بخش بندي جوجه هاي گوشتي براي پيش بيني وزن به روش مدل شكل فعال

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

به دليل مشكلات بسيار توزين مستقيم وزن از قبيل استرس زا بودن آن هم براي كشاورز و هم براي حيوانات، روش هاي مبتني بر پردازش تصاوير ديجيتال به منظور برآورد وزن حيوانات زنده و تعيين روند رشد آن ها پيشنهاد شده است، اما تعيين تغييرات ويژگي هاي ظاهري بدن حيوان با وجود سر به دليل تغيير مكرر موقعيت آن سبب ايجاد خطاي قابل توجهي مي گردد. بدين منظور تعداد30 قطعه جوجه گوشتي يك روزه تحت شرايط استاندارد پرورش داده شد. به منظور كاهش خطاي تخمين وزن جوجه هاي گوشتي، سر آن با روش مدل شكل فعال حذف و عملكرد روش پيشنهادي در پيش بيني وزن، با روش بخش بندي اتسو مقايسه گرديد. ضريب تبيين بدست آمده در روش مدل شكل فعال ميان وزن واقعي با مساحت و محيط به ترتيب (97%R2=) و (93%R2=) و براي روش اتسو به ترتيب ميان وزن واقعي با مساحت و محيط (93%R2=) و (92%R2=) مشاهده شد. با توجه به مقايسه اين دو روش مشخص گرديد كه دقت پيش بيني وزن توسط مدل توسعه يافته با محيط و مساحت استخراج شده با روش مدل شكل فعال بالاتر از روش بخش بندي اتسو مي باشد.

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 97% and 93% respectively; and these coefficients are higher then Otsu method (93% and 92%، respectively، for actual weight with the area and perimeter)، therefore، removing head using active shape model increased prediction precision of live body weight.