Гиперспектральный набор данных для неразрушающей оценки плодовитости и структуры куриных яиц

Почему важно заглядывать внутрь яиц

Яйца — один из наиболее распространённых продуктов питания в мире, но фермеры и пищевые компании по-прежнему сталкиваются с базовыми вопросами: является ли яйцо плодовитым до помещения в инкубатор? Не треснет ли его скорлупа при транспортировке? Сколько питательного желтка оно содержит? Сегодня на многие из этих вопросов отвечают, разбив яйцо или дождавшись дней, чтобы увидеть развитие — методы медленные, расточительные и дорогие. В этом исследовании представлен новый общедоступный набор изображений, который позволяет исследователям «видеть» внутри тысяч целых куриных яиц с помощью света, прокладывая путь к более умным неразрушающим методам сортировки.

Просвечивание целых яиц

Вместо того чтобы разбивать яйца для осмотра, исследователи применили метод, называемый гиперспектральной визуализацией, который фиксирует не просто цветное изображение, а сотни дли волн света, проходящего через яйцо. Каждая длина волны несёт тонкую информацию о содержимом — например, о воде, жирах и белках. Команда просканировала 1 228 яиц с белой скорлупой с помощью специализированной камеры в затемнённой комнате, при мощном источнике света снизу и камере, смотрящей сверху. Установка позволяла регистрировать, как свет проходил через каждое яйцо, пиксель за пикселем, в видимом и ближнем инфракрасном диапазоне от 374 до 1 015 нанометров.

Создание богатой библиотеки характеристик яиц

Чтобы сделать данные съёмки действительно полезными, авторы сопоставили каждое сканирование с тщательными физическими измерениями. Они зафиксировали базовые параметры — размер и вес, а также ключевые характеристики, важные для инкубаторов и пищевой промышленности: была ли яйцо плодовитым до инкубации, насколько толстая и прочная скорлупа и какова масса желтка после вскрытия яйца. Такое сочетание превращает каждое яйцо в тщательно задокументированный случай: трёхмерный куб данных света плюс набор реальных меток. Яйца поступали из контролируемых стаек, где плодовитость была известна заранее, а приборы для измерения толщины, прочности и массы регулярно калибровались, что помогает обеспечить надёжность эталонных значений.

Шаблоны, скрытые в свете

При анализе световых сигнатур всех яиц обнаруживались чёткие закономерности. Определённые длины волн тесно связывались с пигментами, окрашивающими желток, с содержанием воды и с областями, богатыми белком или жиром — признаками, связанными как с пищевой ценностью, так и с качеством скорлупы. Яйца также демонстрировали естественную вариативность в весе, размере, толщине скорлупы, массе желтка и прочности скорлупы, отражая разнообразие, характерное для реальных ферм, а не идеализированных лабораторных образцов. Эта вариативность ценна: она ставит задачу перед компьютерными моделями работать надёжно для множества типов яиц, а не показывать хорошие результаты лишь на узком однородном наборе.

Обучение машин «читать» яйца

Чтобы проверить полезность набора данных, исследователи обучили относительно простые модели машинного обучения на гиперспектральных данных. Одна модель пыталась предсказать массу желтка, а другая классифицировала яйца как плодовитые или неплодовитые до инкубации. Даже без удаления выбросов и без применения продвинутых методов искусственного интеллекта модель для определения плодовитости правильно маркировала около 90 % и более яиц на независимых тестовых выборках, а модель предсказания массы желтка дала достаточно точные оценки. Эти результаты указывают на то, что более сложные алгоритмы — например, глубокое обучение — могут ещё повысить качество, а набор данных достаточно согласован и надёжен, чтобы поддерживать такие усилия.

Открытие дорогу к более умной обработке яиц

Для неспециалистов основной вывод прост: этот открытый набор данных представляет собой основу для систем, способных просматривать яйца, не разбивая их. Предоставляя как необработанные гиперспектральные изображения, так и удобные таблицы спектров и измерений, авторы дают исследователям, инженерам и промышленным партнёрам общую отправную точку для разработки новых инструментов. В будущем такие инструменты смогут автоматически отсортировывать неплодовитые яйца до их помещения в инкубатор, сокращать отходы и загрязнение и помогать гарантировать стабильную прочность скорлупы и содержание желтка — делая производство яиц безопаснее, эффективнее и менее ресурсоёмким.

Цитирование: 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

Ключевые слова: гиперспектральная визуализация, качество яиц, выявление плодовитости, неразрушающий контроль, птицеводство