دانشگاه بیرجند تحقیقات دام و طیور 2322-1747 5 2 2022 08 23 Weight estimation, shape index determination and shell contamination detection of hen egg using machine vision methods تخمین وزن، تعیین شاخص شکل و تشخیص آلودگی پوسته تخم مرغ با استفاده از ماشین بینایی 17 24 556 10.22077/jlr.2016.556 FA مهدی خجسته کی عضو هیئت علمی بخش علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قم، سازمان تحقیقات و آموزش کشاورزی، قم، ایران. هوشنگ لطف اللهیان عضو هیئت علمی موسسه تحقیقات علوم دامی کشور، سازمان تحقیقات و آموزش کشاورزی، کرج، ایران. مجید کلانتر نیستانکی عضو هیئت علمی بخش علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قم، سازمان تحقیقات و آموزش کشاورزی، قم، ایران. Journal Article 2017 07 10 در این مطالعه روشی برای تخمین وزن، تعیین شاخص شکل و تشخیص آلودگی پوسته تخم مرغ با استفاده از فن آوری ماشین بینایی ارائه شده است. ابتدا برخی خصوصیات مرتبط با کیفیت تخم مرغ شامل وزن، طول، عرض، شاخص شکل و وضعیت آلودگی پوسته تعداد 76 قطعه تخم مرغ توسط تکنسین مجرب در آزمایشگاه تعیین گردید. همزمان از هر یک از تخم مرغ‌ها تصاویری با استفاده از دوربین دیجیتال با رعایت فاصله ثابت و شرایط نور پردازی یکسان تهیه گردید. سپس با استفاده از محیط پردازش تصویر نرم افزار متلب ویژگی‌های مرتبط با وزن تخم مرغ، اندازه تخم مرغ و وضعیت آلودگی پوسته از تصاویر استخراج شد. 4 نوع شبکه عصبی مختلف به ترتیب برای تشخیص و دسته بندی آلودگی پوسته تخم مرغ، تخمین وزن تخم مرغ و تخمین طول و عرض تخم مرغ با استفاده از نرم افزار متلب طراحی شد. شبکه عصبی طراحی شده برای تشخیص آلودگی‌های سطحی تخم مرغ بدون خطا آموزش دید و در مرحله آزمون آلودگی پوسته تخم مرغ‌ها با دقت 95 درصد توسط شبکه تشخیص داده شد. دقت شبکه‌های عصبی مصنوعی برای تخمین وزن، طول و عرض تخم مرغ‌ها در مرحله آموزش به ترتیب برابر با 55/98، 4/99 و 49/98 درصد بود. در مرحله آزمون نهایی همبستگی بین مقادیر واقعی وزن، طول و عرض تخم مرغ‌ها با مقادیر تخمین زده شده توسط شبکه عصبی به ترتیب برابر با 6/96، 31/97 و 98 درصد بود (P<0.01). نتایج این مطالعه نشان داد که امکان استفاده از فن آوری ماشین بینایی در تعیین کیفیت تخم مرغ و جایگزینی آن با انسان با دقت بالا وجود دارد.       https://jlr.birjand.ac.ir/article_556_4f22442197bcbe34bf94326657f17efc.pdf