سیده عارفه حسینی - دانشجوی دکتری مهندسی مکانیک بیوسیستم، دانشگاه تربیت مدرس
احمد بناکار - دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشگاه تربیت مدرس
سعید مینائی - استاد، گروه مهندسی مکانیک بیوسیستم، دانشگاه تربیت مدرس
سامان آبدانان مهدی زاده - استادیار، گروه مهندسی مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان

تشخیص وجود نطفه در تخم مرغ در روزهای اولیه قبل و بعد از جوجه کشی علاوه بر کاهش تلفات سبب تولید بیشتر در صنعتمرغداری می گردد. در این راستا، طیف گیری در محدوده ی طیفی 1100nm 190 از 130 نمونه تخم مرغ محلی در راستای قطر اصلی بهمدت 8 روز (یک روز قبل از جوجه کشی تا روز هفتم جوجه کشی) انجام پذیرفت. داده های طیفی حاصل از اسپکترومتر، افزون براطلاعات نمونه، شامل اطلاعات ناخواسته و نویز هستند. به همین دلیل، برای دستیابی به مدل های طبقه بندی دقیق، نیاز به پیش پردازش دادههای طیفی پیش از تدوین مدل مناسب است. در این راستا، طبقه بندی هوشمند شبکه عصبی بر پایه ی اندازه گیری های مرجع و اطلاعاتطیف های پیش پردازش شده با ترکیب روش های مختلف هموارسازی، نرمال سازی و افزایش قدرت تفکیک طیفی برای تعیین نطفه داریتخم مرغ تدوین شدند. بهترین نتایج طبقه بندی در روز سوم، چهارم، پنجم، ششم و هفتم جوجه کشی با دقت، و تشخیص به ترتیب 85/2%، 84/8%، 85/8%، 87/2% و 89/2%، حساسیت 87/64%، 79/1%، 87/08%، 78/06% و 87/23% ، تشخیص 97/1%، 84/8%، 91/64%، 91/57% و 91/5% بدست آمد.

نطفه، تخم مرغ محلی، کندلینگ، طیف سنجی، فرسرخ نزدیک، شبکه عصبی