curl size and pelt color determination of zandi lambs using image processing and artificial neural network

In this study, a method based on using image processing and artificial neural network is introduced to determine pelt color and curl size of newborn lambs in zandi sheep. the data was collected from 300 newborn lambs reared in the zandi sheep breeding centre of khojir, tehran. primarily, curl size and pelt color of new born lambs was recorded by experienced appraisers, and at the same time, several digital images were captured from the lateral side of each lamb. the features related to curl size and pelt color of lambs were extracted from digital images using image processing tools (ipt) of matlab software. to determin-ing the pelt color, to classifying the pelts for curl size, and to estimating the curl size of pelt, three artificial neural networks were designed. the pelt color of the lambs was determined using an artificial neural network with a precision of 100%. the accuracy of the neural network which trained to classify the pelts on their curl size was 94.87%. the accuracy of the third neural network to estimate the curl size of pelts was 98.44%. the correlation between the curl size estimated using the artificial neural network and the curl size which measured by appraisers was 96.4% (p<0.01). the results of this study showed that there is a potential to use artificial intelligence as a substitute for human assessments in the recording of pelt traits.

تعیین اندازه گل و رنگ پوست بره های زندی با استفاده از پردازش تصویر و شبکه عصبی مصنوعی

در این مطالعه، روشی بر مبنای استفاده از پردازش تصویر و شبکه عصبی مصنوعی برای تعیین رنگ و نوع گل پوست در بره ­های نوزاد گوسفند زندی معرفی شده است. داده­ ها از 300 بره­ نوزاد در مرکز پرورش گوسفند زندی خجیر تهران جمع ­آوری شد. در ابتدا، اندازه و شکل گل پوست بره ­های تازه متولد شده توسط ارزیاب ­های با تجربه ثبت شد و به طور هم­زمان، چندین عکس دیجیتال از نمای جانبی هر بره گرفته شد. ویژگی­ های مربوط به اندازه گل و رنگ پوست بره­ ها از تصاویر دیجیتال با استفاده از ابزار پردازش تصویر (IPT) نرم­ افزار MATLAB استخراج شد. برای تعیین رنگ پوست، طبقه ­بندی پوست براساس اندازه گل و نیز برای برآورد اندازه گل پوست بره ­ها سه شبکه عصبی مصنوعی مجزا طراحی شد. رنگ پوست بره ­ها با استفاده از شبکه عصبی مصنوعی با دقت 100 درصد تعیین شد. دقت شبکه عصبی آموزش ­دیده برای طبقه­ بندی پوست بره ­ها بر اساس اندازه گل آنها 87/94 درصد بود. همچنین دقت شبکه عصبی سوم برای برآورد اندازه گل­ های پوست 44/98 درصد بود. همبستگی بین اندازه گل برآورد شده با استفاده از شبکه عصبی مصنوعی و اندازه گل تعیین شده توسط ارزیاب 4/96 درصد (0.01>P) بود. نتایج این مطالعه نشان داد که امکان استفاده از هوش مصنوعی به عنوان جایگزین ارزیابی انسانی در ثبت صفات پوست وجود دارد.