构建蛋黄体积-蛋黄重量模型的方法和蛋黄比例预测方法

本发明涉及蛋品质无损检测技术，特别涉及一种构建蛋黄体积-蛋黄重量模型的方法和蛋黄比例预测方法。

背景技术：

1、品种选育对于产业发展而言至关重要。以家禽鸡为例，每一只种鸡处于繁育金字塔的塔尖，从纯代鸡种繁育到祖代、父母代再到商品代的蛋鸡，有1:24万倍的放大效应，即纯代鸡种的选育对后代有巨大影响。

2、蛋黄比例指蛋黄重量占全蛋重量的百分比，不同鸡种所产鸡蛋的蛋黄比例具有显著的差异。研究表明，蛋黄比例的遗传力为中等,数值大约在0.2～0.4之间，通过对蛋黄比例的选择，能够同时实现对蛋黄和蛋重的选择，从而进行品种选育。

3、传统蛋黄比例的测定需要在测量全蛋重后将鸡蛋打破，去除蛋白和系带，测定蛋黄重量，计算蛋黄占整个蛋重的百分比，传统做法既费时又费力，检测效率低下。打破的鸡蛋也无法完整销售，造成浪费，仅适用于抽样检查，在生产上很难得到应用。

技术实现思路

1、为克服现有技术中存在的缺陷，本发明提供了一种构建蛋黄体积-蛋黄重量模型和蛋黄比例预测方法，所述方法基于mri(magnetic resonance imaging，核磁共振成像)技术，通过三维扫描和建模技术，构建蛋黄体积-蛋黄重量回归预测模型，通过蛋黄体积准确预测蛋黄重量，实现了蛋黄比例的无损检测，在检测过程中无需破坏鸡蛋，提高了检测效率和准确性，所采用的mri扫描技术对种蛋的孵化率和健雏率无明显影响，无损检测后的种蛋可继续正常孵化或用于销售，本方法在种鸡选育方向具有巨大的经济潜力。

2、为实现上述目的，本发明第一方面提供了一种构建蛋黄体积-蛋黄重量模型的方法，

3、所述蛋黄体积-蛋黄重量模型用于根据蛋黄体积预测蛋黄重量，构建步骤如下：

4、物理测定：通过物理称重得到鸡蛋样本的全蛋重量和蛋黄重量检测值；所述鸡蛋样本分为训练集样本和验证集样本；

5、图像采集：采用核磁共振成像系统对所述鸡蛋样本进行扫描，输出鸡蛋的图像数据；

6、参数测定：对所述鸡蛋的图像数据中的蛋黄和蛋白进行分割，得到蛋黄体积值；

7、模型构建：对所述训练集样本的所述蛋黄体积值和所述蛋黄重量检测值进行相关性分析，根据相关性分析结果，进行回归分析，得到蛋黄体积-蛋黄重量模型；

8、模型验证：使用所述验证集样本对所述蛋黄体积-蛋黄重量模型进行验证，获得验证结果，若所述验证结果满足预设条件，则确定所述蛋黄体积-蛋黄重量模型为最终输出模型。

9、在一种可能的实现中，所述图像采集步骤为采用1.5t核磁共振成像系统，选择t2加权图像对样本进行矢状面的t2序列扫描，输出dicom格式的所述鸡蛋的图像数据；扫描参数为：tr＝1600ms，te＝272ms，体素0.63mm×0.63mm×0.63mm，翻转角20度，矩阵256×192，视野160mm×160mm，层厚8mm，扫描时间为20-40min。

10、在一种可能的实现中，所述参数测定步骤中，使用图像数据可视化软件3d slicer对所述鸡蛋的图像数据中的所述蛋黄和所述蛋白进行分割；对所述鸡蛋的图像数据中的所述蛋黄和所述蛋白进行分割是通过调节volumes体数据改变图片的灰度，再设定阈值对所述蛋黄进行分割，最后生成所述蛋黄的3d结构图实现。

11、在一种可能的实现中，所述模型构建步骤中，采用数据分析软件spss statistics对所述训练集样本的所述蛋黄体积值和所述蛋黄重量检测值进行pearson相关性分析，当r≥0.7时，判定两个变量间高度相关，进行回归分析。

12、在一种可能的实现中，所述模型构建步骤中，所述蛋黄体积-蛋黄重量模型为一元线性回归方程，

13、一元线性回归方程为：y＝a+bx

14、其中a表示基于样本数据确定的常数项；b表示方程的回归系数；x表示蛋黄体积值；y表示蛋黄重量；

15、一元线性回归方程的决定系数r2在0.7-1之间时，判定为蛋黄体积值x显著预测蛋黄重量y。

16、在一种可能的实现中，所述模型验证步骤选自下列中的一个或多个：

17、拟合度判断，将所述验证集样本的所述蛋黄体积值输入所述蛋黄体积-蛋黄重量模型得到蛋黄重量预测值，若r2在0.7-1之间，mre≤5％，则确定所述蛋黄体积-蛋黄重量模型为所述最终输出模型；

18、和/或，

19、秩相关分析，将所述验证集样本的所述蛋黄体积值输入所述蛋黄体积-蛋黄重量模型得到蛋黄重量预测值，对所述蛋黄重量预测值与所述蛋黄重量检测值进行秩相关分析，若秩相关系数r≥0.7，则确定所述蛋黄体积-蛋黄重量模型为所述最终输出模型；

20、和/或，

21、绘制散点图，将所述验证集样本的所述蛋黄体积值输入所述蛋黄体积-蛋黄重量模型得到蛋黄重量预测值，根据所述蛋黄重量预测值和所述蛋黄重量检测值绘制散点图，若大于预设数量的数据点紧密围绕直线y＝x分布，则确定所述蛋黄体积-蛋黄重量模型为所述最终输出模型；

22、和/或，

23、绘制残差图，将所述验证集样本的所述蛋黄体积值输入所述蛋黄体积-蛋黄重量模型得到蛋黄重量预测值，根据所述蛋黄重量预测值和所述蛋黄重量检测值绘制残差图，若所述残差图显示随机分布且均匀分布在0线周围，则确定所述蛋黄体积-蛋黄重量模型为所述最终输出模型。

24、在一种可能的实现中，基于构建蛋黄体积-蛋黄重量模型的方法得到的蛋黄体积-蛋黄重量模型。

25、在一种可能的实现中，基于构建蛋黄体积-蛋黄重量模型的方法得到的蛋黄体积-蛋黄重量模型在蛋黄比例预测方面的应用。

26、本技术第二方面提供一种蛋黄比例预测方法，包括如下步骤：

27、图像采集，采用核磁共振成像系统，对待测鸡蛋进行扫描，输出图像数据；

28、参数测定，对所述图像数据中的蛋黄和蛋白进行分割，得到所述待测鸡蛋的蛋黄体积值；

29、模型预测，将所述蛋黄体积值输入权利要求1至8中任一项所述的构建蛋黄体积-蛋黄重量模型的方法构建的蛋黄体积-蛋黄重量模型，得到蛋黄重量的预测值；

30、预测蛋黄比例，将所述蛋黄重量的预测值比上全蛋重量，得到蛋黄比例的预测值。

31、在一种可能的实现中，所述全蛋重量是通过物理称重得到的检测值。

32、本发明的有益效果：

33、(1)无损检测蛋黄比例。通过mri三维扫描和建模技术，实现了无损检测鸡蛋蛋黄比例，避免了传统方法中破坏鸡蛋的必要，提高了检测效率和准确性。

34、(2)利用mri技术来无损检测鸡蛋蛋黄比例,鸡蛋内部的不同组分在mri扫描中显示出不同的弛豫信号强度，使得能够清晰地识别蛋黄和蛋白，从而实现了对蛋黄比例的准确评估。

35、(3)本发明构建了蛋黄重量的预测模型，通过蛋黄体积准确估算蛋黄重量，并通过验证证实了预测结果的准确性，表明构建蛋黄体积-蛋黄重量模型的方法和蛋黄比例预测方法具有较高的可行性和准确性。

36、(4)经试验验证和其他文献资料的支持，mri扫描种蛋对种蛋的孵化率和健雏率无显著影响。因此，本方法无损检测后的种蛋可以继续正常孵化或用于销售，这对种鸡育种具有显著的经济效益。据育种金字塔模型，从纯系到商品代的比例可达1:24万倍的放大效应，表明本方法对种鸡选育具有巨大的经济潜力。