Vallankumouksellinen tapa luokitella hedelmälliset ja hedelmättömät kananmunat siipikarjataloudessa on löydetty mukaan tuomalla koneoppimista ja hyperspektraalista kuvantamista. Tämä innovatiivinen lähestymistapa voi merkittävästi parantaa kuoriutuvuutta ja vähentää hedelmättömien munien hävikkiä.

Tutkimuksessa 227 Leghorn-lajin munaa kerättiin munivista vanhemmista kanasta ja siinä pidettiin tiukat kontrollit varmistaakseen, että ainoa muuttuja oli alkio. Riveistä koostuvan hyperspektraalisen kuvantamisjärjestelmä tallensi spektraalisia kuvia 400-1000 nm:n alueella, jotka myöhemmin rajattiin 500-950 nm:iin prosessin optimoimiseksi.

Kuvien käsittelyssä ja analysoinnissa tutkijat käyttivät MATLAB:ia yhdessä erilaisten esikäsittelytekniikoiden ja koneoppimistyökalujen kanssa. Menetelmiä, kuten Soft Independent Modelling of Class Analogy (SIMCA), Linear Discriminant Analysis (LDA), Quadratic Discriminant Analysis (QDA) ja Artificial Neural Network (ANN) vertailtiin munien luokittelemiseksi hedelmällisyyden perusteella. Tämä tehtävä on perinteisesti ollut haastava ymmärtämään kehityksen alkuvaiheita perinteisillä menetelmillä, kuten kynttilänvalossa.

Tämän teknologisen läpimurron vaikutukset siipikarjateollisuudelle ovat valtavat. Tällä hetkellä miljardeja hedelmättömiä munia haudotaan vuosittain, mikä johtaa taloudellisiin tappioihin, energiatehottomuuteen ja mahdolliseen saastumiseen. Hyperspektraalisen läpiheijastuskuvantamisen käyttö tarjoaa kustannustehokkaan ratkaisun tunnistaa hedelmättömät munat ennen kuin ne edes pääsevät hautomisprosessiin. Tämä säästää resursseja ja alentaa kustannuksia siipikarjankasvattajille sekä parantaa kokonaisvaltaista tehokkuutta ja vähentää ympäristövaikutuksia.

Tämä tutkimus ei ainoastaan osoita spektraalianalyysin potentiaalia siipikarjataloudessa, vaan korostaa myös teknologian merkittävää roolia maatalouden sektorin muuttumisessa. Teknologian jatkaessa kehittymistään voimme odottaa uusia innovatiivisia ratkaisuja, jotka merkittävästi parantavat eri maatalouden ja viljelykäytäntöjen osa-alueita.

The source of the article is from the blog karacasanime.com.ve