تخمین وزن‏ بره‏ های نوزاد با استفاده از پردازش تصاویر دیجیتال

نوع مقاله: مقاله پژوهشی

نویسندگان

1 بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قم، سازمان تحقیقات، آموزش و ترویج کشاورزی، قم، ایران.

2 موسسه تحقیقات علوم دامی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، قم، ایران.

3 کارشناس ایستگاه پرورش و اصلاح گوسفند زندی تهران(خجیر)

چکیده

این پژوهش به منظور ارائه روشی برای تخمین وزن بره‏های گوسفند زندی با استفاده از پردازش تصاویر دیجیتال انجام شد. اطلاعات مورد استفاده در این پژوهش از ‏115 راس بره در مرکز پرورش گوسفند زندی تهران(خجیر) بدست آمد. در ابتدا بره های نوزاد با ترازو وزن کشی شده و سپس با استفاده از دوربین دیجیتال، عکس‏های متعددی از نمای جانبی بره‏ها و از فاصله ثابت ثبت شد. با استفاده از ابزارهای پردازش تصویر نرم افزار Matlab ویژگی‏های شکل شناسی مرتبط با مساحت جانبی بدن بره‏ها از روی تصاویر دیجیتال استخراج شد. بر اساس ویژگی های استخراج شده از تصاویر دیجیتال، شبکه عصبی مصنوعی مناسب برای تخمین وزن بره ها طراحی گردید. دقت شبکه عصبی طراحی شده برای تخمین وزن بره ها در مرحله آموزش 94/96 درصد بود. همبستگی بین وزن واقعی بره ها و وزن های تخمین زده شده توسط شبکه عصبی مصنوعی حدود‏ 11/90 درصد بدست آمد(01/0 > P). نتایج این مطالعه نشان داد، امکان استفاده از روش هوش مصنوعی برای تعیین وزن گوسفند وجود دارد و این کار می تواند باعث افزایش سهولت و کاهش هزینه های رکوردگیری شده و به توسعه اتوماسیون گوسفندداری کمک کند.

کلیدواژه‌ها


منهاج، م. ب. (1391). هوش محاسباتی(جلد اول) مبانی شبکه‌های عصبی. چاپ اول. مرکز نشر دانشگاه صنعتی امیر کبیر.

Bozkurt, Y., Aktan, S., and Ozkaya, S. (2006). Body weight prediction using digital image analysis for slaughtering beef cattle.  Proceeding of EAAP, Antalya, Turkey,17-20 September, 2006. Abstract No. 12, Page: 313.

Bünger, L., Macfarlane, J.M., Lambe, N. R. , Conington, J., McLean, K.A. , Moore, K., Glasbey, C.A., and Simm,G. (2011). Use of X-Ray Computed Tomography (CT)   in UK Sheep Production and Breeding. CT Scanning – Techniques and Applications. 19:329-348.

Burke, J., Nuthall,P., and McKinnon,A.(2004). An Analysis of the Feasibility Of  Using Image Processing To Estimate the Live Weight of Sheep. FHMG Research Report 02.Applied Management and Computing Division, Lincoln University. Canterbury, New Zealand. Available at http://hdl.handle.net/10182/98.

Fioretti, M., Negrini, R. , and Biondi, A. (2012). A new tool for beef performance recording in Italy. http://www.icar.org/cork_2012/Manuscripts/Published/Fioretti.pdf.

Musa, A.M. , Idam, N.Z. , and Elamin, K.M. (2011). Heart Girth Reflect Live Body Weight in Sudanese Shogur Sheep under Field Conditions. World's Veterinary Journal, 2(4): 54-56.

Negretti ,P.,  Bianconi , G. ,  Bartocci , S. ,  and Terramoccia, S. (2007). Lateral Trunk Surface as a new parameter to estimate live body weight by Visual Image Analysis. Italian Journal of Animal Science, 6:1223-1225.

Negretti , P.,  Bianconi,  G., and  Finzi, A. (2007).Visual image analysis to estimate the morphological and weight measurement in Rabbits. World Rabbit Science,15:37– 41.

Olatunji-Akioye, A. O., and Adeyemo, O. K. (2009). Live weight and Chest Girth Correlation in Commercial Sheep and Goat  Herds in South western Nigeria. International Journal of Morphology, 27(1):49-52.

Onder, H., Arı, A., Ocak, S., Eker, S., and Tufekci, H. (2010). Use of  image analysis in animal science. Journal of Information Technology in Agriculture., 1:1-4.

Ozkaya, S., and Bozkurt,Y. (2008).The relationship of parameters of body measures and body weight by using digital image analysis in pre-slaughter cattle. Archiv Tierzucht, 2:120-128.

Petersen, M.E., de Ridder, D., Handels, H. (2002). Image processing with neural networks:a review. Pattern Recognition, 35 : 2279–2301.

Sezenler, T., Özder, M., Yıldırır, M., Ceyhan, A., and Yüksel, M. A.(2011). The Relationship between body weight and body condition score some indigenous sheep breeds in Turkey. The Journal of Animal and Plant Sciences, 21(3): 443-447.

Stajnko, D., Brus, M. and Hočevar, M.(2008). Estimation of bull live weight through thermo graphically measured body dimensions .Computers and Electronics in Agriculture, 61:233-240.

Tasdemir,S., Urkmez,A., and Inal,S. (2011). A fuzzy rule-based system for predicting the live weight of Holstein cows whose body dimensions were determined by image analysis. Turkish Journal of Electrical Engineering and Computer Sciences, 19(4):689-703.

Vilarrasaa, E.R, Büngera, L., Brotherstoneb, S., Macfarlanea, J. M., Lambea, N. R., Matthewsc, K. R., Haresignd, W., and Roehea, R. (2010). Genetic parameters for carcass dimensional measurements from video image analysis and their association with conformation and fat class scores. Livestock Science.,128:92-100.

Wang, Y., Yang,W., Winter,P., and Walker,L. (2008). Walk through weighing of pigs using machine vision and artificial neural network. Biosystems Engineering, 100:117–125.