技术特征：
1.一种基于可见/近红外光谱的禽蛋检测装置，其特征在于，所述装置包括：检测暗箱(9)，所述检测暗箱(9)为封闭式不透光箱体；光源(8)，所述光源(8)设于所述检测暗箱(9)内部；载物台(3)，所述载物台(3)中间设圆形通孔，所述载物台(3)位于所述检测暗箱(9)内部，所述通孔位于所述光源(8)的正上方；温度检测模块，所述温度检测模块由温度传感器(7)和用于处理所述温度传感器(7)传输信号的下位机控制板组成，所述温度传感器(7)设于所述通孔旁且位于所述检测暗箱(9)内；光探头(4)，所述光探头(4)设于所述通孔上方且位于所述检测暗箱内部；所述光探头(4)内部装有聚焦透镜；支架(5)，所述支架(5)一端与所述光探头(4)相连、另一端固定于所述检测暗箱(9)内上壁；所述支架(5)用于调节所述光探头(4)在垂直方向上的位置，和/或在水平方向上的位置，和/或所述光探头(4)相对于所述载物台(3)的角度；散热装置(2)，所述散热装置(2)设于所述检测暗箱(9)内部且位于所述光源(8)旁；和电源(1)，所述电源(1)为所述光源(8)、所述下位机控制板和所述散热装置(2)供电。2.如权利要求1所述的基于可见/近红外光谱的禽蛋检测装置，其特征在于：还包括光信号传感器(10)和光纤(6)；所述光纤(6)一端连接所述光探头(4)、另一端连接所述光信号传感器(10)；和/或，所述光信号传感器(10)检测波段包含200～2500nm波段，或包含200～2500nm波段内的单波长点或200～2500nm波段内的部分波段及其组合。3.如权利要求1或2所述的基于可见/近红外光谱的禽蛋检测装置，其特征在于：还包括计算机，用于处理所述光信号传感器(10)传输的信号和所述下位机控制板传输的温度数据，并得出检测结果。4.如权利要求3所述的基于可见/近红外光谱的禽蛋检测装置，其特征在于：还包括数据线2根，其中一根连接所述光信号传感器(10)和所述计算机，用于将所述光信号传感器收集的信号传输至计算机，另一根连接所述下位机控制板和计算机，用于将所述下位机控制板的温度数据传输至计算机。5.如权利要求1所述的基于可见/近红外光谱的禽蛋检测装置，其特征在于：所述检测暗箱(9)的内壁反光性能低，和/或，所述检测暗箱(9)的内壁为黑色；和/或，所述光源(8)为卤素灯，所述光源(8)的发光波段包含200～2500nm波段，或包含200～2500nm波段内的单波长点或200～2500nm波段内的部分波段及其组合；和/或，所述载物台(3)由上下两层板制成，下层为金属平板，上层为遮光海绵；和/或，所述通孔的大小是可调节的；和/或，所述散热装置(2)用于对载物台(3)下光源(8)进行散热，所述散热装置(2)为散热风扇；和/或，所述光纤的芯材质为石英，传输波段为200～2500nm；和/或，所述通孔、所述光源(8)和所述光探头(4)的中心位于一条竖直线上。6.一种基于可见/近红外光谱的禽类无精蛋检测方法，包括如下步骤：通过对品种相同和发育时间相同、或品种相同和孵化时间相同的禽蛋作为训练样本的可见/近红外光谱数据进行不同的预处理后获得不同的数据集，使用不同的定性分析方法建立不同的判断所述禽蛋受精结果的数学模型；将与所述训练样本的品种相同和发育时间相同、或品种相同和孵化时间相同的验证样本的可见/近红外光谱数据进行所述不同的预处理后，代入相应的所述数学模型中，得出不同的预测受精结果，将该不同的预测受精结果与验证样本的实测受精结果进行比较，将最接近实测受精结果的所述预测受精结果所使用的数学模型确定为最佳数学模型；将所述最佳数学模型用于检测与所述训练样本的品种相同和发育时间相同、或品种相同和孵化时间相同的待测禽蛋的受精结果；所述受精结果为受精蛋或无精蛋。7.如权利要求6所述的基于可见/近红外光谱的禽类无精蛋检测方法，其特征在于，所述基于可见/近红外光谱的禽类无精蛋检测方法包括如下步骤：R1数学模型的建立：R11训练样本的光谱数据采集及受精结果数据统计：取品种相同和发育时间相同、或品种相同和孵化时间相同的若干个禽蛋作为训练样本，采集其可见/近红外光谱，获得所述训练样本的光谱数据集A；统计所述训练样本的受精结果，获得所述训练样本的受精结果数据集S；所述受精结果为受精蛋或无精蛋；R12训练样本的光谱数据的预处理：将所述光谱数据集A进行不同的预处理后，获得不同数据集A1、A2、A3、……和Ai；所述Ai为经过不同的所述预处理得到的不同数据集；所述i为不同的所述预处理；R13建立模型：将所述数据集A1、A2、A3、……和Ai分别与所述受精结果数据集S运用不同的定性分析的方法建立判别禽蛋受精结果的数学模型M1-1、M1-2、M1-3、……M1-j、M2-1、M2-2、M2-3……M2-j、……和Mi-j；所述Mi-j为不同的所述预处理方法和不同的所述定性分析的方法相结合所建立的不同数学模型；所述j为不同的所述定性分析方法；所述受精结果为受精蛋或无精蛋；R2数学模型的比较和确定：R21验证样本的光谱数据采集及受精结果数据统计：另取与所述训练样本的品种相同和发育时间相同、或品种相同和孵化时间相同的若干个禽蛋作为验证样本，在步骤R11中所述采集的相同条件下，采集其可见/近红外光谱，获得所述验证样本的光谱数据集a；所述光谱数据集a中的数据形式与所述光谱数据集A中的数据形式相同；统计所述验证样本的受精结果，获得所述验证样本的受精结果数据集s；所述受精结果为受精蛋或无精蛋；R22验证样本的光谱数据的预处理：将所述光谱数据集a按照步骤R12相同的方法进行不同的预处理后，获得不同数据集a1、a2、a3、……和ai；所述ai为经过不同的所述预处理得到的不同数据集；所述i为不同的所述预处理；R23模型验证：将所述数据集ai分别代入步骤R13中的所述数学模型Mi-j中，且所述ai和所述ai所代入的Mi-j中的i相同，得出不同的预测受精结果的数据集bi-j；将该数据集bi-j分别与步骤R21统计的所述受精结果数据集s进行比较并计算准确率，将准确率最高的所述数据集bi-j所使用的所述数学模型确定为最佳数学模型；R3待测禽蛋的受精结果判别：在步骤R11中所述采集的相同条件下，采集与所述训练样本的品种相同和发育时间、或品种相同和孵化时间相同的待测禽蛋的可见/近红外光谱，获得光谱数据X；所述光谱数据X的数据形式与所述光谱数据集A中的数据形式相同；将所述光谱数据X按照与步骤R23中的所述最佳数学模型所使用的所述预处理方法进行预处理，获得数据X1；将所述数据X1代入到步骤R23中的所述最佳数学模型中，得出待测禽蛋的受精结果；所述受精结果为受精蛋或无精蛋。8.如权利要求7所述的基于可见/近红外光谱的禽类无精蛋检测方法，其特征在于：步骤R11中所述采集的方式为透射式采集，或漫反射式采集；和/或，步骤R11中所述采集时的禽蛋放置方式和放置角度任意。9.如权利要求8所述的基于可见/近红外光谱的禽类无精蛋检测方法，其特征在于：步骤R11中所述采集的相同条件包括：所述采集的方式、所述采集时的禽蛋放置方式和放置角度、所述采集时的光源、光探头位置。10.如权利要求6或7所述的基于可见/近红外光谱的禽类无精蛋检测方法，其特征在于：所述可见/近红外光谱的波长范围为200～2500nm，或350～1100nm，且不限于上述波长范围内的部分波长范围或单波长点及其组合；和/或，所述基于可见/近红外光谱的禽类无精蛋检测方法使用权利要求1—5中任一所述基于可见/近红外光谱的禽蛋检测装置进行；和/或，所述预处理的方法包括中值滤波平滑方法、主成分分析法、一阶导数校正、二阶导数校正、多元散射矫正、附加散射矫正方法、一维小波变换和标准正态变量变换等光谱预处理方法中的任一种或任几种的组合，或不做任何处理；和/或，所述定性分析的方法为偏最小二乘判别法、朴素贝叶斯判别分析法、Fisher算法、基于马氏距离的贝叶斯判别法、支持向量机判别分析法和人工神经网络算法等模式识别算法的任一种；和/或，所述光谱数据集A中的数据形式为透射率。