En banbrytande studie har upptäckt ett revolutionerande sätt att klassificera befruktade och obefruktade ägg inom äggproduktion med hjälp av maskininlärning och hyperspektral avbildning. Det här innovativa tillvägagångssättet har potentialen att markant förbättra kläckningsgraden och minska slöseriet av obefruktade ägg.
Studien involverade 227 ägg från Leghorn-hönor, och strikta kontroller genomfördes för att säkerställa att den enda variabeln var närvaron av en embryo. Ett hyperspektralt bildsystem fångade spektralbilder inom 400-1000 nm-området, vilka senare begränsades till 500-950 nm för att optimera processen.
För att bearbeta och analysera bilderna använde forskarna MATLAB, tillsammans med olika förbehandlingsmetoder och verktyg för maskininlärning. Metoder som Soft Independent Modelling of Class Analogy (SIMCA), Linear Discriminant Analysis (LDA), Quadratic Discriminant Analysis (QDA) och Artificial Neural Network (ANN) jämfördes för att klassificera äggen baserat på befruktning. Detta har traditionellt varit en utmaning på grund av svårigheten att detektera de inledande utvecklingsstadierna med konventionella metoder som till exempel ljusning.
Konsekvenserna av denna tekniska genombrott för äggproduktionsindustrin är enorma. För närvarande kläcks miljarder obefruktade ägg årligen, vilket leder till ekonomiska förluster, energiineffektivitet och potentiell kontaminering. Användningen av hyperspektral överföringsavbildning erbjuder en kostnadseffektiv lösning för att identifiera obefruktade ägg innan de ens kommer in i kläckningsprocessen. Detta sparar inte bara resurser och minskar kostnaderna för äggproducenter, utan förbättrar också den övergripande effektiviteten och minskar miljöpåverkan.
Denna studie visar inte bara potentialen med spektralanalys inom äggproduktionen, utan betonar också den betydande roll som tekniken spelar för att förvandla jordbrukssektorn. När tekniken fortsätter att utvecklas kan vi förvänta oss fler innovativa lösningar som leder till betydande förbättringar inom olika områden av jordbruket och lantbrukspraxis.
