胚蛋雌雄识别一直是家禽业发展的瓶颈问题, 在禽肉生产过程中倾向于养殖雄性个体, 而禽蛋生产产业倾向于养殖雌性家禽。 若能在孵化过程中较早鉴别出种蛋的雌雄, 不仅能够降低家禽孵化产业的成本, 还能够提高禽蛋和禽肉生产行业的经济效益。 该文以种鸭蛋为研究对象, 为了在种鸭蛋孵化早期实现对种蛋的雌雄识别, 构建了可见/近红外透射光谱信息采集系统, 在200～1 100 nm的波长范围内采集了345枚孵化了0~8 d的种鸭蛋光谱数据。 搭建了适用于种鸭蛋光谱信息的6层卷积神经网络（convolutional neural network, CNN）, 其中包括输入层、 3个卷积层、 全连接层与输出分类层。 卷积层可以提取光谱中的有效信息, 全连接层通过对卷积层提取的局部特征进行整合供输出层分类决策。 另外在卷积神经网络中引入局部响应归一化和dropout操作能够加快网络的收敛速度。 利用该卷积神经网络构建鸭胚雌雄信息识别网络, 通过对比与分析不同孵化天数的识别效果, 发现孵化7d的识别效果最佳。 随后将孵化7 d的种鸭蛋原始光谱数据进行噪声去除, 选取500~900 nm波段用于后续的特征波长选取和建模。 分别运用了竞争性自适应重加权算法(CARS)、 连续投影算法( SPA)与遗传算法(GA)选择能够区分鸭胚性别的波长点, 将选取的特征波长转换为二维的光谱信息矩阵, 二维光谱信息矩阵保留了一维光谱的有效信息, 同时极大地方便了与卷积神经网络的结合。 利用二维光谱信息矩阵和卷积神经网络相结合, 实现孵化早期阶段鸭胚的雌雄识别。 经检验, 基于 SPA算法和CNN网络建立的模型效果较佳, 其中训练集、 开发集及测试集的准确率分别为93.36%, 93.12%和93.83%; 基于GA算法和CNN网络建立的模型效果次之, 训练集、 开发集及测试集的准确率分别为90.87%, 93.12%和86.42%; 基于CARS算法和CNN网络建立的模型的训练集、 开发集及测试集的准确率分别为84.65%, 83.75%和77.78%。 研究结果表明基于可见/近红外光谱技术和卷积神经网络可以实现孵化早期鸭胚胎雌雄的无损鉴别, 为后续相关自动化检测装置的研发提供了技术支撑。

为了对鸡种蛋胚胎进行雌雄识别, 探究利用紫外-可见-近红外透射光谱进行鸡胚雌雄识别的可行性, 搭建了鸡种蛋透射光谱检测系统, 采用横向和竖向大头朝上2种放置方式获取210枚鸡种蛋孵化0~15 d的光谱, 光谱范围为360~1 000 nm。 构建极限学习机（ELM）鸡胚雌雄识别模型, 通过比较不同放置方式和孵化天数下模型的识别准确率, 发现竖向放置且孵化第7 d的识别效果最好; 将竖向放置孵化第7 d的光谱初步分为紫外（360~380 nm）、 可见光（380~780 nm）、 近红外（780~1 000 nm）、 紫外-可见光（360~780 nm）和全波段（360~1 000 nm）5个不同的波段范围来分析, 预测集准确率分别为8286%, 7714%, 7571%, 8429%和8143%, 筛选出360~780 nm的紫外-可见光波段为有效波段; 在紫外-可见光（360~780 nm）波段, 采用多元散射校正（MSC）去噪, 并用竞争性自适应重加权采样算法（CARS）和连续投影算法（SPA）筛选特征波长降维, 建立不经筛选特征波长、 CARS筛选特征波长和SPA筛选特征波长的3种ELM模型。 其中不经筛选特征波长的ELM模型识别效果最好, 但输入变量最多, 隐含层神经元为680且激活函数为sig时, 预测集准确率为8429%。 SPA筛选特征波长的ELM模型识别效果次之, 输入变量有9个, 隐含层神经元为840且激活函数为hardlim时, 预测集准确率为8143%。 CARS筛选特征波长的ELM模型识别效果最差, 输入变量有27个, 隐含层神经元为100且激活函数为sig时, 预测集准确率为7857%; 用遗传算法（GA）优化ELM模型的权值变量和隐含层阈值, 不经筛选特征波长建立的GA-ELM模型, 预测集准确率为8714%, SPA筛选特征波长建立的GA-ELM模型, 预测集准确率为8714%, CARS筛选特征波长建立的GA-ELM模型, 预测集准确率为8143%。 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, 表明SPA筛选的特征波长变量能够有效反映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%, 因此, 雌雄识别最佳模型为紫外-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%, 其中, 雌性识别率为8857%, 雄性识别率为8571%, 单个样本平均判别时间0080 ms。 结果表明紫外-可见透射光谱技术和ELM模型为孵化早期鸡胚蛋雌雄识别提供了一种可行方法。

采用激光诱变的方法已经成功的培育出无核(少核)沙田柚,我们采用德国产Leica DMLB生物显微镜MPS60照相系统对采摘回的花蕊(经生物技术处理)进行拍照,与未经激光处理的对照组做比较,分析了雌雄配子体发育过程,对无核果作用机理研究提供参考.