1.一种自动无创式确定禽蛋(14)胚胎性别的方法，包括以下步骤：
将多个禽蛋(14)依次或并行地输送至nmr装置(18)中，
使所述禽蛋(14)经受nmr测量，从而针对所述禽蛋(14)中的每个确定与所述禽蛋(14)相关联的一个或多个nmr参数，所述一个或多个nmr参数选自包括t1弛豫时间、t2弛豫时间和扩散系数的组，
其中，所述参数中的每个均对应于：
-表示所述禽蛋(14)内的感兴趣区域的参数值，或
-所述禽蛋的区域的参数图像，其中参数值与所述图像的相应像素或体素相关联，
将所述一个或多个nmr参数或从所述一个或多个nmr参数导出的参数转发至分类模块(38)，所述分类模块(38)配置成用于基于所述一个或多个nmr参数或从所述一个或多个nmr参数导出的参数来确定相关联禽蛋(14)的胚胎的性别预测，以及
将所述多个禽蛋(14)输送出所述nmr装置(18)，并根据由所述分类模块(38)提供的性别预测对所述禽蛋(14)进行分选。
2.如权利要求1所述的方法，其中，所述一个或多个nmr参数包括两个或更多个nmr参数的nmr参数组，其中至少一个选自包括t1弛豫时间、t2弛豫时间和扩散系数的组。
3.如权利要求2所述的方法，其中，所述nmr参数组还包括以下参数中的一个或多个：t2*弛豫时间、t1ρ弛豫时间和与核1h、13c、23na和31p中的一个或多个相关联的自旋密度。
4.如权利要求2或3所述的方法，其中，所述nmr参数组还包括以下中的一个或多个：代谢物的化学位移信号，所述代谢物具体为水、脂质、氨基酸、核酸或激素；化学位移选择传递信号；以及零量子相干或多量子相干nmr信号。
5.如前述权利要求中任一项所述的方法，其中，所述分类模块(38)是机器学习模块。
6.如权利要求5所述的方法，其中，所述nmr参数值或从所述nmr参数值导出的参数形成作为特征向量呈现给所述机器学习模块的特征值。
7.如前述权利要求中任一项所述的方法，其中，所述分类模块配置为使用线性分类器来确定对所述胚胎的性别预测，所述线性分类器具体为基于最小二乘线性回归、最近邻、逻辑回归、分离超平面或感知器中的一个或多个的线性分类器。
8.如权利要求1至6中任一项所述的方法，其中，所述分类模块(38)配置为使用非线性分类器来确定对所述胚胎性别的预测，所述非线性分类器具体为基于分段多项式、样条、核平滑、基于树的方法、支持向量机、随机森林、增强、加法和集成方法或图模型的非线性分类器。
9.如权利要求1至6中任一项所述的方法，其中，所述分类模块(38)配置为使用深度学习算法来确定对所述胚胎的性别预测，所述深度学习算法具体为基于卷积神经网络、递归神经网络或长短期记忆网络的深度学习算法。
10.如权利要求1至6中任一项所述的方法，其中，所述分类模块(38)配置为基于与存储在数据库中的参数值的比较来确定对所述胚胎的性别预测。
11.如前述权利要求中任一项所述的方法，其中，所述nmr测量包括nmr成像，其中，nmr成像平面布置成与所述胚胎的位置相交。
12.如前述权利要求中任一项所述的方法，其中，所述方法在育种的第八天之前执行，优选在育种的第5天执行。
13.一种自动无创式确定禽蛋(14)的生育力的方法，包括以下步骤：
将多个禽蛋(14)依次或并行地输送至nmr装置(18)中，
使所述禽蛋(14)经受nmr测量，从而针对所述禽蛋(14)中的每个确定以下中的一个或两个：
-所述禽蛋中不同位置的扩散系数的直方图，
-蛋黄的nmr光谱，包括对应于水和脂肪的峰，
基于扩散系数的直方图的形状和/或所述nmr光谱来确定生育力的预测，以及
将所述多个禽蛋(14)输送出所述nmr装置(18)，并根据生育力预测对所述禽蛋(14)进行分选。
14.如权利要求13所述的方法，其中，基于所述扩散系数的直方图的形状来确定所述生育力包括：比较至少两个不同扩散系数或扩散系数范围的出现频率。
15.如权利要求14所述的方法，其中，所述至少两个不同扩散系数或所述至少两个扩散系数范围的中心分开0.5-2.5mm2/s，优选分开0.75-1.5mm2/s。
16.如权利要求14或15所述的方法，其中，在所述至少两个不同扩散系数或所述至少两个扩散系数范围的中心中，一个位于0.6至1.3mm2/s的范围内，优选地在0.7至1.2mm2/s的范围内，以及另一个位于1.5至2.5mm2/s的范围内，优选地在1.7至2.3mm2/s的范围内。
17.如权利要求13至16中任一项所述的方法，其中，所述禽蛋中的所述各个位置均匀地分布在所述禽蛋中，并且具体地，对应于扩散系数图像的体素。
18.如权利要求13至17中任一项所述的方法，其中，基于所述nmr光谱确定生育力预测的步骤包括：基于在所述nmr光谱中对应于水和脂肪的峰的比率来确定所述生育力预测。
19.如前述权利要求中任一项所述的方法，其中，在所述输送和所述nmr测量期间，所述禽蛋(14)以规则的模式设置在托盘(16)上，具体是以矩阵配置设置在所述托盘(16)上。
20.如权利要求19所述的方法，其中，设置在所述托盘(16)上的禽蛋(14)的数量至少为36个，优选至少为50个，最优选至少为120个。
21.如权利要求19或20所述的方法，其中，所述nmr装置(18)包括rf线圈(30a)的阵列(30)，用于向位于所述托盘(16)上的禽蛋(14)施加rf磁场和/或用于检测nmr信号，所述rf线圈(30a)的阵列(30)包括以下项中的一项或多项：
-布置在位于所述托盘(16)上方的平面中的多个线圈(30a)，所述托盘(16)在输送至所述nmr装置(18)时装载有禽蛋(14)，
-布置在位于所述托盘(16)下方的平面中的多个线圈(30a)，所述托盘(16)在输送至所述nmr装置(18)时装载有禽蛋(14)，
-布置在竖直平面中的多个线圈(30a)，当输送至所述nmr装置(18)时，所述竖直平面在所述托盘(16)上的禽蛋(14)的行之间延伸，所述行平行于托盘(16)的输送至所述nmr装置(18)中和输送出所述nmr装置(18)的方向延伸。
22.如权利要求21所述的方法，其中，在所述多个线圈(30a)布置在位于装载有禽蛋(14)的所述托盘(16)上方或下方的平面中的情况下，所述线圈(30a)的数目与布置在所述托盘(16)上的禽蛋(14)的数目的比率在1：1至1：25之间，优选地在1：1至1：16之间，并且最优选地在1：1至1：5之间。
23.如权利要求19或20所述的方法，其中，所述nmr装置(18)包括rf线圈(30a)的阵列(30)，用于向位于所述托盘(16)上的禽蛋(14)施加rf磁场和/或用于检测nmr信号，所述rf线圈(30a)的阵列(30)集成至或附接至所述托盘(16)。
24.如权利要求25所述的方法，其中，所述托盘(16)包括用于接收相应禽蛋(14)的多个凹窝(48)或袋，以及其中，多个线圈(30a)与所述凹窝(48)或所述袋中的每个相关联，其中，每个凹窝(48)或袋的所述线圈(30a)的数量至少为1，优选至少为2，更优选地，至少3个，并且最优选地至少4个，和/或其中，所述线圈(30a)中的至少一些相对于所述托盘(16)的主平面竖直地布置，或相对于所述托盘(16)的所述主平面成至少50°的角度布置，优选地成至少75°的角度布置，并且最优选地成至少80°的角度布置。
25.一种用于自动无创式确定禽蛋(14)的胚胎的性别的设备(10)，包括：
nmr装置(18)，
输送装置(12)，其用于将多个禽蛋(14)顺序地或并行地输送至所述nmr装置(18)中，并输送出所述nmr装置(18)，
其中，所述nmr装置(18)配置成用于使所述禽蛋(14)经受nmr测量，从而为所述禽蛋(14)中的每个确定与所述禽蛋(14)相关联的一个或多个nmr参数，所述一个或多个nmr参数选自包括t1弛豫时间、t2弛豫时间和扩散系数的组，
其中，所述参数中的每个均对应于：
-表示所述禽蛋(14)内的感兴趣区域的参数值，或
-所述禽蛋的区域的参数图像，其中参数值与所述图像的相应像素或体素相关联，
其中，所述设备(10)还包括分类模块(38)，所述分类模块(38)配置成接收所述一个或多个nmr参数或从所述一个或多个nmr参数导出的参数，所述分类模块(38)配置成基于所述一个或多个nmr参数或从所述一个或多个nmr参数导出的参数来确定对相关联的禽蛋(14)的胚胎的性别预测，以及
蛋分选装置(40)，用于根据由所述分类模块(38)提供的性别预测对所述禽蛋(14)进行分选。
26.如权利要求25所述的设备(10)，其中，所述一个或多个nmr参数包括两个或更多个nmr参数的nmr参数组，其中至少一个选自包括t1弛豫时间、t2弛豫时间和扩散系数的组。
27.如权利要求26所述的设备(10)，其中，所述nmr参数组还包括以下参数中的一个或多个：t2*弛豫时间、t1ρ弛豫时间和与核1h、13c、23na和31p中的一个或多个相关联的自旋密度。
28.如权利要求26或27中任一项所述的设备(10)，其中，所述nmr参数组还包括以下中的一个或多个：代谢物的化学位移信号，所述代谢物具体为水、脂质、氨基酸、核酸或激素；化学位移选择传递信号；以及零量子相干或多量子相干nmr信号。
29.如权利要求25至28中任一项所述的设备(10)，其中，所述分类模块(38)是机器学习模块。
30.如权利要求29所述的设备(10)，其中，所述nmr参数值或从所述nmr参数值导出的参数形成作为特征向量呈现给所述机器学习模块的特征值。
31.如权利要求25至30中任一项所述的设备(10)，其中，所述分类模块配置为使用线性分类器来确定对所述胚胎的性别预测，所述线性分类器具体为基于最小二乘线性回归、最近邻、逻辑回归、分离超平面或感知器中的一个或多个的线性分类器。
32.如权利要求25至30中任一项所述的设备(10)，其中，所述分类模块(38)配置为使用非线性分类器来确定对所述胚胎性别的预测，所述非线性分类器具体为基于分段多项式、样条、核平滑、基于树的方法、支持向量机、随机森林、增强、加法和集成方法或图模型的非线性分类器。
33.如权利要求25至30中任一项所述的设备(10)，其中，所述分类模块(38)配置为使用深度学习算法来确定对所述胚胎的性别预测，所述深度学习算法具体为基于卷积神经网络、递归神经网络或长短期记忆网络的深度学习算法。
34.如权利要求25至30中任一项所述的设备(10)，其中，所述分类模块(38)配置为基于与存储在数据库中的参数值的比较来确定对所述胚胎的性别预测。
35.一种用于自动无创式确定禽蛋(14)的生育力的设备(10)，包括：
nmr装置(18)，
输送装置(12)，用于将多个禽蛋(14)顺序地或并行地输送至所述nmr装置(18)中，并输送出所述nmr装置(18)，
其中，所述nmr装置(18)配置成用于使所述禽蛋(14)经受nmr测量，从而为所述禽蛋(14)中的每个确定以下项中的一个或两个：
-所述禽蛋中不同位置的扩散系数的直方图，
-蛋黄的nmr光谱，包括对应于水和脂肪的峰，
其中，所述设备(10)还配置成用于基于扩散系数的直方图的形状和/或基于所述nmr光谱来确定对生育力的预测，
其中，所述设备(10)还包括用于根据生育力预测对所述禽蛋(14)进行分选的蛋分选装置(40)。
36.如权利要求35所述的设备(10)，其中，通过所述设备(10)基于所述扩散系数的直方图的形状来确定所述生育力包括：比较至少两个不同扩散系数或扩散系数范围的出现频率。
37.如权利要求36所述的设备(10)，其中，所述至少两个不同扩散系数或所述至少两个扩散系数范围的中心分开0.5-2.5mm2/s，优选分开0.75-1.5mm2/s。
38.如权利要求36或37所述的设备(10)，其中，在所述至少两个不同扩散系数或所述至少两个扩散系数范围的中心中，一个位于0.6至1.3mm2/s的范围内，优选地在0.7至1.2mm2/s的范围内，以及另一个位于1.5至2.5mm2/s的范围内，优选地在1.7至2.3mm2/s的范围内。
39.如权利要求35至38中任一项所述的设备(10)，其中，所述禽蛋中的所述各个位置均匀地分布在所述禽蛋中，并且具体地，对应于扩散系数图像的体素。
40.如权利要求35至39中任一项所述的设备(10)，其中，所述设备(10)配置为基于所述nmr光谱中对应于水和脂肪的峰的比率，基于所述nmr光谱来确定对生育力的预测。
41.如权利要求25至40中任一项所述的设备(10)，还包括托盘(16)，在所述输送和所述nmr测量期间，所述禽蛋(14)能够以规则的模式设置在所述托盘(16)上，具体是以矩阵配置设置在所述托盘(16)上。
42.如权利要求41所述的设备(10)，其中，能够设置在所述托盘(16)上的禽蛋(14)的数量至少为36个，优选至少为50个，最优选至少为120个。
43.如权利要求41或42所述的设备(10)，其中，所述nmr装置(18)包括rf线圈(30a)的阵列(30)，用于向位于所述托盘(16)上的禽蛋(14)施加rf磁场和/或用于检测nmr信号，所述rf线圈(30a)的阵列(30)包括以下项中的一项或多项：
-布置在位于所述托盘(16)上方的平面中的多个线圈(30a)，所述托盘(16)在输送至所述nmr装置(18)时装载有禽蛋(14)，
-布置在位于所述托盘(16)下方的平面中的多个线圈(30a)，所述托盘(16)在输送至所述nmr装置(18)时装载有禽蛋(14)，
-布置在竖直平面中的多个线圈(30a)，当输送至所述nmr装置(18)时，所述竖直平面在所述托盘(16)上的禽蛋(14)的行之间延伸，所述行平行于托盘(16)的输送至所述nmr装置(18)中和输送出所述nmr装置(18)的方向延伸。
44.如权利要求43所述的设备，其中，在所述多个线圈(30a)布置在位于装载有禽蛋(14)的所述托盘(16)上方或下方的平面中的情况下，所述线圈(30a)的数目与布置在所述托盘(16)上的禽蛋(14)的数目的比率在1：1至1：25之间，优选地在1：1至1：16之间，并且最优选地在1：1至1：5之间。
45.如权利要求41或42所述的设备(10)，其中，所述nmr装置(18)包括rf线圈(30a)的阵列(30)，用于向位于所述托盘(16)上的禽蛋(14)施加rf磁场和/或用于检测nmr信号，所述rf线圈(30a)的阵列(30)集成至或附接至所述托盘(16)。
46.如权利要求45所述的设备(10)，其中，所述托盘(16)包括用于接收相应禽蛋(14)的多个凹窝(48)或袋，以及其中，多个线圈(30a)与所述凹窝(48)或所述袋中的每个相关联，其中，每个凹窝(48)或袋的所述线圈(30a)的数量至少为2，优选至少为3，并且最优选地至少4个，和/或其中，所述线圈(30a)中的至少一些相对于所述托盘(16)的主平面竖直地布置，或相对于所述托盘(16)的所述主平面成至少50°的角度布置，优选地成至少75°的角度布置，并且最优选地成至少80°的角度布置。