سامانه برآورد وزن‌ جوجه‌هاي گوشتي به صورت جداگانه با استفاده از پردازش تصوير و آناليز رگرسيون چندگانه

Weight estimation system of individual broiler chickens using digital image processing and multi-regression analysis

هدف از اين پژوهش بررسي امكان تشخيص تغييرات روزانه وزن جوجه­هاي گوشتي با استفاده از پردازش تصوير و آناليز رگرسيون چندگانه است. بدين منظور تعداد30 قطعه جوجه گوشتي يك روزه تحت شرايط استاندارد پرورش داده شد. روزانه بعد از اخذ تصاوير، جوجه­ها به صورت جداگانه وزن مي­شدند. از 2490 تصوير اخذشده، شش ويژگي (مساحت، محيط، مساحت محدب، قطر بزرگ، قطر كوچك، خروج ازمركز) استخراج و به منظور توسعه مدل­هاي رگرسيوني مورد استفاده قرار گرفتند. روابط خطي بين وزن بدن و اين شش ويژگي استخراج شده از تصوير به صورت جداگانه نشان دادند كه مقادير بدست آمده براي اين ويژگي­ها به جز خروج از مركز براي هر پرنده به صورت جداگانه بالاي 9/0 هستند. در ضمن به منظور توسعه مدل رگرسيوني چندگانه و حذف پارامترهاي ورودي به اين رابطه از روش گام­به­گام استفاده گرديد. بر اساس مدل توسعه يافتهمساحت، محيط، مساحت محدب، قطر بزرگ، قطر كوچك، اثر متقابل مساحت و قطر بزرگ، مساحت محدب و محيط، قطر بزرگ و قطر كوچك توانايي پيشگويي وزن را با 945/0 =، مقاديرخطاي رگرسيون استاندارد (g)934/88­ و مقدار دقت نسبي (%)12/0 در سطح احتمال 5% دارا مي­باشد. اين مساله حاكي از توانايي پردازش تصوير و رگرسيوني چندگانه در پيشگويي وزن دارد.

The purpose of this study was to identify daily changes in body weight of broiler chickens using image processing and multi-regression analysis. Therefore, thirty 1-day-old broiler chickens were reared under standard rearing condition and after acquiring images they were weighted, individually. From 2490 digital images, six features (perimeter, area convex, major axis, minor axis, eccentricity) were extracted. Linear equations between body weight and these features indicated that R2 values for these features (except for eccentricity) for the individual birds were higher than 0.9. Furthermore, stepwise selection process was utilized to develop multi-regression model and to remove non-significant factors from the regression equation. According to the developed equation, area, perimeter, area convex, major axis, minor axis, interaction between area and major axis, and convex area and perimeter, major and minor axis were capable of predicting weight with R2= 0.945 in the confidence level of %5. This shows that the digital image processing and multi-regression analysis could predict weight of life chickens, promisingly.