امكان‌سنجي تشخيص جنسيت جنين جوجه مرغ با روش تصويربرداري ابرطيفي حين فرآيند انكوباسيون

اصفهان : دانشگاه صنعتي اصفهان

مكانيك بيوسيستم

كارشناسي ارشد

يكي از مهم‌ترين چالش‌هاي صنعت طيور، به‌ويژه در زنجيره توليد مرغ‌هاي تخم‌گذار، تعيين جنسيت جوجه‌ها و حذف جوجه‌هاي نر يك‌روزه است. از آنجا كه بين عملكرد توليد تخم‌مرغ و رشد گوشتي همبستگي منفي وجود دارد، خطوط تخصصي مرغ‌هاي تخم‌گذار و گوشتي توسعه يافته‌اند و جوجه‌هاي نر حاصل از سويه‌هاي تخم‌گذار معمولاً ارزش اقتصادي محدودي دارند. تعيين جنسيت پس از هچ و حذف جوجه‌هاي نر، افزون بر تحميل هزينه‌هاي اقتصادي، نگراني‌هاي مهمي در زمينه رفاه حيوانات و مسائل اخلاقي ايجاد كرده است. بنابراين، توسعه روش‌هاي سريع، غيرمخرب، دقيق و كاربردي براي تعيين جنسيت جنين پيش از هچ ضروري است. تصويربرداري ابرطيفي، به‌دليل قابليت ثبت هم‌زمان اطلاعات مكاني و طيفي، مي‌تواند به‌عنوان رويكردي نوين براي آشكارسازي تفاوت‌هاي مرتبط با جنسيت جنين در دوره انكوباسيون به‌كار رود. هدف اين پايان‌نامه، امكان‌سنجي تعيين جنسيت جنين جوجه‌مرغ در تخم‌مرغ‌هاي نطفه‌دار با استفاده از تصويربرداري ابرطيفي و روش‌هاي تحليل چندمتغيره بود. بدين منظور، تصويربرداري ابرطيفي از تخم‌مرغ‌هاي نطفه‌دار در روزهاي زوج، از روز صفر تا روز چهاردهم انكوباسيون، انجام شد. پس از روز چهاردهم، نمونه‌ها تا زمان هچ و تولد جوجه‌ها تحت شرايط استاندارد انكوباسيون نگهداري شدند. پس از تولد، جنسيت هر جوجه توسط كارشناس خبره و با استفاده از روش آناليز پر تعيين شد. در نهايت، 103 نمونه شامل 53 نمونه نر و 50 نمونه ماده به‌دست آمد. تصاوير خام ابتدا به‌صورت نسبي اصلاح شدند؛ سپس، پس‌زمينه حذف و ناحيه مورد نظر از تصاوير استخراج شد. در ادامه، داده‌ها با دو رويكرد تحليل شدند: رويكرد نخست، تحليل طيفي بر پايه طيف ميانگين ناحيه مورد نظر و رويكرد دوم، تحليل مكاني مبتني بر طبقه‌بندي پيكسل‌مبنا بود. به‌منظور بررسي اثر روش‌هاي مختلف پيش‌پردازش بر عملكرد طبقه‌بندي و همچنين كاهش اثر نويز، پراكندگي نور و تغييرات ناشي از ويژگي‌هاي سطح پوسته تخم‌مرغ، چندين روش پيش‌پردازش طيفي مورد ارزيابي قرار گرفت. براي طبقه‌بندي تخم‌مرغ‌ها، مدل‌هاي تحليل نرم و مستقل شباهت‌هاي بين‌كلاسي (SIMCA)، تحليل تفكيكي حداقل مربعات جزئي (PLS-DA)، تحليل تفكيكي خطي و درجه دوم (LDA/QDA) و شبكه‌هاي عصبي مصنوعي (ANN) به‌كار گرفته شدند. با مقايسه شاخص‌هاي دقت و سپس حساسيت، نتايج تحليل طيفي نشان داد كه مدل ANN در بيشتر روزهاي انكوباسيون، به‌ويژه در تشخيص تخم‌مرغ‌هاي حاوي جنين ماده، عملكرد بهتري نسبت به ساير مدل‌ها داشت. بهترين نتيجه در روز دهم انكوباسيون به‌دست آمد؛ به‌طوري‌كه مدل ANN توانست جنسيت جنين را با دقت 90 درصد و حساسيت 100 درصد پيش‌بيني كند. در تحليل تصوير پيكسل‌مبنا نيز مدل ANN با استفاده از روش‌هاي مختلف پيش‌پردازش ارزيابي شد. بهترين نتايج اين روش نيز در روز دهم انكوباسيون و با استفاده از پيش‌پردازش مشتق دوم به‌دست آمد. در اين رويكرد، دقت طبقه‌بندي به 65 درصد و حساسيت تشخيص به 90 درصد رسيد. مقايسه نتايج دو روش در روز بهينه تشخيص، يعني روز دهم، نشان داد كه تحليل طيفي مبتني بر مدل ANN در مقايسه با تحليل مكاني پيكسل‌مبنا، توانايي بيشتري در تشخيص جنسيت جنين دارد. در مجموع، نتايج اين پايان‌نامه نشان داد كه تصويربرداري ابرطيفي، در تركيب با روش‌هاي تحليل چندمتغيره و ANN، ظرفيت مناسبي براي تشخيص غيرمخرب جنسيت جنين جوجه‌مرغ در دوره انكوباسيون دارد. اگرچه اين مطالعه با رويكرد امكان‌سنجي انجام شد، نتايج حاصل بيانگر آن است كه با استفاده از روش‌هاي بهينه پيش‌پردازش و مدل‌هاي مناسب يادگيري ماشين، مي‌توان به دقت قابل قبولي در تعيين جنسيت پيش از هچ دست يافت. توسعه و بهبود چنين سامانه‌هايي مي‌تواند در كاهش حذف جوجه‌هاي نر پس از هچ، ارتقاي رفاه حيوانات، كاهش هزينه‌هاي توليد و افزايش بهره‌وري در صنعت جوجه‌كشي مؤثر باشد.

238391

فناوري پس از برداشت

مهندسي كشاورزي

دانشگاه صنعتي اصفهان