現代農業

    美國伊利諾大學香檳分校研究團隊運用近紅外與高光譜影像結合機器學習，建立雞蛋非破壞檢測方法，可於孵化前或孵化早期預測胚胎死亡、判斷胚胎性別，並評估受精狀態、蛋殼強度、厚度與蛋黃比例等性狀。研究顯示，相關技術可作為提升孵化場檢測效率、生物安全與動物福利的參考。
 

孵化場檢測面臨的產業課題

    雞蛋與家禽是全球重要蛋白質來源，因此孵化場的效率、衛生與動物福利一直是產業關鍵。傳統透光檢查雖可用於判斷雞蛋狀態，但耗時且仰賴人工；若死亡胚胎未能及早移除，也可能增加細菌污染與生物安全風險。另一方面，蛋雞產業中的公雛通常在孵化後被淘汰，若能在胚胎階段提前辨識性別，便可減少不必要的撲殺。

高光譜影像如何辨識胚胎狀態

    美國伊利諾大學香檳分校農業與生物工程系（Department of Agricultural and Biological Engineering, University of Illinois Urbana-Champaign）研究團隊以雞蛋影像資料建立非破壞檢測方法。其中，胚胎死亡預測研究收集300顆雞蛋，放入商業孵化器後，於孵化前與孵化第4天拍攝高光譜影像，再以後續發育結果作為標準答案訓練模型；性別判定研究則同樣利用孵化前與孵化早期影像，建立對應公母胚胎的資料庫，讓機器學習模型從影像中學習辨識規律。研究主要使用近紅外與高光譜影像等非破壞性技術，其中近紅外影像可擷取可見光之外的光譜資訊，有助於反映雞蛋內部組成與胚胎狀態。

胚胎辨識模型之準確率

    研究發現，在胚胎死亡預測方面，最佳模型於孵化第4天的準確率最高可達97%。在胚胎性別判定方面，模型於孵化第0天即可達到75%的分類準確率，顯示極早期辨識公母胚胎具有可行性。研究也指出，近紅外光譜較適合用來評估蛋殼強度、厚度與蛋黃比例；若要辨識胚胎死亡與性別，則需要資訊量較高的高光譜影像。

自動化影像判讀流程應用

    此類技術可將原本需要破壞性或高人工成本的檢測，轉為自動化、非破壞且可擴充的影像判讀流程。未來若能進一步結合機械手臂與自動分選系統，孵化場可望在早期分流處理公胚蛋與死亡胚胎蛋，降低生物安全風險，並減少公雛撲殺問題，作為提升孵化場檢測效率與動物福利的參考。相關研究成果已發表於《British Poultry Science》與《Food Control》期刊。


資料來源：農業科技-新脈動
https://agritech-foresight.atri.org.tw/article/contents/6282?Category=trend