شماره مدرك
21315
شماره راهنما
18245
پديد آورنده
شيرواني، نازنين
عنوان
امكان‌سنجي تشخيص جنسيت جنين جوجه مرغ با روش تصويربرداري ابرطيفي حين فرآيند انكوباسيون
مقطع تحصيلي
كارشناسي ارشد
گرايش تحصيلي
فناوري پس از برداشت
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
سال دفاع
1405
صفحه شمار
ده، 71ص. :مصور، جدول، نمودار
توصيفگر ها
تخم‌مرغ نطفه‌دار , شبكه عصبي مصنوعي , تحليل طيفي , تحليل پيكسل‌مبنا , جوجه‌كشي , مرغ تخم‌گذار
تاريخ ورود اطلاعات
1405/07/21
كتابنامه
كتابنامه
رشته تحصيلي
مكانيك بيوسيستم
دانشكده
مهندسي كشاورزي
تاريخ ويرايش اطلاعات
1405/07/21
كد ايرانداك
23260849
چكيده فارسي
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.
چكيده انگليسي
One of the most significant challenges in the poultry industry, particularly in laying-hen production, is chick sexing and the culling of day-old male chicks. Due to the negative correlation between egg production and meat growth, specialized lines for laying hens and broilers have been developed, resulting in limited economic value for male chicks from laying strains. Post-hatch sexing and male chick culling not only incur economic costs but also raise serious animal-welfare and ethical concerns. Therefore, rapid, non-destructive, and sufficiently accurate methods suitable for industrial application are needed to determine embryonic sex before hatching. Hyperspectral imaging, which simultaneously captures spatial and spectral information, offers a promising approach for detecting sex-related differences in embryos during incubation. This thesis aimed to assess the feasibility of determining chicken embryonic sex within fertile eggs using hyperspectral imaging combined with multivariate analysis techniques. Hyperspectral images were acquired on even-numbered days from day 0 to day 14 of incubation, after which the eggs were maintained under uniform conditions until hatching. Following hatching, the chicks were sexed by an expert using the feather-sexing method, resulting in a final dataset of 100 samples, comprising 50 male and 50 female chicks. The raw images were normalized, the background was removed, and the region of interest (ROI) was extracted. The data were then analyzed using two approaches: spectral analysis based on the mean ROI spectrum and spatial analysis based on pixel-level classification. Various preprocessing techniques were applied to reduce the effects of noise, light scattering, and eggshell surface variations. Soft Independent Modelling of Class Analogy (SIMCA), Linear and Quadratic Discriminant Analysis (LDA/QDA), and Artificial Neural Networks (ANN) were used for classification. Spectral analysis showed that ANN generally outperformed the other models, particularly in identifying eggs containing female embryos. The best performance was obtained on day 10, with 90% classification accuracy and 100% sensitivity. In pixel-based analysis, the best ANN performance was also obtained on day 10 using second-derivative preprocessing, achieving 65% accuracy and 90% sensitivity. On day 10, spectral analysis using ANN showed higher classification performance than pixel-based spatial analysis. Overall, the findings demonstrate the feasibility of hyperspectral imaging combined with multivariate analysis and ANN for non-destructive assessment of chicken embryonic sex during incubation. Although this study was conducted as a feasibility assessment, the results highlight the importance of appropriate preprocessing and machine-learning models for pre-hatch sex classification. Further development and validation under larger datasets and industrial conditions could contribute to practical pre-hatch sexing systems, potentially reducing post-hatch male chick culling, improving animal welfare, and enhancing hatchery efficiency.
استاد راهنما
احمد ميره اي
استاد مشاور
محمد صدقي , مجيد ناظري
استاد داور
علي قاسمي , رسول كوثر