מאגר נתוני הדמיה היפרספקטרלית להערכה לא-הרסנית של פוריות ומבנה בביצי עוף

למה חשוב להסתכל בתוך ביצים

ביצים הן אחד המזונות הנפוצים ביותר על פני כדור הארץ, אך חקלאים וחברות מזון עדיין מתמודדים עם שאלות בסיסיות: האם הביצה פורייה לפני שהיא נכנסת לאמבט דגירה? האם הקליפה תישבר במהלך השינוע? כמה חלמון מזין היא מכילה? כיום רבות מהשאלות הללו נפתרות על ידי שבר ביצים או המתנה ימים כדי לראות אם יתפתחו עוברים—שיטות איטיות, מבזבזות ויקרות. מחקר זה מציג מאגר נתוני הדמיה חדש וזמין בפומבי שמאפשר לחוקרים "לראות" בתוכם של אלפי ביצי עוף שלמות באמצעות אור, ובכך לסלול את הדרך לסינון ביצים חכם ולא-הרסני.

להאיר דרך ביצים שלמות

במקום לשבור ביצים לבדיקה, החוקרים השתמשו בטכניקה הנקראת הדמיה היפרספקטרלית, שתופסת לא רק תמונה צבעונית אלא מאות אורך גל של אור החולף דרך הביצה. כל אורך גל נושא מידע עדין על מה שיש בפנים, כמו מים, שומן וחלבונים. הצוות סרק 1,228 ביצים קליפות לבנות באמצעות מערכת מצלמה מיוחדת בחדר חשוך, עם מנורה חזקה מאירה מלמטה והמצלמה מביטה מלמעלה. הסידור אפשר להם לתעד כיצד האור נסע דרך כל ביצה, פיקסל-אחר-פיקסל, בטווח הנראה ותת-אדום קרוב בין 374 ל-1,015 ננומטר.

בניית ספרייה עשירה של תכונות ביצה

כדי להפוך את נתוני ההדמיה לשימושיים באמת, המחברים שילבו כל סריקת ביצה עם מדידות פיזיות קפדניות. הם רשמו ממדים ומשקל בסיסיים, אך גם תכונות מפתח שחשובות לבתי בדייה ולתעשיית המזון: האם הביצה הייתה פורייה לפני הדגירה, כמה עבה וחזקה הקליפה, וכמה שוקל החלמון כשהביצה נפתחה לבסוף. שילוב זה הופך כל ביצה למקרה מתועד היטב: קוביית נתונים תלת-ממדית של מידע אורפי בתוספת ערכי תגיות מהעולם האמיתי. הביצים הגיעו מעדרים מבוקרים שבהם הפוריות הייתה ידועה מראש, והכלים ששימשו למדידות עובי, חוזק ומסה כיולו באופן סדיר, מה שתורם לאמינות ערכי הייחוס.

תבניות החבויות באור

כשצוות החוקרים בדק את חתימות האור מכל הביצים, נוצרו דפוסים ברורים. אורכי גל מסוימים הופיעו כקשורים בחוזקה לפיגמנטים הצובעים את החלמון, לתכולת מים ולאזורים עשירים בחלבון או שומן—תכונות שקשורות הן לתזונה והן לאיכות הקליפה. בנוסף, הביצים הציגו הפצה טבעית במשקל, בגודל, בעובי הקליפה, במסת החלמון ובחוזק הקליפה, המשקפת את הרבגוניות שנמצאת בחוות אמיתיות ולא בדגימות מעבדה אידיאליות. רבגוניות זו יקרה ערך: היא מאתגרת מודלים ממוחשבים לפעול באמינות על סוגים רבים של ביצים במקום להצטיין רק על קבוצה צרה ואחידה.

ללמד מכונות "לקרוא" ביצים

כדי לבדוק עד כמה המאגר שימושי, החוקרים אילפו מודלים של למידת מכונה יחסית פשוטים על נתוני ההיפרספקטרום. מודל אחד ניסה לנבא את מסת החלמון, בעוד שאחר סיווג ביצים כפוריות או לא פוריות לפני הדגירה. גם ללא ייצוא נקודות קצה או שימוש בבינה מלאכותית מתקדמת, מודל הפוריות תייג נכון כ-90% או יותר מהביצים בערכות מבחן עצמאיות, ומודל החיזוי של החלמון נתן אומדנים מדויקים יחסית. תוצאות אלה מרמזות שאלגוריתמים מתוחכמים יותר—כמו למידה עמוקה—יכולים לשפר עוד את הביצועים, וכי המאגר עקבי וחזק דיו לתמוך במאמצים כאלה.

פיתרון חכם לטיפול בביצים

להבין שאינך מומחה, המסר המרכזי פשוט: מאגר פתוח זה מהווה בסיס למכונות שיכולות להסתכל דרך ביצים בלי לשבור אותן. על ידי שיתוף גם של תמונות היפרספקטרליות גולמיות וגם של טבלאות נוחות לשימוש של ספקטרות ומדידות, המחברים נותנים לחוקרים, למהנדסים ולשותפים בתעשייה נקודת התחלה משותפת לפיתוח כלים חדשים. בעתיד כלים כאלה יוכלו למיין אוטומטית ביצים לא פוריות לפני שיגיעו לאמבט דגירה, להפחית בזבוז וזיהום, ולעזור להבטיח חוזק קליפה ותכולת חלמון עקביים—ובכך להוסיף בטיחות, יעילות וצמצום משאבים בייצור הביצים.

ציטוט: Ahmed, M.W., Song, D., Ahmed, M.T. et al. Hyperspectral imaging dataset for non-destructive fertility and structural evaluation of chicken eggs. Sci Data 13, 237 (2026). https://doi.org/10.1038/s41597-026-06556-1

מילות מפתח: הדמיה היפרספקטרלית, איכות ביצה, גילוי פוריות, בדיקה לא-הרסנית, מדעי עופות