عنوان مقاله: مقایسه دقت شبکه عصبی مصنوعی و مدل رگرسیون خطی در تخمین وزن شتر یک‌کوهانه با استفاده از اندازه‌های بدن

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قم، سازمان تحقیقات، آموزش و ترویج کشاورزی، قم، ایران.

2 استادیار موسسه تحقیقات علوم دامی کشور، سازمان تحقیقات،آموزش و ترویج کشاورزی، کرج، ایران.

3 کارشناس اجرایی مدیریت بهبود تولیدات دامی سازمان جهاد کشاورزی استان قم .

چکیده

در مدیریت پرورش شتر وزن کشی در گروه بندی دام‌ها، تنظیم احتیاجات غذایی و نیز ارزیابی سالیانه حیوانات نقش تعیین کننده دارد. شترداران به دلیل دشواری و مخاطرات متعدد، معمولاَ روش‌های جایگزین نظیر استفاده از برآورد ظاهری و یا وزن‌متر را برای تخمین وزن شترها ترجیح می‌دهند. از آن‌جا که دقت مدل‌های ریاضی در تخمین وزن شترها یکسان نیست، لذا پژوهش حاضر با هدف مقایسه دقت برآورد شبکه عصبی مصنوعی و مدل رگرسیون خطی چندگانه در تخمین وزن شترهای یک‌کوهانه از روی ابعاد بدنی آن‌ها به انجام رسید. به این منظور 26 نفر شتر با تعداد 203 رکورد از یک مزرعه شخصی برای مدت یک‌ سال استفاده شد. وزن کشی و تعیین ابعاد بدنی شتر‌ها (طول بدن، ارتفاع جدوگاه، ارتفاع کپل، ارتفاع کوهان تا زمین، دور سینه و دور شکم) به‌طور ماهیانه اندازه‌گیری شد. برای تخمین وزن شترها از روی ابعاد بدن آن‌ها داده‌ها با استفاده از مدل رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد تجزیه و تحلیل قرار گرفتند. وزن شترها از روی ابعاد بدنی آن‌ها با استفاده از مدل رگرسیون خطی چند متغیره و مدل شبکه عصبی مصنوعی به ترتیب با دقت 94/0 و 99/0 تخمین زده شد. در آزمون عملی، مدل رگرسیون چندگانه و شبکه عصبی مصنوعی به ترتیب وزن شترها را 39/16 و 07/5 کیلوگرم کمتر از وزن واقعی آن‌ها برآورد نمودند. نتایج این پژوهش نشان داد که شبکه عصبی مصنوعی از قابلیت مناسبی برای تخمین وزن شترها از روی ابعاد بدنی آن‌ها برخوردار بوده و می‌تواند جایگزین روش‌های متداول رگرسیون گردد.

کلیدواژه‌ها

مراجع

  1. Abegaz, S. and Awgichew, K. (2009). Technical bulletin no. 23. Estimation of weight and age of sheep and goat. Ethiopia sheep and goat productivity improvement program. ESGPIP, Ethiopia.
  2. Afolayan, R.A., Adeyinka, I. A. and Lakpini, C. A. M. (2006). The estimation of live weight from body measurements in Yankasa sheep. Czech J.Anim.Scie.51 (8):343-348.
  3. Atta, M. and el-Khidir, O. A. (2004). Use of heart girth wither height and scapuloischial length for prediction of love weight of Nilotic sheep. Small ruminant research, 55(1):233-237.
  4. Bahashwan, S., Alrawas, A. S., Alfadli, S. and Johnson, E. S. (2016). Dofari cattle growth curve prediction by different non linear model functions. Livestock Research.27 (12)
  5. Borah, S., Hines, E. L. and Bhuyan, M. (2007). Wavelet transform based image texture analysis for size estimation applied to the sorting of tea granules. Journal of Food Engineering, 79: 629–639.
  6. Cannas, A. and Boe, F. (2003). Prediction of the relationship between body weight and body condition score in sheep. Italian Journal of Animal Sciences, 2:527-529.
  7. De Villers, J. F., Gcumisa, S. T. and Gumede, S. A. (2010). Weight band to estimate the live weight of meat goats. Agri update: information from the KZN department of Agriculture environmental affairs and rural development, South Africa.
  8. Franicis, J., Sibanda, S., Hermansen, J. T, and Kristrerrsen, E. (2002). Estimating body weight of cattle using linear body measurements. Zimbabwe Veterinary Journal.33:15-21.
  9. Grzesiak, W., Lacroix, R., Wójcik, J. and Blaszczyk, P. (2003). A comparison of neural network and multiple regression predictions for 305-day lactation yield using partial lactation records. Canadian Journal of Animal Science, 2003, 83(2): 307-310.
  10. Kadim, I. T, Mahgoub, O. and Purchas, R. W. (2008). A review of the growth and the carcass and meat quality characteristics of the one humped camel. Meat. Science 80(3):555-69.
  11. Kohler-Rollefson, I., Mundy, P. and Mathias, E. (2001). A Field Manual of Camel Diseases. London, U.K.; Intermediate Technology Group Publishing. pp. 2 54.
  12. Iqbal, Z. M., Javed, K., Abdollah, M., Ahmad, N., Ali, A., Khalique, A., Aslamand, N. and Younas, U. (2014). Estimation of body weight from different morphometric measurement in Kali lambs. Journal of animal and plant Science.24 (3):700-703.
  13. Mahmoud, M. A., Shaba, P. and Zubairu, U.V. (2014). Live body weight estimation in small ruminant: a review. Global journal of animal scientific research. 2(2).
  14. Mehta, S. C., Bapna, D. L. and Bhure, S. K. (2010). Mathematical function of growth in India dromedary genotypes. Journal of Biopesticides.80 (2)148-151.
  15. Norouzian, M. A.and Vakili, M. (2016). Comparison of artificial neural network and multiple regression to estimate fat tail weight of sheep. Iranian Journal of applied animal science.4 (6):895-900.
  16. Otoikhian, C. S. O., Otoikhian, A. M., Akporhuarho, O. P. and Isidahoman, C. (2008). Correlation of body weight and some body measurement parameters in Quda sheep under extensive management system. African journal .Gen.Agr4 (3):129-133.
  17. Salau, J., Haas, J., Junge, W., Bauer, U., Harms, J. and Bieletzki, S. (2014). Feasibility of automated body trait determination using the SR4K time-of-flight camera in cow barns. Springer Plus, 3, 225.
  18. Slosarz, P., Stanisz, M., Boniecki, P., Prezybylak, A., Lisiak, D., Ludwiczak, A. (2011). Artificial neural network analysis of ultrasound image for the estimation of intramuscular fat content in lamb muscle. African Journal of Biotechnology.10 (55):11792-11796.
  19. Snedecor, S.W. and Cochran, W.G. (1989). Statistical method s. 8th ed. Iowa state University Press .USA.
  20. Tsegaye, D., Belay, B., and Haile, A. (2013). Linear body measurement as predictor of body weight in Haraghe Highland goat under farmer's environment Ethiopia. Glob. Veterinaria.11 (5):649-656.
  21. Wangchuk. K., Wangdi, J. and Mindu, M. (2017).comparison and reliability of techniques to estimate live cattle body weight. Journal of Applied Animal Research.
علوم دامی
دوره 35، شماره 136
آذر 1401
صفحه 3-16

فایل ها

هم رسانی

ارجاع به این مقاله

آمار