پیش بینی صفات لاشه از اندازه های بدن با استفاده از روش های رگرسیون خطی و شبکه ی عصبی مصنوعی در گوسفند لری بختیاری

در این پژوهش ارتباط بین وزن زنده هنگام کشتار گوسفند لریبختیاری با خصوصیات لاشه (وزن لاشه ی گرم، وزن لاشه ی سرد، وزن نیم لاشهی سرد، وزن گوشت، وزن چربی، وزن استخوان و وزن دنبه) و برخی اندازه های ظاهری بدن (طول بدن، دور قفسه سینه، عرض کپل و عرض شانه) مورد بررسی قرار گرفت. همچنین معادلات رگرسیون خطی مناسب برای پیشبینی وزن زنده و خصوصیات لاشه تعیین شد و با روش شبکه ی عصبیمصنوعی نیز مقایسه گردید.
از رکوردهای مربوط به 58 راس بره نر نژاد لریبختیاری ایستگاه پرورش و اصلاح نژاد شهرستان شهرکرد واقع در استان چهار محال و بختیاری استفاده شد. بره ها در سن 5±90 روزگی شیرگیری و سپس در سه گروه 60، 80 و 100 روز پروار شدند. در پایان دوره پروار اندازه های ظاهری بدن اندازه گیری شد و بعد از کشتار و پوستکنی نیز خصوصیات لاشه مورد نظر اندازهگیری گردید. از تعداد 696 رکورد برای پیش بینی وزن زنده و خصوصیات لاشه با استفاده از معادلات رگرسیون و شبکه ی عصبی مصنوعی استفاده گردید. پیش بینی خصوصیات لاشه و وزن زنده هنگام کشتار با استفاده از اندازه های ظاهری بدن توسط معادله رگرسیونی دارای بهترین ضریب تعیین انجام شد. همچنین مدلهای رگرسیونی منتخب پیشبینی کننده صفات با استفاده از شبکه ی عصبی مصنوعی نیز برازش داده شدند و نتایج این دو روش بر اساس معیارهای ضریب تعیین و میانگین مربعات خطا مقایسه شد.
ضرایب همبستگی فنوتیپی بین وزن زنده و خصوصیات لاشه مثبت و نسبتا زیاد برآورد گردید که در دامنه ی 58/0 تا 99/0 قرار داشتند. ضرایب همبستگی فنوتیپی بین اندازه های بدن و خصوصیات لاشه نیز دارای تغییراتی در دامنه ی 29/0 تا 69/0 بود. در بین اندازه های ظاهری بدن بیشترین همبستگی را دور قفسه ی سینه با وزن زنده و خصوصیات لاشه داشت. همبستگی نسبتا بالای بین وزن زنده و وزن اجزای مختلف لاشه با اندازه های ظاهری بدن در پژوهش حاضر حاکی از آن است که می توان از اندازه های ظاهری بدن در پیش بینی این صفات و با دقت نسبتا بالایی استفاده نمود. نتایج نشان داد با استفاده از اندازه های طول بدن، دور قفسهی سینه و عرض کپل در معادله رگرسیونی می توان با دقت 79 درصد وزن زنده بره های لری بختیاری را پیش بینی نمود. همچنین با استفاده از وزن زنده و دور قفسهی سینه میتوان وزن لاشهی گرم و وزن لاشه ی سرد را به ترتیب با دقت 97 و 96 درصد برآورد نمود. وزن زنده بدن به ترتیب 94 و 72 درصد از تنوع وزن نیم لاشه و وزن دنبه را توجیه نمود. همچنین نتایج نشان داد که کارایی شبکه ی عصبی مصنوعی طراحی شده در پیش-بینی خصوصیات لاشه بالاتر از مدل های رگرسیون بود.
نتایج نشان داد که می توان با دقت نسبتا بالایی از اندازه های ظاهری بدن در پیش بینی وزن زنده و وزن اجزای مختلف لاشه استفاده نمود. همچنین نتیجه گیری شد که تکنیک شبکه ی عصبی مصنوعی بهتر از معادلات رگرسیون خطی قادر به پیش بینی وزن زنده و خصوصیات لاشه در گوسفندان لریبختیاری بود. با توجه به اهمیت خصوصیات لاشه در تعیین پتانسیل ژنتیکی و تنظیم برنامه های اصلاح نژاد مرتبط با افزایش تولید گوشت، نتایج این پژوهش می تواند استفاده کاربردی داشته باشد.