值大的波长点选出, 通过对比每次筛选变量产生的新子集的交叉验证均方差值(RMSECV), RMSECV值最小的那个模型所对应的波长点被选为最优变量。 该算法可以克服变量选择中变量组合爆炸问题^[11]。

(2)连续投影算法(successive projection algorithm, SPA)是一种前向选择算法, 初选一个变量, 然后迭代入新的变量, 通过设置不同的变量范围数, 根据交叉验证均方根误差RMSECV值, 选出预先设定好的变量数目。 该算法能从全部变量中选取含有最少冗余信息的变量组, 保证更少变量数所包含的样本信息最全, 可以有效解决信息重叠和共线性的问题^[12]。

1.4.4 定性判别建模算法

极限学习机(extreme learning machine, ELM)是常用的定性判别建模方法。 极限学习机是一种以单隐含层前馈神经网络为基础的新算法, 具有学习速度快、 泛化能力强等优点, 解决了传统神经网络参数选取复杂、 易陷入局部最优的缺点, 在模式识别和非线性拟合方面具有明显优势^[13]。 ELM中随机产生输入层与隐含层的连接权值和隐含层神经元的阈值且无需调整, 只需设置隐含层神经元个数和隐含层神经元的激活函数。 本文在3种不同激活函数sig, sine和hardlim下, 让隐含层神经元个数从20到1 500以20步长进行寻优, 寻找测试误差最低时的隐含层神经元个数和激活函数。

2.1.1 不同孵化天数鸡胚的光谱曲线变化情况

鸡胚原始平均光谱随孵化天数的变化如图3。 可以看到, 无论是横向放置还是竖向放置, 鸡胚光谱曲线均在前端存在很强的吸收峰, 在前端光谱值的大小随天数的变化没有规律。 在500~780 nm波段随着孵化天数的增加, 波形没有太大变化, 只是透过率逐渐降低。 说明孵化过程中, 鸡种蛋内部吸收峰在500~780 nm波段的某些物质转化成了鸡胚发育所需的其他物质, 从而浓度逐渐降低导致光谱响应值降低。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 横向放置(a)和竖向放置(b)鸡胚光谱随孵化天数变化Fig.3 Chicken embryo spectrum changes with hatching days under horizontal placement (a) and vertical placement (b)

2.1.2 性别鉴定的最佳放置方式和鉴别天数的确定

为确定鸡种蛋胚胎性别鉴定的最佳放置方式和鉴别天数, 采用横向和竖向大头朝上2种鸡胚放置方式, 将采集到的0~15 d的全波段原始光谱数据建立ELM模型, 结果见图4。 准确率为预测集准确率。 图4表明以横向放置的方式采集的光谱数据, 在鸡种蛋胚胎孵化过程中, 建立的ELM模型最高的识别准确率在第1, 9和13 d, 预测集准确率为75.71%。 以竖向大头朝上放置的方式采集的光谱数据, 在鸡种蛋胚胎孵化过程中, 建立的ELM模型最高的识别准确率在第7 d, 预测集准确率为81.43%。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 预测集准确率随孵化天数增加的变化Fig.4 Predictive set accuracy changes with increasing hatching days

从上述结果可以发现, 竖向放置且孵化第7 d更容易区分鸡种蛋胚胎的性别。 因此, 选择竖向放置且孵化第7 d的光谱数据进行重点分析。

2.2.1 雌雄鸡胚光谱特性

鸡种蛋竖向放置孵化第7 d采集到的雌雄鸡胚原始平均光谱如图5。 可以看出雌雄鸡胚原始平均光谱曲线随波长变化的规律大体一致, 只是存在一些数值上的细小差异, 很难通过直接观察来区分雌雄。 此外, 雌雄鸡胚光谱在紫外-可见光波段(360~780 nm)比在近红外波段(780~1 000 nm)内含有更丰富的波峰波谷信息。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 孵化第7 d雌雄鸡胚平均光谱Fig.5 Average spectrum of male and female chicken embryos on the 7th day of hatching

2.2.2 波段初选

为了寻找适合雌雄鉴别的光谱波段, 将360~1 000 nm范围的光谱分为紫外波段(360~380 nm)、 可见光波段(380~780 nm)、 近红外波段(780~1 000 nm)、 紫外-可见光波段(360~780 nm)和全波段(360~1 000 nm)5个不同光谱范围并建模, 建模结果如表1。 在5个波段范围中, 近红外波段的识别率最低; 紫外波段和紫外-可见光波段相比于全波段, 模型预测集准确率均有所提升, 其中紫外-可见光波段的模型识别率最高为84.29%。 因此, 选择波段范围为360~780 nm的紫外-可见光来对种蛋进行雌雄鉴别。

表1

Table 1

表1(Table 1)

表1 不同波段范围下ELM模型判别结果 Table 1 Discriminant results of ELM models in different band ranges 波段范围/nm 训练集准确率/% 预测集准确率/% 360~380 100 82.86 380~780 100 77.14 780~1 000 100 75.71 360~780 100 84.29 360~1 000 100 81.43

表1 不同波段范围下ELM模型判别结果 Table 1 Discriminant results of ELM models in different band ranges

2.2.3 光谱预处理

采用多元散射校正(MSC)对紫外-可见光(360~780 nm)波段的光谱数据进行降噪处理, 图6为原始光谱与MSC预处理后的光谱图。 可以看到MSC在保留原始光谱主要信息的同时, 有效地消除了因纵向漂移产生的光谱差异。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 全部雌雄鸡胚原始(a)和MSC预处理后(b)的光谱Fig.6 Original (a) and MSC pretreated (b) spectra of all male and female chicken embryos

2.2.4 光谱数据降维处理

选择的紫外-可见光波段(360~780 nm), 仍然包含很多无用信息, 需要找出反映雌雄差异的特征波长点。 选用CARS和SPA这2种常见方法对光谱数据进行特征变量筛选。

(1)利用竞争性自适应重加权采样算法(CARS)进行采样时, 采样次数设定为50次。 第一次所有变量都用于建模, 第N次时只使用两个变量。 图7为波段筛选过程, 其中横坐标均为采样次数。 从图7(a)可以看到选用的变量个数先急剧减小后缓慢趋于稳定, 这是指数衰减函数的作用; 图7(b)中随着采样次数的增加交叉验证均方差(RMSECV)逐渐减小后增大, 在第26次采样时达到最小值, 这表明第26次采样后剔除的波长点与鸡胚性别鉴定的相关性大; 图7(c)中各线是随着采样次数的增加回归系数的变化, 图中的“ * ” 线为RMSECV最小值处。 利用CARS算法对紫外-可见光波段的光谱数据进行筛选, 选出的波长有27个。 图9表示CARS所筛选的特征波长在紫外-可见光波段的分布状况, 占紫外-可见光波段的6.43%。

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 CARS变量筛选过程Fig.7 CARS variable screening process

(2)连续投影算法(SPA)通过设置波长数的范围1~50, 得到9个特征波长变量, 筛选过程如图8。 从图8可以看到RMSECV随变量数目增加大体呈现逐渐减小的趋势, 并在9个波长时RMSECV最低为0.447 73, 说明9个特征波长包含了雌性识别的更多有效信息。 利用SPA算法对紫外-可见光波段的光谱数据进行筛选, 图9表示所筛选的特征波长在紫外-可见光波段中的分布状况, 占紫外-可见光波段的2.14%。

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 SPA变量筛选过程Fig.8 SPA variable screening process

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 CARS和SPA筛选的变量Fig.9 CARS and SPA filtered variables

2.2.5 ELM定性判别分析模型

在紫外-可见光波段(360~780 nm)经过MSC预处理后, 运用极限学习机(ELM)分别建立不经筛选特征波长的判别模型、 基于CARS筛选特征波长的判别模型和基于SPA筛选特征波长的判别模型。 极限学习机是一种以单隐含层前馈神经网络为基础的新算法, 输入层与隐含层的连接权值和隐含层神经元的阈值随机产生, 只需设置隐含层神经元个数和隐含层神经元的激活函数。 为确定模型的最佳隐含层神经元个数和隐含层神经元激活函数, 本文在3种不同激活函数下, 让隐含层神经元个数从20到1 500以20步长进行寻优, 图10为3种判别模型的寻优过程。

图10

Fig.10

	Figure Option ViewDownloadNew Window
	图10 不筛选(a)、 CARS筛选(b)和SPA筛选(c)隐含层神经元数和激活函数对ELM模型性能的影响Fig.10 Non-screening (a), CARS screening (b) and SPA screening (c) Influence of number of neurons in the hidden layer and activation function on the performance of the ELM model

图10(a)显示了不经筛选特征波长的ELM模型, 隐含层神经元个数为680时, 以sig作为激活函数预测集准确率最高。 因此在紫外-可见光波段不经筛选特征波长的光谱数据建立的ELM模型中, 选用sig作为激活函数且隐含层神经元个数设为680。 图10(b)显示了基于CARS筛选特征波长的ELM模型, 隐含层神经元个数为100时, 以sig作为激活函数预测集准确率最高。 因此在紫外-可见光波段经CARS筛选特征波长的光谱数据建立的ELM模型中, 选用sig作为激活函数且隐含层神经元个数设为100。 图10(c)显示了基于SPA筛选特征波长的ELM模型, 隐含层神经元个数为840时, 以hardlim作为激活函数预测集准确率最高。 因此在紫外-可见光波段经SPA筛选特征波长的光谱数据建立的ELM模型中, 选用hardlim作为激活函数且隐含层神经元个数设为840。

表2是不同输入变量下ELM模型的判别结果。 从表2中可以看出不经筛选特征波长的光谱数据建模识别效果最优, 预测集准确率为84.29%, 其输入变量较多; 基于SPA筛选特征波长的模型识别效果次之, 预测集准确率为81.43%, 其输入变量为筛选的9个特征波长; 基于CARS筛选特征波长建模识别效果最差, 预测集准确率为78.57%, 其输入变量为筛选的27个特征波长。

表2

Table 2

表2(Table 2)

表2 不同输入变量下ELM模型判别结果 Table 2 ELM model discrimination results under different input variables 筛选 方法 输入 变量 隐含层 神经元 激活 函数 训练集 准确率/% 预测集 准确率/% 无 420 680 sig 100 84.29 CARS 27 100 sig 91.43 78.57 SPA 9 840 hardlim 100 81.43

表2 不同输入变量下ELM模型判别结果 Table 2 ELM model discrimination results under different input variables

2.2.6 判别模型的优化

由于ELM随机产生输入权值和隐含层阈值, 使得模型预测精度不高且存在泛化能力较差的问题。 因此本文选用遗传算法(genetic algorithm, GA)优化ELM的输入权值和隐含层阈值。 算法参数设定如下: 初始种群规模为30, 最大遗传代数为200, 交叉概率为0.6, 变异概率为0.01。 优化过程如图11。

图11

Fig.11

	Figure Option ViewDownloadNew Window
	图11 GA优化不筛选、 CARS筛选和SPA筛选的ELM模型过程Fig.11 GA optimized ELM model of non-screening, CARS screening and SPA screening

GA优化后的建模效果如表3。 基于紫外-可见光波段不经筛选特征波长的光谱数据建模, 优化后预测集准确率从84.29%上升到87.14%, 其中有6个雌胚被判错, 3个雄胚被判错, 雌性识别率为82.86%, 雄性识别率为91.43%。 以预测集单个样本的平均判别时间作为模型判别时间, 优化后模型判别时间为0.105 ms。 基于紫外-可见光波段CARS筛选的27个特征波长建模, 优化后预测集准确率从78.57%上升到81.43%, 其中有6个雌胚被判错, 7个雄胚被判错, 雌性识别率为82.86%, 雄性识别率为80.00%, 优化后模型判别时间为0.071 ms。 基于紫外-可见光波段SPA筛选的9个特征波长建模, 优化后预测集准确率从81.43%上升到87.14%, 其中有4个雌胚被判错, 5个雄胚被判错, 雌性识别率为88.57%, 雄性识别率为85.71%, 优化后模型判别时间为0.080 ms。

表3

Table 3

表3(Table 3)

表3 GA优化前后ELM模型判别结果的对比 Table 3 Comparison of discriminant results of ELM model before and after GA optimization 筛选 方法 ELM GA-ELM 判别时间 /ms 训练集 准确率/% 错误样本 预测集 准确率/% 错误样本 训练集 准确率/% 错误样本 预测集 准确率/% 错误样本 雌 雄 雌 雄 雌 雄 雌 雄 无 100 0 0 84.29 9 2 100 0 0 87.14 6 3 0.105 CARS 91.43 6 6 78.57 10 5 96.43 2 3 81.43 6 7 0.071 SPA 100 0 0 81.43 8 5 100 0 0 87.14 4 5 0.080

表3 GA优化前后ELM模型判别结果的对比 Table 3 Comparison of discriminant results of ELM model before and after GA optimization

结果表明紫外-可见光波段不经筛选特征波长的GA-ELM模型识别效果和经SPA筛选特征波长的GA-ELM模型相同, 预测集准确率均为87.14%, 表明SPA筛选的特征波长能有效反映360~780 nm波段的信息。 SPA使用的变量数仅占紫外-可见光波段的2.14%, 大大减少了模型输入变量, 因此, 雌雄识别最佳判别模型为紫外-可见光波段经SPA筛选特征波长的GA-ELM模型, 预测集准确率为87.14%, 模型判别时间为0.080 ms。 结果表明紫外-可见光透射光谱技术为孵化早期鸡胚蛋雌雄识别提供了一种可行方法。