تخمین وزن جوجه های گوشتی با استفاده از شبکه های عصبی عمیق مبتنی بر رگرسیون تصاویر دیجیتال

آمارها نشان می دهد که فرآورده های طیور به خصوص گوشت مرغ، امروزه نقش اساسی در امنیت غذایی مردم ایفا می کنند. این در حالی است که مرغداری های بزرگ و صنعتی با چالش های متعددی روبرو هستند. توزین جوجه های گوشتی در مرغداری ها به دلیل ایجاد استرس در پرندگان، امری مهم و حساس به شمار می آید. علاوه بر این، نیاز به نیروی کار زیاد، دقت کمتر و زمان بر بودن عملیات توزین، از جمله چالش های مرتبط با توزین جوجه های گوشتی در این صنعت می باشد. بنابراین، تخمین وزن جوجه های گوشتی به کمک دوربین و تکنیک های مرتبط با بینایی کامپیوتر و هوش مصنوعی توانایی حل چالش های مذکور را خواهد داشت. در این تحقیق، پس از اخذ تصاویر جوجه های گوشتی نژاد آرین از نمای بالا، آموزش و آزمایش مدل مبتنی بر شبکه عصبی کانولوشنی جهت تخمین وزن جوجه های گوشتی صورت گرفت. این عملیات بدون هیچ دخالت دستی بر روی تصاویر انجام شد و استخراج ویژگی ها از تصاویر جهت عملیات رگرسیونی، به صورت خودکار توسط شبکه عصبی کانولوشنی تحقق یافت. شبکه عصبی کانولوشنی رزنت با ۳۴ لایه توانست عملکرد قابل توجهی را در تخمین وزن جوجه های گوشتی از خود نشان دهد. مقدار ضریب تبیین و میانگین خطای مطلق بر روی داده های آزمایشی به ترتیب برابر ۰/۹۹ و ۶۹/۲ گرم بود. مدل ارایه شده توانایی تخمین وزن جوجه های گوشتی آرین در تمامی سنین رشد (تا ۵۰ روزگی) را دارد.

کلیدواژه ها:

تخمین وزن ، رگرسیون مبتنی بر تصویر ، شبکه عصبی کانولوشنی ، مرغداری هوشمند ، یادگیری عمیق