بررسی کیفیت تخم مرغ محلی از نظر نطفه داری در دوره انبار مانی به کمک طیف سنجی مرئی-فروسرخ نزدیک

تعیین وضعیت نطفه داری تخم مرغ سهم عمده ای در تعیین کیفیت تخم مرغ و محصولات آن دارد، در همین راستا به منظور دستیابی به بهره وری و تولید بیشتر ارزیابی تخم مرغ از لحاظ نطفه دار بودن ضروری و مهم تلقی می گردد. در این راستا، طیف گیری در محدوده ی طیفی nm1100-190 از 130 نمونه تخم مرغ محلی در راستای قطر اصلی به مدت 3 روز در دوره انبار مانی انجام پذیرفت. داده های طیفی حاصل از اسپکترومتر، افزون بر اطلاعات نمونه، شامل اطلاعات ناخواسته و نویز هستند. به همین دلیل، برای دستیابی به مدل های طبقه بندی دقیق، نیاز به پیش پردازش داده های طیفی پیش از تدوین مدل مناسب است. در این راستا، طبقه بند هوشمند شبکه عصبی بر پایه ی اندازه گیری های مرجع و اطلاعات طیف های پیش پردازش شده با ترکیب روش های مختلف هموارسازی، نرمالسازی و افزایش قدرت تفکیک طیفی برای تعیین وجود نطفه در تخم مرغ تدوین شدند. نتایج طبقه بندی در روز صفرم، اول، دوم، انبارمانی با دقت 72.3%،73.1%، 75.5%، و تشخیص به ترتیب ، 86.31، 87.1%، 76 % و حساسیت به ترتیب: 61.83%، 79.63% و 73.3 % بدست آمد.

Investigation of domestic hen Egg quality in terms of Fertilization during storage using Near Infrared Spectroscopy

Determining the status of egg fertilization plays a major role in determining the quality of eggs and their products. In this regard, in order to achieve greater productivity and production, egg evaluation is considered necessary and important in terms of spermatogenesis. In this regard, spectroscopy was performed in the range of 0.01900 nm from 130 local egg samples in the direction of the main diameter for 3 days during the storage period. Spectrum data from spectrometers, in addition to sample information, include unwanted information and noise. For this reason, in order to achieve accurate classification models, it is necessary to process spectral data before developing the appropriate model. In this regard, intelligent neural network classification was developed based on reference measurements and information of preprocessed spectra by combining different methods of smoothing, normalizing and increasing spectral separation power to determine the presence of sperm in the egg. Classification results on day zero, first, second, warehousing with 72.3% accuracy, 73.1%, 75.5%, and detection, 86.31, 87.1%, 76% and sensitivity, respectively: 83 61%, 79.63% and 73.3% were obtained.