بخشی از مقاله
امکان سنجی رقم بندی ماهی زنده بر مبنای اندازه و وزن در استخرهای پرورش ماهی به کمک فناوری ماشین بینایی
چکیده
ماهیان قزل آلایی که در یک استخر قرار دارند از نظر ژنتیکی با هم فرق دارند و در طول دوره پرورش اختلافاتی در وزن و اندازه آن ها حاصل می شود، لذا به منظور داشتن ماهیان یکسان و یکنواخت در هریک از استخر ها باید اقدام به رقم بندی آن ها نمود. این عمل موجب یکنواخت کردن ماهیان در یک استخر از نظر اندازه و وزن و جلوگیری از همجنس خواری ناشی از اختلاف وزن در توده ماهیان می شود. تا کنون از دو روش دستی و ماشینی جهت رقم بندی ماهیان پرورشی استفاده شده است که استفاده از این دو روش موجب ایجاد استرس در ماهیان می شود. لذا ارائه سامانه ای که بتواند ماهیان را به صورت پیوسته و بدون اعمال استرس به آنها تفکیک کند ضروری می باشد. در جهت حصول این اهداف لازم است بدوا مطالعات مقدماتی صورت گیرد، لذا ابتدا 75 ماهی قزل آلا از 7 حوضچه استخر پرورش ماهی واقع در منطقه سپیدان استان فارس به صورت تصادفی نمونه برداری شد تا ماهی های با اندازه ها و وزن های مختلف و متنوع موجود باشد. تمام ماهی ها ابتدا وزن شده و سپس در اتاقک عکسبرداری از آن ها عکس گرفته شد. توسط برنامه ای که در نرم افزار MATLAB 2009 نوشته شد برخی از خصوصیات فیزیکی ماهی همچون طول عرض، محیط، مساحت و قطر معادل هرکدام محاسبه گردید. سپس وزن ماهی بر اساس خصوصیات فیزیکی مستخرج از پردازش تصویر در قالب مدلهای خطی رگرسیونی برآورد شد. نتایج نشان داد که ضرایب تبیین جهت تخمین وزن ماهی برای تمام خصوصیات فیزیکی ذکر شده بالای 0/75 به دست آمد که در این میان رابطه مساحت ماهی ها با وزن بیشترین ضریب تبیین (0/98)را دارا بود.
کلمات کلیدی: رقم بندی، ماهی قزل آلا، ماشین بینایی، وزن، اندازه.
1
مقدمه
پرورش انواع آبزیان (انواع ماهی و میگو)، صید آبزیان در آبهای شمال وجنوب کشور، فرآوری محصولات دریایی و توزیع و فروش آن در بازارهای داخلی و بین المللی، مجموعه فعالیت اقتصادی سودآوری را تشکیل می دهدکه ضمن ایجاد اشتغال برای مهارتهای گوناگون نیروی انسانی، درآمد ارزی مناسبی را نیز برای اقتصاد کشور به ارمغان می آورد. صید و صیادی در آبهای شمال و جنوب کشور، سابقه ای طولانی دارد. اماپرورش آبزیان (انواع ماهی و میگو) بیش از یک دهه در ایران قدمت ندارد.در حالی که زمینههای بسیار مستعدی برای سرمایهگذاری و شکوفایی اینبخش موجود است. در خصوص صنایع فرآوری تولیدات دریایی (انجماد،بسته بندی، تبدیل و تولید انواع غذاهای دریایی و...) نیز می توان گفت، تقریبا کار مهمی در اقتصاد کشور صورت نگرفته، در حالی که فعالیتهای این بخشاز صنعت شیلات، ارزش افزوده بسیار بالا، زمینه گسترده برای صدورفرآوردهها به بازارهای جهانی و ایجاد اشتغال مولد و پایدار در کشوردربردارد و ضرورت دارد در این زمینه فعالیتهای عمده ای صورت پذیرد. ماشین بیناییـ ابزاری است که میتواند در تشخیص خصوصیات ظاهری دقیق عمل نماید. در صورتی که ارتباط محکمی بین خصوصیات کیفی با خصوصیات ظاهری وجود داشته باشد می توان ماشین بینایی را برای تعیین خصوصیات کیفی محصول نیز به کار گرفت. بنابراین در صورت وجود چنین ارتباطی می توان سیستم های ماشین بینایی را در طراحی سیستم های سورتینگ، بشکلی مورد استفاده قرار داد که بطور پیوسته گونه، اندازه و وزن ماهی را تشخیص دهند. بر این اساس می توان چرخه یک سیستم سورتینگ اتوماتیک آبزیان را تکمیل کرد. در زیر بخشی از تحقیقات انجام شده در زمینه فرآوری آبزیان آورده شده است.
محبیـ و همکاران ( (2009 روشی را بر اساس سیستم بینایی رایانه ( (CVS برای تخمین میزان رطوبت میگو در طی فرایند آبزدایی را با استفاده از آنالیز رنگ ارائه نمودند. فرایند آبزدایی تحت دماهای مختلف انجام شد و عکس ها در فواصل زمانی مختلف گرفته شدنددر. این تحقیق تجزیه و تحلیل داده ها توسط از طرح بلوک کاملاً تصادفی انجام شد و میانگین ها با آزمون چند دامنه ای دانکن مقایسه شدند. از رگرسیون چند متغیره و شبکه عصبی مصنوعی برای به دست آوردن رابطه بین رنگ و محتوای رطوبتی میگو در فرایند خشک شدن استفاده کردند. مدل های به دست آمده در این تحقیق به ترتیب دارای ضرایب همبستگی 0/8 و 0/86 بودند و در P <0/05 اختلاف معنی داری بین دو روش مدل سازی رگرسیون چند متغیره و شبکه عصبی مصنوعی مشاهده نشد.
2
وزن ماهی یکی از پارامتر های کلیدی مورد استفاده در جداسازی تجاری ماهی های تازه می باشد. تخمین هرچه دقیق تر وزن ماهی ها تاثیر مستقیمی در سودآوری فرآوری ماهی دارد. بندیتو سسلیو ( (1997 رابطه ریاضی را برای تبیین ارتباط طولی – وزنی 72 گونه ماهی در ایتایپو برزیل ارائه داد. در این رابطه که W = a* L^b می باشد، W وزن، L طول و a و b ثابت های معادله می باشند. عدد b در بین 2/34 تا 3/35 قرار دارد با میانگین 2/986 و انحراف معیار .[16] 0/23 استراچان (1994) دستگاهی را برای جداسازی ماهی بر حسب گونه و اندازه در دریا توصیف کرد. ماهی ها بر روی یک نوارنقاله و در زیر یک دوربین فیلمبرداری انتقال می یافتند، که تصاویر گرفته شده توسط یک کامپیوتر برای به دست آوردن توصیف گرهای شکل و رنگ مورد پردازش قرار می گرفتند. جداسازی گونه ها با دقت 99 درصد انجام شد و گونه های تخت از گونه های پهن تفکیک گردیدند.
زیون و همکاران (1999) الگوریتم پردازش تصویر را جهت تفکیک 3 گونه ماهی گسترش دادند. از هرکدام از گونه ها در شرایط مختلف نوری و در زوایای مختلف در محفظه روشنایی در 3 دسته عکس برداری شد. در دسته اول، 96 عکس از 16 ماهی در 6 موقعیت مختلف، در دسته دوم، 140 عکس از 35 ماهی در 4 وضعیت مختلف و در دسته سوم، 146 عکس از 73 ماهی در 2 موقعیت مختلف از لحاظ چرخش در زوایای مختلف گرفته شد. در این تحقیق جداسازی گونه ها با دقت بالای 80 درصد انجام شد. لوکاـ و همکاران (2004) با استفاده از پردازش تصویر، فرایند های مختلف خشک کردن ماهی را مورد مقایسه قرار دادند. آنها از مقادیر میانگین و انحراف معیار مقادیر رنگی در فضای رنگی L*a*b و آنالیز تشخیصی برای مقایسه استفاده کردند. آنها اختلاف مشخصه های رنگی را تنها راه جداسازی آماری (توسط آنالیز واریانس) نمونه ها بر اساس تکنیک خشک کردن معرفی کرده و این روش را در مقایسه با آنالیز حسی روشی قابل اطمینان و موثر اعلام نمودند.
وایت و همکاران ( (2006 مکانیزمی را جهت تشخیص اتوماتیک 7 گونه ماهی بر حسب گونه و طول به کمک ماشین بینایی پیشنهاد دادند. الگوریتم پردازش تصویر آنها قادر به تشخیص جهت چرخش به کمک روش گشتاور ثابت می باشد. همچنین این الگوریتم قادر به تشخیص گونه های مختلف تخت و پهن ماهی با دقت 100 درصد و تشخیص طول ماهی با انحراف معیار 1/2 میلیمتر می باشد.[39 ] برمجو و همکاران ( (2007 از تکنیک پردازش تصویر جهت جهت تشخیص سن ماهی استفاده نمودند. یکی از راه های تشخیص سن ماهی ها توجه به اتولیت می باشد که در درون آبشش آن ها قرار دارد. گرچه عوامل مختلفی روی شکل و رنگ اتولیت موثرند، اما برمجو و
3
همکاران موفق به دسته بندی ماهی ها بر حسب سن به کمک تصویر برداری از اتولیت شدند. لوزانو (2009) از یک مدل رگرسیون خطی ساده به منظور تبدیل طول به وزن چندین گونه ماهی تجاری در ونزوئلا استفاده نمود. توزیع شیب های معادلات طولی – وزنی گونه های متفاوت ماهی های بررسی شده توسط لوزانو، از یک منحنی نرمال تبعیت می کردند.[17 ] ولی یولین و همکاران ( (2011 جهت تخمین وزن ماهی از اشعه X استفاده کردند. این تصاویر از 16 ماهی و توسط دستگاه تجاری پزشکی اشعه X گرفته شد. شدت رنگ پیکسل ها در ارتباط وزن ماهی های مربوطه تولید یک رابطه خطی با ضریب همبستگی 99/2 درصد و خطای متوسط 2/5 درصد نمود.
فروغی فرد و همکاران ( (1385 غلظت فلزات روی و مس در بافت عضله و کبد ماهی سفید دریای خزر را اندازه گیری کردند. این بررسی به منظور تعیین ارتباط بین طول و وزن ماهی و غلظت فلزات فوق در بافت های این ماهی انجام شد. بین طول و وزن ماهی با غلظت فلزات در دو اندام مورد مطالعه هیچ همبستگی معنی داری مشاهده نشد .(p>0/05) تفاوت معنی داری بین غلظت فلزات در دو اندام مورد مطالعه در دو جنس نر و ماده نیز مشاهده نگردید .(p>0/05)
ماهیان قزل آلایی که در یک استخر قرار دارند از نظر ژنتیکی با هم فرق دارند و در طول دوره پرورش اختلافاتی در وزن و اندازه آن ها حاصل می شود، لذا به منظور داشتن ماهیان یکسان و یکنواخت در هریک از استخر ها باید اقدام به رقم بندی آن ها نمود. این عمل موجب یکنواخت کردن ماهیان در یک استخر از نظر اندازه و وزن و جلوگیری از همجنس خواری ناشی از اختلاف وزن در توده ماهیان می شود. تا کنون از دو روش دستی و ماشینی جهت رقم بندی ماهیان پرورشی استفاده شده است که استفاده از این دو روش موجب ایجاد استرس در ماهیان می شود. لذا ارائه سامانه ای که بتواند ماهیان را به صورت پیوسته و بدون اعمال استرس به آنها تفکیک کند ضروری می باشد.
مواد و روش ها
ابتدا 75 ماهی قزل آلا از 7 حوضچه استخر پرورش ماهی واقع در منطقه سپیدان استان فارس به صورت تصادفی نمونه برداری شد تا ماهی های با اندازه ها و وزن های مختلف و متنوع موجود باشد. سپس تک تک ماهی ها وزن شدند. برای توزین از یک ترازوی دقیق با دقت 0/001گرم استفاده شد.
4
شکل -1 ترازوی مورد استفاده
عکسبرداری
برای تهیه عکسها از اتاقک نورپردازی با تابش غیرمستقیم که اصطلاحاً آسمان ابری نامیده می شود استفاده گردید (شکل.( 2 این اتاقک از یک گنبد به قطر 90 سانتیمتر با سطح داخلی صیقلی و سفید رنگ تشکیل شده که
هاینمونه مورد عکسبرداری در زیر آن قرار می گیرند. در این نور پردازی، لامپ ها در محیط اطراف سکوی عکسبرداری قرار گرفتهاند به شکلی که نور مستقیم از لامپ ها به نمونه نمی رسد. پرتو لامپ ها پس از برخورد به سطح داخلی گنبد منعکس شده و بر روی نمونه تابیده می شوند. از آنجا که پرتوهای بازتابش شده از همه طرف بر روی نمونه تابیده می شود هیچ سایه ای در اطراف نمونه تشکیل نمی شود. این نحوه نورپردازی بطور خاص برای پردازش شکل نمونهها ضروری میباشد.
اثر فلیکر لامپهای فلورسنت موجب می شود که بسته به زمان بسته شدن شاتر دوربین، تغییرات زیادی در شدت سطوح خاکستری ـ تصاویر ایجاد شود. تغییر شدت نور تاثیر زیادی بر دیگر مولفه های تصویر مانند مولفه های بافت تصاویر دارد. به همین دلیل شدت نور فضای عکسبرداری بایستی تا حد امکان ثابت و در یک مقدار کنترل شده برای کلیه عکسها نگه داشته شود. برای حصول این هدف فضای عکس برداری با فضای بیرون در ارتباط نبوده و دیگر اینکه از لامپهای هالوژن با منبع تغذیه جریان مستقیم استفاده شد که نور پیوسته تولید می کنند. جهت اخذ تصاویر رنگی از دوربین دیجیتال (CC) مدل Canon IXUS 960IS استفاده شد که در ارتفاع 45 سانتی متری در بالای نمونه های مورد آزمایش قرار داده شد (شکل .(2 تصاویر دیجیتال اخذ شده از ماهی ها که با وضوح 12 مگاپیکسل ( 4000*3000 پیکسل) تهیه شده بود جهت پردازش توسط نرم افزار متلب، به کامپیوتر انتقال داده شد.
