تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,502 |
تعداد مشاهده مقاله | 124,116,745 |
تعداد دریافت فایل اصل مقاله | 97,221,518 |
سیستم وزنکشی و علامتگذاری هوشمند در مرغداری، به کمک بینایی ماشین | ||
مهندسی بیوسیستم ایران | ||
دوره 51، شماره 4، اسفند 1399، صفحه 673-682 اصل مقاله (561.21 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijbse.2019.262047.665074 | ||
نویسندگان | ||
معراج رجایی* 1؛ مهدیه ایمان پناه2؛ مبینا آزادی2؛ محمدعلی سلیمانی3 | ||
1استادیار، دپارتمان برق و کامپیوتر،دانشکده شریعتی، دانشگاه فنی حرفهای، استان تهران، ایران | ||
2مهندس تکنولوژی الکترونیک، دپارتمان مهندسی برق و کامپیوتر، دانشکده شریعتی، دانشگاه فنی حرفهای استان تهران، ایران | ||
3دانشجوی دکتری دانشگاه امیر کبیر | ||
چکیده | ||
هدف از این پژوهش، تعیین وزن و انتخاب مرغها در بازه وزنی دلخواه با استفاده از بینایی ماشین میباشد. تصاویر توسط دوربینهای رزبریپای گرفته شده و سپس با استفاده از برد رزبریپای3 پردازش شدهاند و در نهایت وزن تخمین زده شده است. از سیستم علامتگذاری نیز به منظور علامتگذاری مرغهای در بازه وزنی ایدهآل، کمک گرفته شد. بدین منظور تعداد 300 مرغ با نژاد راس، در 3 مرغداری توسط سیستم قابل حمل بررسی شدند و از حدود 500 عکس گرفته شده چهار ویژگی، طول، عرض، مساحت و محیط مرغها استخراج شد که با ترکیب ویژگیهای مساحت، طول و عرض، وزن مرغها محاسبه شد. همچنین درصد خطای هر یک نیزبه صورت جداگانه اندازهگیری شد. درصد خطای میانگین6٪ (حداقل درصد خطا 2٪ و حداکثر درصدخطا 12٪) نشان از توانایی پردازش تصویر در تعیین وزن مرغ دارد. همچنین جهت اطمینان از صحت کار سیستم، فضایی مشابه با مرغداری، با همان میزان نور و دما و خوراک و آب مورد نیاز مرغ طراحی گردید که تعداد 20 مرغ، در طول مدت 4 روز تحت بررسی قرار گرفتند، سپس مرغهای علامت خورده شده توسط ترازوی دیجیتال وزن شدند. در نهایت نتایج بدست آمده نشاندهنده دقت کامل سیستم و صحت روند پردازش تصویر و تعیین وزن بود. | ||
کلیدواژهها | ||
بینایی ماشین؛ پردازش تصویر؛ مرغداری هوشمند؛ تعیین وزن؛ علامتگذاری | ||
مراجع | ||
Z.H.Pradana, B.Hidayat, S.Darana , beef cattle weight determine by using digital image processing(2016), in: international Conference on Control, Electronics, Renewable Energy and Communication. D.D.Burdescu,L.Stanescu,M.Brezovan,C.S.Spahiu,D.C.Ebanca(2016),A Method for Image Processing from Planar Color Images, In:IEEE-3rd International Conference on Control, Decision and Information Technologies, April 6-8, 2016,Malta V. Pereira, V.A.Fernandes, J.Sequeira(2014), Low Cost Object Sorting Robotic Arm using Raspberry Pi, In: 2014 IEEE GlobalHumanitation Technology, South Asia Satellite(GHTC-SAS),Sep 26-27,2014. S.Amraee, S.A.Mehdizadeh, S.Salari(2017), The system for estimating the weight of broiler chicks individually using image processing and multiple regression analysis, Journal of Biotechnology Engineering, 47(4),615-623.(In Farsi) M.Rajaee,M.Larimonfared(2012) Recognize eaten apple drop from healthy using Image Processing Techniques using MATLAB Software, In: The 15th Iranian Student Conference, August 28-30,2012, Kashan University, Isfahan, Iran. S.Viazzi, S.VanHoestenberghe, B. M.Goddeeris, &D. Berckmans, (2015) Automatic mass estimation of Jade perch Scortumbarcoo by computer vision. Aquacultural Engineering, 64, 42-48. Tillet, R.D., Onyango, C.M. &Marchant, J.A. (1997) Using model-based-image processing to track animal movements. Computers and Electronics in Agriculture, 17, 249-261 Schofield, C.P., Marchant, J.A., White, R.P., Brandl, N., & Wilson, M. (1999). Monitoring pig growth using a prototype imaging system. Journal of Agricultural Engineering Research, 72, 205–210. H.Bipembi, J. B. Hayfron-Acquah, Joseph K. Panford, Obed Appiah(2016),Calculation of Body Mass Index using Image Processing Techniques,International Journal of Artificial Intelligence and Mechatronics ,4(1),ISSN 2320 – 5121. M.Jafarlo, R.F.Teimorlo(2014),Estimation of apple volume and indentations, using image processing and neural network, Journal of Agricultural Machinery,4(1),57-64(In Farsi). M.Kashiha, C.Bahr, S.Ott, C. P.Moons, T. A. Niewold, F. O.Ödberg, & D. Berckmans, (2014). Automatic weight estimation of individual pigs using image analysis. Computers and Electronics in Agriculture, 107, 38-44. S.Tasdemir,A.Urkmez, &S.Inal(2011). Determination of body measurements on the Holstein cows using digital image analysis and estimation of live weight with regression analysis. Computers and electronics in agriculture, 76(2), 189-197. T. F.Cootes, C. J. Taylor,D. H. Cooper, & J. Graham(1995). Active shape models-their training and application. Computer vision and image understanding, 61(1), 38-59. Y.Wang, W.Yang, P.Winter, & L. Walker (2008) Walk-through weighing of pigs using machine vision and an artificial neural network. Biosystems Engineering, 100(1), 117-125. M.Saadat (2016), Chicken meat demand function in Iran. Economic Jurnal,11&12, 101_107(In Farsi). | ||
آمار تعداد مشاهده مقاله: 742 تعداد دریافت فایل اصل مقاله: 530 |