مقایسه آلگوریتم های آموزشی شبکه عصبی مصنوعی در برآورد وزن گوسفندان کردی با استفاده از خصوصیات تصاویر دیجیتال

انسان به جهت خستگی، وقوع خطاهای ناخواسته، تاثیر پذیری از محیط و آسیب پذیری 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.

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 وزن کشی، 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 R2010a) 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.

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 به ترتیب 91/95، 94/74 و 94/34 درصد برآورد شد. در آزمون عملی که با ارایه 20 تصویر به عنوان تست به هر یک از مدل ها انجام شد، شبکه آموزش دیده با آلگوریتم اسکیلد کانژوگیت گرادینت با خطای 4/7 درصد، شبکه بیزین با خطای 0/5 درصد و شبکه لونبرگ مارکوات با خطای 2/11 درصد وزن را از روی تصاویر دیجیتال آن ها 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.

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.