بخش بندی جوجه های گوشتی به منظور پیش بینی وزن به روش مدل شکل فعال

نویسندگان

چکیده

به دلیل مشکلات بسیار توزین مستقیم وزن از قبیل استرس زا بودن آن هم برای کشاورز و هم برای حیوانات، روش‌های مبتنی بر پردازش تصاویر دیجیتال به منظور برآورد وزن حیوانات زنده و تعیین روند رشد آن ها پیشنهاد شده است، اما تعیین تغییرات ویژگی های ظاهری بدن حیوان با وجود سر به دلیل تغییر مکرر موقعیت آن سبب ایجاد خطای قابل توجهی می گردد. بدین منظور تعداد?? قطعه جوجه گوشتی یک روزه تحت شرایط استاندارد پرورش داده شد. به منظور کاهش خطای تخمین وزن جوجه های گوشتی، سر آن با روش مدل شکل فعال حذف و عملکرد روش پیشنهادی در پیش بینی وزن، با روش بخش‌بندی اتسو مقایسه گردید. ضریب تبیین بدست آمده در روش مدل شکل فعال میان وزن واقعی با مساحت و محیط به ترتیب (??%R?=) و (??%R?=) و برای روش اتسو به ترتیب میان وزن واقعی با مساحت و محیط (??%R?=) و (??%R?= ) مشاهده شد. با توجه به مقایسه این دو روش مشخص گردید که دقت پیش بینی وزن توسط مدل توسعه ‌یافته با محیط و مساحت استخراج‌شده با روش مدل شکل فعال بالاتر از روش بخش‌بندی اتسو می‌باشد.

کلیدواژه‌ها

عنوان مقاله [English]

Segmentation of Broiler Chickens to Predict Their Weight Using Active Shape Model

نویسندگان [English]

  • saman abdanan mehdizadeh
  • Somaye Amraei

چکیده [English]

Due to the problems of body weight measurement methods directly (e.g. being stressful for both farmers and animals), a method based on digital images for determination of growth rate and body size of various animals have been proposed. However, determination of animal's physical characteristics along with head conveyed significant errors in body dimensions due to frequent changes of its position. Therefore, the aim of this study was to reduce prediction error of chicken weight with removing its head using active shape model. After removing chickens’ head between area and perimeter of chickens’ body with actual weight, regression models were developed and its results was compared with Otsu segmentation method. The correlation coefficients obtained from active shape model between actual weight with area and perimeter were ??% and ??% respectively; and these coefficients are higher then Otsu method (??% and ??%, respectively, for actual weight with the area and perimeter), therefore, removing head using active shape model increased prediction precision of live body weight.

کلیدواژه‌ها [English]

  • Image Processing
  • segmentation
  • weight prediction
  • Broiler body contour