AI蛋掃描技術可於孵化前判斷胚胎存活、性別與蛋品性狀
164
文章來源 : 農業科技決策資訊平台 2026-08-05
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。
3 則留言
