توسعه روش های جدید برای تخمین حجم و وزن تخم بلدرچین با استفاده از تکنیک های پردازش تصویر و شبکه عصبی

تخم بلدرچین، ماده غذایی غنی از انواع ویتامین‌ها است که قادر بوده مواد رادیواکتیو را از بدن دفع نماید و باعث دفع فلزات سنگین و مواد سرطان‌زا از ارگانیسم فرد ‌شود. جهت مکانیزه‌کردن مراحل آماده‌سازی آن باید بتوان پارامترهای کیفی آنرا با استفاده از تکنیک‌های کامپیوتری مدلسازی نمود. بنابراین در این تحقیق با استفاده از تکنیک‌های پردازش تصویر خواص فیزیکی تخم بلدرچین استخراج شد، سپس حجم تخم‌ها با لایه بندی و دوران حول محور اصلی تعیین شد. در ضمن جهت تعیین وزن تخم‌ها یک مدل رگرسیونی چند متغیره و یک مدل عصبی ایجاد شد. نتایج حاصل از مدل‌ها و رو‌ش‌های پیشنهادی در این تحقیق با مقادیر واقعی و مدل‌های موجود (مدل Hoyt) مقایسه شد. در پایان تاثیر سن، تغذیه و نور محیط مادرها بر روی پارامترهای کیفی تخم بررسی شد. با مقایسه حجم واقعی تخم‌ها و مدل Hoyt، دقت 97% و با حجم محاسبه شده بروش تقسیم لایه‌ای تخم، دقت 100% حاصل شد که اهمیت روش تقسیم لایه‌ای تخم را بخوبی نشان می‌دهد. با مقایسه مقادیر واقعی وزن تخم‌ها با مدل Hoyt، دقت 83% ، با مدل چند متغیره، دقت 90% و با مدل عصبی، دقت 95% حاصل شد. مدل عصبی نه تنها دقت بهتری نشان داد بلکه اثر زمان تخمگذاری را هم در تخمین در نظر می‌گرفت که بسیار حایز اهمیت است. از مقایسه نتایج پرورش بلدرچین‌ها مشخص شد، سن بلدرچین مادر در زمان تخمگذاری بر پارامترهای کیفی تخم موثر است و تخم‌ بلدرچین‌های جوان‌تر شکل کروی‌تری دارند که ممکن است از گسترش نیافتن رحم مادرها باشد. همچنین مشخص شد نحوه قرارگرفتن قفس مادرها از لحاظ دریافت نور، غذا و آب مناسب بر کیفیت تخم‌ها موثر است. بطوریکه تخم مادرهایی که در بالاترین قفس‌ها قرار داشته و دارای نور و غذای بهتری بودند دارای افزایش ابعاد و وزن معنی‌داری بودند. این نتایج بخوبی نشان می دهد که ادغام تکنیک های پردازش تصویر و شبکه عصبی می تواند به مکانیزه کردن مراحل فراوری و آماده سازی تخم بلدرچین کمک کند.