Conjunto de dados de imageamento hiperespectral para avaliação não destrutiva da fertilidade e da estrutura de ovos de galinha

Por que é importante olhar dentro dos ovos

Os ovos estão entre os alimentos mais comuns do planeta, mas produtores e empresas alimentícias ainda enfrentam perguntas básicas: um ovo é fértil antes de ser colocado em uma incubadora? A casca vai quebrar durante o transporte? Quanto de gema nutritiva ele contém? Hoje, muitas dessas perguntas são respondidas quebrando os ovos ou aguardando dias para ver se se desenvolvem — métodos lentos, desperdiçadores e caros. Este estudo apresenta um novo conjunto de dados de imageamento de acesso aberto que permite aos pesquisadores “ver” dentro de milhares de ovos de galinha intactos usando luz, ajudando a abrir caminho para triagens mais inteligentes e não destrutivas.

Fazendo a luz atravessar ovos inteiros

Em vez de quebrar os ovos para inspecioná-los, os pesquisadores usaram uma técnica chamada imageamento hiperespectral, que captura não apenas uma imagem colorida, mas centenas de comprimentos de onda da luz que atravessam o ovo. Cada comprimento de onda traz informações sutis sobre o que há dentro, como água, gordura e proteínas. A equipe escaneou 1.228 ovos de casca branca com um sistema de câmera especializado em uma sala escura, com uma lâmpada intensa iluminando por baixo e a câmera apontando de cima. A configuração permitiu registrar como a luz viajava por cada ovo, pixel a pixel, na faixa do visível e do infravermelho próximo, de 374 a 1.015 nanômetros.

Construindo uma biblioteca rica de características dos ovos

Para tornar os dados de imageamento realmente úteis, os autores parearam cada varredura de ovo com medições físicas cuidadosas. Registraram tamanho e peso básicos, mas também traços-chave que interessam a incubatórios e à indústria alimentícia: se o ovo era fértil antes da incubação, quão espessa e resistente era a casca, e quão pesada era a gema quando o ovo foi finalmente aberto. Essa combinação transforma cada ovo em um caso bem documentado: um cubo de dados tridimensional de informações de luz além de um conjunto de rótulos do mundo real. Os ovos vieram de lotes controlados onde a fertilidade era conhecida de antemão, e os instrumentos usados para espessura, resistência e massa foram regularmente calibrados, ajudando a garantir que os valores de referência sejam confiáveis.

Padrões ocultos na luz

Quando a equipe examinou as assinaturas de luz de todos os ovos, surgiram padrões claros. Certos comprimentos de onda estavam fortemente ligados a pigmentos que colorem a gema, ao conteúdo de água e a regiões ricas em proteínas ou gorduras — características relacionadas tanto à nutrição quanto à qualidade da casca. Os ovos também apresentaram uma variação natural em peso, tamanho, espessura da casca, massa da gema e resistência da casca, refletindo a diversidade encontrada em fazendas reais em vez de amostras idealizadas de laboratório. Essa diversidade é valiosa: desafia os modelos computacionais a funcionarem de forma confiável em muitos tipos de ovos, em vez de se destacarem apenas em um conjunto estreito e uniforme.

Ensinando máquinas a ler ovos

Para testar a utilidade do conjunto de dados, os pesquisadores treinaram modelos de aprendizado de máquina relativamente simples com os dados hiperespectrais. Um modelo procurou prever a massa da gema, enquanto outro classificou ovos como férteis ou inférteis antes da incubação. Mesmo sem descartar outliers ou usar inteligência artificial avançada, o modelo de fertilidade rotulou corretamente cerca de 90% ou mais dos ovos em conjuntos de teste independentes, e o modelo de previsão da gema produziu estimativas razoavelmente precisas. Esses resultados sugerem que algoritmos mais sofisticados — como aprendizado profundo — poderiam elevar ainda mais o desempenho, e que o conjunto de dados é consistente e robusto o suficiente para suportar tais esforços.

Abrindo a porta para um manejo de ovos mais inteligente

Para não especialistas, a mensagem principal é direta: este conjunto de dados aberto é uma base para máquinas que podem olhar através dos ovos sem quebrá-los. Ao compartilhar tanto as imagens hiperespectrais brutas quanto tabelas fáceis de usar de espectros e medições, os autores oferecem a pesquisadores, engenheiros e parceiros da indústria um ponto de partida comum para desenvolver novas ferramentas. No futuro, tais ferramentas poderiam separar automaticamente ovos inférteis antes mesmo de entrarem em uma incubadora, reduzir desperdício e contaminação, e ajudar a garantir consistência na resistência da casca e no conteúdo da gema — tornando a produção de ovos mais segura, eficiente e com menor consumo de recursos.

Citação: 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

Palavras-chave: imageamento hiperespectral, qualidade do ovo, detecção de fertilidade, ensaios não destrutivos, ciência avícola