پیش بینی وزن بدن گاوهای سیستانی با استفاده از بینایی رایانهای
از آنجا که استفاده از روش‌های جایگزین، از جمله روش‌های مبتنی بر استفاده از هوش مصنوعی، می‌توانند فرآیند وزنکشی دامها را تسهیل کند، مطالعه حاضر با هدف پیشبینی وزن گاوهای سیستانی با استفاده از فناوری بینایی رایانهای انجام شد. بدین منظور، گاوهای سیستانی موجود در ایستگاه زهک برای یک دوره یک‌ساله وز...
| Main Authors: | , , , , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
University of Guilan
2022-11-01
|
| Series: | تحقیقات تولیدات دامی |
| Subjects: | |
| Online Access: | https://ar.guilan.ac.ir/article_5932_5362749aacf0c07423144bb6c73f28ff.pdf |
| _version_ | 1797973431344431104 |
|---|---|
| author | مهدی خجسته کی ابوالحسن صادقی پناه نادر اسدزاده علیرضا آقاشاهی مرتضی کیخا صابر مرتضی بیطرف ثانی سعید اسماعیل خانیان |
| author_facet | مهدی خجسته کی ابوالحسن صادقی پناه نادر اسدزاده علیرضا آقاشاهی مرتضی کیخا صابر مرتضی بیطرف ثانی سعید اسماعیل خانیان |
| author_sort | مهدی خجسته کی |
| collection | DOAJ |
| description | از آنجا که استفاده از روش‌های جایگزین، از جمله روش‌های مبتنی بر استفاده از هوش مصنوعی، می‌توانند فرآیند وزنکشی دامها را تسهیل کند، مطالعه حاضر با هدف پیشبینی وزن گاوهای سیستانی با استفاده از فناوری بینایی رایانهای انجام شد. بدین منظور، گاوهای سیستانی موجود در ایستگاه زهک برای یک دوره یک‌ساله وزنکشی شده و بهطور هم‌زمان از نمای جانبی هر دام، تصاویر دیجیتال تهیه شد. تصاویر دیجیتال ابتدا با استفاده از نرم‌افزار Matlab مورد پیشپردازش قرار گرفت و سپس برخی خصوصیات شکلشناسی از هر یک از آنها استخراج شد. برای پیشبینی وزن گاوها، خصوصیات استخراج شده از تصاویر به عنوان ورودی و وزن هر دام به عنوان خروجی جهت آموزش به شبکه عصبی مصنوعی معرفی شد. مدلی که دارای بالاترین دقت و کمترین خطا بود به عنوان مدل نهایی جهت پیشبینی وزن دامها انتخاب شد. بر اساس نتایج، قطر معادل، طول محور اصلی، طول محور فرعی، جعبه محاطی، مساحت قسمت محدب، مساحت ناحیه پر شده، محیط تصویر، مساحت تصویر و تعداد نقاط سفید تصویر دارای همبستگی بالاتری با وزن گاوهای سیستانی بود (01/0P<). مدل شبکه عصبی مصنوعی توانست با دقت 4/97 درصد، وزن گاوهای سیستانی را از روی خصوصیات تصاویر دیجیتال آنها پیشبینی کند. نتایج مطالعه حاضر نشان داد، فناوری بینایی رایانهای، قابلیت مناسبی برای پیشبینی وزن گاوهای سیستانی داشته و میتواند جایگزین روش‌های متداول کنونی شود. |
| first_indexed | 2024-04-11T04:04:10Z |
| format | Article |
| id | doaj.art-79b1791cc25e444097a4bf8343262b9e |
| institution | Directory Open Access Journal |
| issn | 2252-0872 2538-6107 |
| language | fas |
| last_indexed | 2024-04-11T04:04:10Z |
| publishDate | 2022-11-01 |
| publisher | University of Guilan |
| record_format | Article |
| series | تحقیقات تولیدات دامی |
| spelling | doaj.art-79b1791cc25e444097a4bf8343262b9e2023-01-01T14:02:10ZfasUniversity of Guilanتحقیقات تولیدات دامی2252-08722538-61072022-11-01113556610.22124/ar.2022.20726.16515932پیش بینی وزن بدن گاوهای سیستانی با استفاده از بینایی رایانه‌ایمهدی خجسته کی0ابوالحسن صادقی پناه1نادر اسدزاده2علیرضا آقاشاهی3مرتضی کیخا صابر4مرتضی بیطرف ثانی5سعید اسماعیل خانیان6استادیار، بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قم، سازمان تحقیقات، آموزش و ترویج کشاورزی، قم، ایراناستادیار، موسسه تحقیقات علوم دامی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایراناستادیار، موسسه تحقیقات علوم دامی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایراندانشیار، موسسه تحقیقات علوم دامی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایراناستادیار، بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی سیستان و بلوچستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زاهدان، ایراناستادیار، بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان یزد، سازمان تحقیقات ،آموزش و ترویج کشاورزی، یزد، ایراندانشیار، موسسه تحقیقات علوم دامی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایراناز آنجا که استفاده از روش‌های جایگزین، از جمله روش‌های مبتنی بر استفاده از هوش مصنوعی، می‌توانند فرآیند وزنکشی دامها را تسهیل کند، مطالعه حاضر با هدف پیشبینی وزن گاوهای سیستانی با استفاده از فناوری بینایی رایانهای انجام شد. بدین منظور، گاوهای سیستانی موجود در ایستگاه زهک برای یک دوره یک‌ساله وزنکشی شده و بهطور هم‌زمان از نمای جانبی هر دام، تصاویر دیجیتال تهیه شد. تصاویر دیجیتال ابتدا با استفاده از نرم‌افزار Matlab مورد پیشپردازش قرار گرفت و سپس برخی خصوصیات شکلشناسی از هر یک از آنها استخراج شد. برای پیشبینی وزن گاوها، خصوصیات استخراج شده از تصاویر به عنوان ورودی و وزن هر دام به عنوان خروجی جهت آموزش به شبکه عصبی مصنوعی معرفی شد. مدلی که دارای بالاترین دقت و کمترین خطا بود به عنوان مدل نهایی جهت پیشبینی وزن دامها انتخاب شد. بر اساس نتایج، قطر معادل، طول محور اصلی، طول محور فرعی، جعبه محاطی، مساحت قسمت محدب، مساحت ناحیه پر شده، محیط تصویر، مساحت تصویر و تعداد نقاط سفید تصویر دارای همبستگی بالاتری با وزن گاوهای سیستانی بود (01/0P<). مدل شبکه عصبی مصنوعی توانست با دقت 4/97 درصد، وزن گاوهای سیستانی را از روی خصوصیات تصاویر دیجیتال آنها پیشبینی کند. نتایج مطالعه حاضر نشان داد، فناوری بینایی رایانهای، قابلیت مناسبی برای پیشبینی وزن گاوهای سیستانی داشته و میتواند جایگزین روش‌های متداول کنونی شود.https://ar.guilan.ac.ir/article_5932_5362749aacf0c07423144bb6c73f28ff.pdfبینایی رایانه‌ایپیش‌بینی وزنگاو سیستانیهوش مصنوعی |
| spellingShingle | مهدی خجسته کی ابوالحسن صادقی پناه نادر اسدزاده علیرضا آقاشاهی مرتضی کیخا صابر مرتضی بیطرف ثانی سعید اسماعیل خانیان پیش بینی وزن بدن گاوهای سیستانی با استفاده از بینایی رایانهای تحقیقات تولیدات دامی بینایی رایانهای پیشبینی وزن گاو سیستانی هوش مصنوعی |
| title | پیش بینی وزن بدن گاوهای سیستانی با استفاده از بینایی رایانهای |
| title_full | پیش بینی وزن بدن گاوهای سیستانی با استفاده از بینایی رایانهای |
| title_fullStr | پیش بینی وزن بدن گاوهای سیستانی با استفاده از بینایی رایانهای |
| title_full_unstemmed | پیش بینی وزن بدن گاوهای سیستانی با استفاده از بینایی رایانهای |
| title_short | پیش بینی وزن بدن گاوهای سیستانی با استفاده از بینایی رایانهای |
| title_sort | پیش بینی وزن بدن گاوهای سیستانی با استفاده از بینایی رایانهای |
| topic | بینایی رایانهای پیشبینی وزن گاو سیستانی هوش مصنوعی |
| url | https://ar.guilan.ac.ir/article_5932_5362749aacf0c07423144bb6c73f28ff.pdf |
| work_keys_str_mv | AT mhdykẖjsthḵy pysẖbynywznbdngạwhạysystạnybạạstfạdhạzbynạyyrạyạnhạy AT ạbwạlḥsnṣạdqypnạh pysẖbynywznbdngạwhạysystạnybạạstfạdhạzbynạyyrạyạnhạy AT nạdrạsdzạdh pysẖbynywznbdngạwhạysystạnybạạstfạdhạzbynạyyrạyạnhạy AT ʿlyrḍạậqạsẖạhy pysẖbynywznbdngạwhạysystạnybạạstfạdhạzbynạyyrạyạnhạy AT mrtḍyḵykẖạṣạbr pysẖbynywznbdngạwhạysystạnybạạstfạdhạzbynạyyrạyạnhạy AT mrtḍybyṭrftẖạny pysẖbynywznbdngạwhạysystạnybạạstfạdhạzbynạyyrạyạnhạy AT sʿydạsmạʿylkẖạnyạn pysẖbynywznbdngạwhạysystạnybạạstfạdhạzbynạyyrạyạnhạy |