使用像素智能的超光谱图像分析和深度学习进行胚胎发育评估和生育检测
Mahdi Ghaderi1, Seyed Ahmad Mireei1, Aminollah Masoumi1
1Department of Biosystems Engineering, College of Agriculture, Isfahan University of Technology, Isfahan 84156-83111, Iran.
Poultry science
|November 8, 2025
概括
超光谱成像 (HSI) 与深度学习相结合,可以准确地检测家禽蛋中的生育和胚胎发育. 这种非破坏性方法提高了家禽生产中的化效率.
科学领域:
- 农业科学 农业科学
- 生物技术是生物技术.
- 图像技术技术的成像技术
背景情况:
- 有效的家禽生产依赖于准确的早期生育能力和胚胎发育评估.
- 评估卵子生育和发育的传统方法往往是破坏性的或劳动密集的.
研究的目的:
- 开发和验证一种非破坏性高光谱成像 (HSI) 系统,用于实时监测家禽卵的生育和胚胎发育.
- 为了比较用于HSI数据分析的各种分类算法的性能.
主要方法:
- 在最初的四个化日内从白色蛋中获取全透光高光谱图像.
- 使用平均光谱进行分类,方法包括SIMCA,LDA,QDA和ANN.
- 使用ANN,随机森林,DNN和CNN进行像素智能分类,以提高准确性和空间可视化.
主要成果:
- 人工神经网络 (ANN) 在胚胎阶段检测方面表现出很高的表现 (F1得分:92.33%).
- 深度神经网络 (DNN) 在像素智能分类中实现了最高阶段歧视 (F1得分:94.95%).
- 与深度学习模型相结合的HSI在化日间 (高达100%的F1分数) 显示出精确的生育检测准确度.
结论:
- 超光谱成像为家禽早期生育能力评估提供了一个有希望的非破坏性方法.
- 像素智能深度学习分类显著提高了生育和胚胎发育监测的准确性和空间分辨率.
- 这种集成的HSI和深度学习方法可以提高商业家禽化场的化效率.
