ЗАСТОСУВАННЯ НЕЙРОННОЇ МЕРЕЖІ ХОПФІЛДА ДЛЯ РОЗПІЗНАВАННЯ СТАНУ РОЗВИТКУ ЕМБРІОНІВ ПТАШЕНЯТ КУРЕЙ

Автор(и)

  • Т. Ю. Уткіна Черкаський державний технологічний університет
  • В. Г. Рябцев Черкаська філія ПВНЗ "Європейський університет" Черкаси

DOI:

https://doi.org/10.31649/1997-9266-2022-160-1-70-75

Ключові слова:

інкубація, розпізнавання, моніторинг, нейронна мережа Хопфілда, овоскопування

Анотація

Моніторинг розвитку курячих ембріонів є важливою частиною процесу вилуплення, який дозволяє визначити, коли яйце не розвивається, а також коли яйце близьке до вилуплення. Можливість уважніше стежити за розвитком ембріона дозволяє визначати оптимальні моменти часу для зміни параметрів інкубації, таких як вологість, для створення найкращих умов для вилуплення пташенят. Для моніторингу розвитку курячих яєць під час інкубації запропоновано автоматизувати процес овоскопування завдяки визначенню стану ембріонів пташенят завдяки застосуванню системи технічного зору NI EVS-1464R компанії National Instruments, де для отримання зображень доступна низка апаратних засобів (плати відеозахоплення для цифрових камер з різним інтерфейсом, системи реального часу і смарт-камери), та штучної нейронної мережі Хопфілда. Це дозволяє реалізувати асоціативну пам’ять. Головне завдання асоціативної пам’яті зводиться до запам’ятовування вхідних (навчальних) вибірок таким чином, щоби при представленні нової вибірки система змогла згенерувати відповідь ― яка із запам’ятованих раніше вибірок найближча до образу, що надійшов. Така нейронна мережа змінює свій внутрішній стан за кожну ітерацію і зупиняється, коли поточний стан збігається з попереднім. У такому разі стверджують, що нейронна мережа зійшлася до одного зі станів, збережених у її пам’яті. Якщо ж у пам’яті не виявлено схожий образ, мережа може видати неіснуючий атрактор. Виконано моделювання розпізнавання різних станів ембріонів пташенят курей. У разі виконання овоскопування світлий сектор площі яйця відповідає сигналу, що дорівнює 0, а темний сектор ― сигналу 1. Всього в моделюванні аналізувалися стани двадцяти трьох секторів площі яйця птиці. На мові С++ розроблено програмний засіб на базі нейронної мережі Хопфілда й виконано перевірку його здатності ідентифікувати живі та неживі ембріони пташенят курей. Правильна ідентифікація спотворених векторів дозволяє застосовувати мережу Хопфілда у птахівництві, що зменшить надмірну стомлюваність операторів й унеможливить помилкове вибраковування нормальних яєць.

Біографії авторів

Т. Ю. Уткіна, Черкаський державний технологічний університет

канд. техн. наук, доцент, доцент кафедри робототехніки та спеціалізованих комп’ютерних систем

В. Г. Рябцев, Черкаська філія ПВНЗ "Європейський університет" Черкаси

д-р техн. наук, професор, науковий консультант

Посилання

C. Yeo, H. Park, K. Lee, and C. Song, “Avian Embryo Monitoring During Incubation using Multi-Channel Diffuse Speckle Contrast Analysis,” Biomed. Opt. Express, 7 (1), pp. 93-98, 2016.

T. Georgieva, E. Stefanov, J. Alikhanov, Z. Shynybay, A. Kulmakhambetova, and P. Daskalov, “Approach for Egg Defects Assessment using Image Analysis,” in З0th DAAAM International Symposium on Intelligent Manufacturing and Automation. 2010, pp. 1103-1106. https://doi.org /10.2507/30th.daaam.proceedings.154 .

L. Liu, and M. O. Ngadi, “Detecting Fertility and Early Embryo Development of Chicken Eggs using Near-Infrared Hyperspectral Imaging”, Food Bioprocess Technol., no. 6, pp. 2503-2513, 2013. https://doi.org /10.1007/s11947-012-0933-3.

M. Hashemzadeh, and N. Farajzadeh, “A Machine Vision System for Detecting Fertile Eggs in the Incubation Industry”, International Journal of Computational Intelligence Systems”, vol. 9, no. 5, pp. 850-862, 2016.

M. Boğa, K. K. Çevik, H. E. Koçer, and A. Burgut, “Computer-Assisted Automatic Egg Fertility Control,” Kafkas Univ Vet Fak Derg, no. 25 (4), pp. 567-574, 2019. https://doi.org /10.9775/kvfd.2018.21329 .

S.-Y. Tsai, C.-H. Li, C.-C. Jeng, and C.-W. Cheng, “Quality Assessment during Incubation Using Image Processing,” Sensors, no. 20, p. 5951, 2020. https://doi.org /10.3390/s20205951.

С. Короткий, «Нейронные сети Хопфилда и Хэмминга,» [Електронний ресурс]. Режим доступу: https://www.twirpx.com/file/86091/ .

С. Осовский, Нейронные сети для обработки информации, пер. с англ. М., Россия: Финансы и статистика, 2002. 344 с.

Р. В. Шамин, Лекции по искусственному интеллекту и машинному обучению, Лекция № 3. Нейронная сеть Хопфилда. [Электронный ресурс]. Режим доступа: http://ai.lector.ru/?go=lection03. Дата обращения: Нояб. 7, 2021.

С. Хайкин, Нейронные сети: полный курс, 2-е изд., испр., пер. с англ. М., Россия: ООО «И. Д. Вильямс», 2006. 1104 с.

В. Махов, В. Широбоков, и А. Закутаев, «Построение систем технического зрения на базе компьютерных технологий National Instruments,» Control Engineering, no. 4 (76), pp. 62-69, 2018.

##submission.downloads##

Переглядів анотації: 152

Опубліковано

2022-03-31

Як цитувати

[1]
Т. Ю. Уткіна і В. Г. Рябцев, «ЗАСТОСУВАННЯ НЕЙРОННОЇ МЕРЕЖІ ХОПФІЛДА ДЛЯ РОЗПІЗНАВАННЯ СТАНУ РОЗВИТКУ ЕМБРІОНІВ ПТАШЕНЯТ КУРЕЙ», Вісник ВПІ, вип. 1, с. 70–75, Берез. 2022.

Номер

Розділ

Інформаційні технології та комп'ютерна техніка

Метрики

Завантаження

Дані завантаження ще не доступні.