مقایسه آلگوریتم های آموزشی شبکه عصبی مصنوعی در برآورد وزن گوسفندان کردی با استفاده از خصوصیات تصاویر دیجیتال
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 124
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_RAP-13-37_018
تاریخ نمایه سازی: 2 بهمن 1401
چکیده مقاله:
چکیده مبسوط
مقدمه و هدف: انسان بهجهت خستگی، وقوع خطاهای ناخواسته، تاثیرپذیری از محیط و آسیبپذیری از رخدادهای طبیعی همواره در تشخیص های خود از محیط اطراف و یا موضوعات مختلف دچار اشتباهاتی می شود بطوری که برداشت افراد مختلف از یک واقعه واحد و منحصر بفرد ممکن است بسیار متفاوت و متنوع باشد. امروزه انسان با توسعه فناوری پردازش تصویر سعی دارد با استفاده از امکانات سخت افزاری و نرم افزاری و با کمک گرفتن از ویژگی های استخراج شده از تصاویر مربوط به اشیاء، گیاهان و حیوانات سرعت و دقت ارزیابی و تشخیص خود را در مورد پدیده های اطراف خود افزایش دهد و به این جهت فناوری جدیدی با عنوان پردازش تصویر را ایجاد نموده و آن را در ابعاد مختلف توسعه بخشیده است.
مواد و روش ها: با هدف شناسایی بهترین آلگوریتم آموزش شبکه عصبی مصنوعی جهت تخمین وزن گوسفندان کردی با استفاده از پردازش تصاویر دیجیتال، تعداد بره ها و دام های بالغ در سنین مختلف موجود در ایستگاه اصلاح نژاد گوسفند استان خراسان شمالی، با استفاده از باسکول وزن کشی شدند. در هنگام وزنکشی، تصاویری از نمای جانبی دام ها با استفاده از دوربین دیجیتال و با رعایت فاصله ثابت تهیه و ثبت شد. با استفاده از رابط گرافیکی GUI نرم افزار متلب (نسخه R۲۰۱۰a) مراحل پردازش تصویر و استخراج خصوصیات عددی از تصاویر دام ها انجام شد. سپس سه نوع شبکه عصبی مصنوعی با استفاده از سه نوع آلگوریتم آموزشی مختلف شامل لونبرگ مارکوات، اسکیلد کانژوگیت گرادینت و آموزش بیزی آموزش داده شد. خصوصیات تصاویر به عنوان ورودی و وزن دام ها به عنوان خروجی در آموزش شبکه های مختلف مورد استفاده قرار گرفت و در نهایت دقت مدل ها در تخمین وزن مقایسه گردید.
یافته ها: بر اساس نتایج، دقت شبکه های عصبی آموزش دیده با سه آلگوریتم مورد بررسی شامل اسکیلد کانژوگیت گرادینت، بیزی و لونبرگ مارکوات در تخمین وزن در مرحله آموزش بهترتیب ۹۱/۹۵، ۹۴/۷۴ و ۹۴/۳۴ درصد برآورد شد. در آزمون عملی که با ارائه ۲۰ تصویر بهعنوان تست به هر یک از مدلها انجام شد، شبکه آموزش دیده با آلگوریتم اسکیلد کانژوگیت گرادینت با خطای ۴/۷ درصد، شبکه بیزین با خطای ۰/۵ درصد و شبکه لونبرگ مارکوات با خطای ۲/۱۱ درصد وزن را از روی تصاویر دیجیتال آنها تخمین زدند. هر سه نوع آلگوریتم از دقت کافی برای تخمین وزن برخوردار بوده و در این بین دقت شبکه عصبی مصنوعی آموزش دیده با آلگوریتم بیزی بیش از دو مدل دیگر بود.
نتیجه گیری: عملکرد روش پیشنهادی بر مبنای پردازش تصویر و استفاده از شبکه عصبی مصنوعی از دقت کافی برای تخمین وزن گوسفندان کردی برخوردار بوده و در این بین مدل طراحی شده بر مبنای آلگوریتم آموزش بیزی نسبت به دو آلگوریتم آموزشی لونبرگ مارکوات و اسکیلد کانژوگیت گرادینت از کارایی بهتری برخوردار بود. بر اساس نتایج مطالعه حاضر توسعه اپلیکیشن هایی بر مبنای استفاده از هوش مصنوعی برای توزین دام های اهلی کاملا امکان پذیر بوده و استفاده از آنها در مواقع متعددی که امکان دسترسی سریع و آسان به ترازو وجود ندارد، پیشنهاد می شود.
کلیدواژه ها:
نویسندگان
مهدی خجسته کی
Faculty member of Qom Agriculture and Natural Resources Research and Education Center
داودعلی ساقی
Faculty member of Khorasan Razavi Agricultural and Natural Resources Research and Education Center
راضیه ساقی
Agricultural Research Education And Extention Organization
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :