فهرست نشریات علمی دسترسی آزاد ایران

در مزارع پرورش گاو شیری، عملیات یادگیری ماشینی می‌تواند بر اساس امتیازدهی وضعیت بدنی (BCS) با بهره‌گیری از ویژگی‌های استخراج‌شده از تصاویر برای شناسایی و طبقه‌بندی انواع گاوها مورد استفاده قرار گیرد. به‌طور خاص، الگوریتم‌های یادگیری ماشین می‌توانند انحنای ستون فقرات را اغلب با شناسایی نقاط کلیدی و برازش یک خط یا منحنی، تجزیه و تحلیل کنند تا بین نژادهای مختلف گاو تمایز قائل شوند و وضعیت آن را ارزیابی کنند. در این مطالعه، جهت تشخیص و طبقه‌بندی انواع تیپ گاو بر اساس وضعیت انحنای انتهای ستون فقرات (کفل) از مدل‌های یادگیری ماشین که در سال‌های اخیر به‌طور مکرر در علوم کامپیوتر مورد استفاده قرار گرفته‌اند، شامل SVM، KNN و CNN همراه با شبکه از پیش آموزش‌دیده مبتنی بر یادگیری عمیق Resnet50 به‌منظور افزایش موفقیت معماری‌ها استفاده شد. در هر یک از الگوریتم‌ها استخراج و ثبت و ادغام ویژگی‌های تصاویر برای تشخیص نوع تیپ گاوها انجام گرفت و در نهایت الگوریتم CNN از پیش آموزش‌دیده مبتنی بر یادگیری عمیق با بالاترین میزان دقت (93 درصد) توانست نوع تیپ گاو را درست تشخیص دهد. بنابراین می‌توان با تلفیق این سیستم پردازشی با مکانیزم تصویربرداری، امکان تشخیص و طبقه‌بندی گاوها را بر اساس انواع حالات و مشخصات بدنی در محیط‌های گاوداری در مدت زمان کوتاه‌تر، ساده‌تر و کاربرپسند فراهم ساخت. این رویکرد نیاز به استخراج دستی ویژگی‌های دام را حذف می‌کند، بکارگیری نیروی انسانی را کاهش می‌دهد و به‌دقت تشخیص بهبودیافته‌ای دست می‌یابد.