Разработка нового метода оценки эмбрионов в яйце птицы до его инкубации

Сформулированы и обоснованы требования к методам определения пола эмбриона в яйце в соответствии с ужесточением ранее принятых норм отбраковки петушков при инкубации. Проведен анализ новых разрабатываемых методов определения и отбраковки эмбрионов яиц в течение 7 дней их инкубации, описаны их преимущества и недостатки. Выявлены два неинвазивных метода, которые имеют определенную перспективу коммерческого внедрения в отрасль птицеводства (инфракрасная спектроскопия и компьютерное зрение). Цель исследования – определить возможности неинвазивного метода определения пола эмбриона в яйце до инкубации на основании интеллектуального анализа предложенных морфометрических признаков яйца птицы. Впервые разработан метод определения полового диморфизма, основанный на анализе параметров асимметрии яйца по трем пространственным координатам, определяемым методами компьютерного зрения с применением машинного обучения. Разработана экспериментальная установка оценки жизнеспособности и создание необходимых условий для проведения инкубации и вывода цыплят для подтверждения осуществления предлагаемого метода. В состав ее входят smart инкубатор «Умная наседка», брудер, тепловизионная микрокамера ТЕ-Q1, маслонаполненный радиатора POLARIS модели PRE T 0915, увлажнитель воздуха Ergopower ER 604, бактерицидный облучатель-рециркулятор воздуха DEFENDER 2-15С, термогигрометр RGK TH-30 и ноутбук. При получении изображений в установке использован цифровой фотоаппарат Canon EOS 2000D EF-S 18-55 III Kit с современной CMOS-матрицей (22,3 × 14,9 мм) и мощным процессором. Геометрическую пространственную цифровую модель каждого яйца программным путем искусственно разбивали на множество элементов, по которым определяли асимметрию формы яйца. При этом по измеренным линейным размерам каждого элемента определяли их индексы формы, площадь, объем и периметр. Проведена инкубация 72 оплодотворенных яиц курицы кросса Dekalb White. После инкубации удалось достоверно определить пол 38 цыплят. Применение методов машинного обучения при решении задач бинарной классификации для малой выборки (38) с большой размерностью исходного набора признаков позволило получить три окончательные модели со значением точности метрик достоверности AUC = 73–72% и F1 = 69–72%: Random Forest классификатор с 4 оценщиками и максимальной глубиной 3; классификатор случайного леса с 10 оценщиками и максимальной глубиной 5 и классификатор AdaBoost с 4 оценщиками дерева решений и максимальной глубиной 3. Экспериментальное подтверждение взаимосвязи асимметрии формы яйца с его половым диморфизмом позволит приблизиться к решению мировой научной проблемы достоверного определения пола яйца до инкубации.

1. Khaliduzzaman A., Fujitani S., Kondo N., Ogawa Y., Fujiura T., Suzuki T., Kashimori A., Syduzzaman M., Rahman A. Non-invasive cha racterization of chick embryo body and cardiac movements using near infrared light // Engineering in Agriculture, Environment and Food. 2018. Vol. 12. P. 32–39. DOI: 10.1016/j.eaef.2018.09.002.

2. Corion M., Keresztes J., De Ketelaere B., Saeys W. In ovo sexing of eggs from brown breeds with a gender-specific color using visible-near-infrared spectroscopy: effect of incubation day and measurement configuration // Poultry Science. 2022. Vol. 101. Is. 5. P. 101782. DOI: 10.1016/j.psj.2022.101782.

3. Алейников А.Ф. Методы неинвазивной оценки полового диморфизма эмбрионов в яйце птицы // Сибирский вестник сельскохозяйственной науки. 2022. Т. 52. № 5. С. 105–116. DOI: 10.26898/0370-8799-2022-5-13.

4. Zhu Z.H., Hong Q., Wu L.F., Wang Q.H., Mai M.H. Early identification of male and female embryos based on UV/Vis transmission spectroscopy and extreme learning machine // Spectroscopy and Spectral Analysis. 2019. Vol. 39. P. 2780–2787.

5. Zhu Z.H., Ye Z.F., Тан Y. Non-destructive identification for gender of chicken eggs based on GA-BPNN with double hidden layers // Journal of Applied Poultry Research. 2021. Vol. 30. Is. 4. P. 100203. DOI: 10.1016/j.japr.100203.

6. Xie C., Tang W., Yang C. A review of the recent advances for the in ovo sexing of chicken embryos using optical sensing techniques // Poultry Science. 2023. Vol. 102. Is. 10. P. 102906. DOI: 10.1016/j.psj.2023.102906.

7. Galli R., Preusse G., Schnabel C., Bartels T., Cramer K., Krautwald-Junghanns M.-E., Koch E., Steiner G. Sexing of chicken eggs by fluorescence and Raman spectroscopy through the shell membrane // PLoS ONE. 2018. Vol. 13. Is. 2. P. 0192554. DOI: 10.1371/journal.pone.0192554.

8. Krautwald-Junghanns M-E., Cramer K., Fischer B., Förster A., Galli R., Kremer F., Mapesa E.U., Meissner S., Preisinger R., Preusse G., Schnabel C., Steiner G., Bartels T. Current approaches to avoid the culling of day-old male chicks in the layer industry, with special reference to spectroscopic methods // Poultry Science. 2018. Vol. 97. Is. 3, 1. P. 749–757. DOI: 10.3382/ps/pex389.

9. Preuße G., Porstmann T., Bartels T., Schnabel C., Galli R., Koch E., Oelschlägel M., Uckermann G. Steiner Highly sensitive and quick in ovo sexing of domestic chicken eggs by two-wavelength fluorescence spectroscopy // Analytical and Bioanalytical Chemistry. 2023. Vol. 415. Р. 603–613.

10. Ching C.T.S., Wang C.-K., Li C., Chiu H.-N. Bio-impedance-measurement-based non-invasive method for in ovo chicken egg sexing // Biosensors. 2023. Vol. 13. Is. 4. P. 440. DOI: 10.3390/bios130404402023.

11. Asil U., Nasibov E. Sex detection in the early stage of fertilized chicken eggs via image recognition International // Journal of Computer Science and Information Technoloqy. 2023. Vol. 15. N 2. P. 15202. DOI: 10.5121/ijcsit.2023.15202.

12. Toksoz C., Albayrak M., Yasar H. Chicken egg sexing by using data mining process // Fresenius Environmental Bulletin. 2021. Vol. 30. Is. 2. P. 1373–1381.

13. Rosandić M., Vlahović I., Paara V. Novel look at DNA and life – Symmetry as evolutio nary forcing // Journal of Theoretical Biology. 2019. Vol. 483. P. 109985. DOI: 10.1016/j.jtbi.2019.08.016.

14. De Oliveira-Boreli F.P., Pereira D.F., Alencar Gonçalves J., Da Silva V.Z., De Alencar Nääs I. Non-destructive assessment of hens' eggs quality using image analysis and machine learning // Smart Agricultural Technology. 2023. Vol. 4. P. 100161. DOI: 10.1016/j.atech.2022.100161.

15. Aleynikov A., Osipenko I. Information techno logy for culling poultry eggs before incubation based on gender // E3S Web of Conferences. 2023. Vol. 390. P. 03005. DOI: 10.1051/e3sconf/202339003005.

16. Zhang Y., Wang H., Cheng Y., Qin X. pyCLAMs: An integrated Python toolkit for classifiability analysis // SoftwareX. 2022. Vol. 18. P. 101007. DOI: 10.1016/j.softx.2022.101007.

17. Debie E., Shafi K. Implications of the curse of dimensionality for supervised learning classifier systems: Theoretical and empirical analyses // Pattern Analysis and Applications. 2019. Vol. 22. Is. 2. P. 519–536. DOI: 10.1007/s10044-017-0649-0.