نام پژوهشگر: مهدی خجسته‌کی

امکان یابی تعریف صفات جدید در برنامه اصلاحی گوسفندان دومنظوره گوشتی پوستی با استفاده از فن آوری هوش مصنوعی و شبیه سازی رایانه ای
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزی 1394
  مهدی خجسته کی   علی اصغر اسلمی نژاد

در این مطالعه برای اولین بار روشی برای تعیین کیفیت پوست بره‏های یک روزه با استفاده از روش های مبتنی بر هوش مصنوعی ارائه شد و سپس با استفاده از شبیه سازی رایانه ای تاثیر استفاده از رکوردهای حاصل از هوش مصنوعی در مقایسه با روش ارزیابی انسانی بررسی شد. داده مورد استفاده از پوست های کلکسیون و از بره های متولد شده در مرکز پرورش گوسفند زندی واقع در شمال شرق تهران(خجیر) بدست آمد. ابتدا کیفیت پوست های کلکسیون و همچنین امتیاز صفات مختلف پوست برای 300 راس بره نوزاد بوسیله ارزیابان خبره و در قالب اعداد گسسته ثبت شد. به طور همزمان و با استفاده از دوربین دیجیتال، عکس‏های متعددی از پوست بره ها با رعایت فواصل ثابت تهیه شد. همچنین برخی اندازه های متریک در رابطه با پوست بره ها نظیر ابعاد پوست و اندازه گل های روی پوست ثبت گردید. پس از آماده سازی اولیه تصاویر تعداد 180 خصوصیت شامل ویژگی های مختلف شکل شناسی و بافت از هر تصویر استخراج و با توجه به نوع صفت مورد بررسی ویژگی های مرتبط انتخاب شد. با استفاده از امکانات شبکه عصبی در نرم افزار متلب دو ساختار متفاوت شبکه عصبی مصنوعی یکی به منظور دسته بندی و تشخیص صفات پوست و دیگری با هدف تخمین مقادیر صفات پوست مورد استفاده قرار گرفت. نتایج نشان داد که با استفاده از روش پردازش تصویر و شبکه عصبی امکان دسته بندی صفات پوست با دقتی بین 94 تا 100 درصد وجود دارد. کمترین دقت شبکه برای تشخیص نوع گل و بالاترین دقت برای تشخیص رنگ و طرح پوست ثبت شد. همچنین مساحت پوست‏ بره های یک روزه و اندازه گل های روی پوست با استفاده از شبکه عصبی مصنوعی به ترتیب با دقت %94/35 و %98/44 تخمین زده شد. ضریب همبستگی بین مقادیر اندازه های تخمین زده شده برای پوست بره ها با استفاده از شبکه عصبی مصنوعی و اندازه های واقعی 92/8 درصد و بین مقادیر اندازه گل تخمین زده شده توسط شبکه عصبی با مقادیر واقعی آن 96/4 درصد برآورد شد. شبیه سازی صفت اندازه پوست نشان داد که استفاده از اعداد پیوسته حاصل از پردازش تصویر به جای رکوردهای رتبه ای در ارزیابی انسانی باعث افزایش معنی دار دقت برآورد ارزش های ارثی (به ترتیب 0/78 و 0/89) و روند ژنتیکی(به ترتیب 0/28 و 0/46) جمعیت اصلاحی شد. این موارد با فرض مقادیر مختلف ضریب وراثت پذیری، شدت انتخاب، اندازه نسل و مقادیر مختلف همپوشانی نسل ها بررسی شد و بازهم دقت انتخاب و پیشرفت ژنتیکی بالاتر جمعیت اصلاحی در صورت استفاده از رکوردهای پیوسته پردازش تصویر مشاهده شد (p<0.01). نتایج این مطالعه نشان داد که نه تنها امکان استفاده از فن آوری هوش مصنوعی برای تعیین کیفیت پوست بره های یک روزه وجود دارد، بلکه استفاده از این روش به تعریف برخی صفات جدید با توزیع کمی پیوسته منتج شده و در نهایت به پیشرفت ژنتیکی بالاتر جمعیت اصلاحی کمک می کند.