Body Condition Score (BCS) Segmentation and Classification in Dairy Cows using R-CNN Deep Learning Architecture

Authors : Kerim Kürşat ÇEVİK, Mustafa BOĞA

Pages : 1248-1255

Doi:10.31590/ejosat.658365

View : 23 | Download : 13

Publication Date : 2019-12-31

Article Type : Research Paper

Abstract :Vücut kondisyon skoru (VKS) süt sığırlarında hayvanların dış görünüşüne göre 1 den 5 e kadar puanlanması esasına dayanmaktadır. VKS, sığırlarda sırt, bel ve kuyruk sokumu bölgelerinde deri altı yağ kalınlığının, pelvik bölgede kemik çıkıntıları ile ilişkisinin görsel olarak veya palpasyon yöntemi ile belirlenmesine dayalı sübjektif bir yöntemdir. Hayvancılık işletmelerinde hayvanların ihtiyaçlarının karşılanıp karşılanmadığının en önemli göstergesi hayvanların VKS puanlamasıdır. Genellikle işletmelerde VKS değerleri uzman bilgisine dayanan ve gözlem yoluyla belirlenen bir yöntem ile belirlenmektedir. Eğer hayvan istenilen VKS’nin üzerinde veya altında ise bu aşamada da metabolik problemlerden kaynaklanan hastalıklar, verim düşüklüğü veya hayvan kayıpları gözlemlenebilecektir. Bu durumun düzenli bir şekilde kontrolü ile birlikte daha sağlık hayvanların ve işletmenin karlılığı da artabilecektir. Bu amaçla çalışmamızda VKS puanlamasının yapılabilmesi için görüntüler üzerinden gerekli alanların bölütlenmesi ve bölütlenen alanların sınıflandırılması amaçlanmıştır. Süt sığırlarından alınan görüntüler Evrişimsel Sinir Ağları (ESA) mimarilerinden nesne belirleme uygulamalarında kullanılan R-CNN mimarisi ile eğitilmiştir. 184 adet görüntü içerisinden %75’i (138 adet) eğitim, %25’i (46 adet) test için kullanılmıştır. Eğitim aşamasında ham görüntüler içerisinden VKS skorlaması yapılabilecek alanlar etiketlenmiş ve bu alanların öğrenilmesi sağlanmıştır. Daha sonra ise sisteme yeni gelen görüntüler içerisinden doğru alanların bölütlenmesi test edilmiştir. Sistem başarısını artırmak adına önceden eğitilmiş (pre-trained) ağlardan faydalanılmıştır. Bölütlenen alanların sınıflandırılması için ise AlexNet mimarisi ile eğitilmiş CNN ağı kullanılmıştır. Sistemin genel başarısı değerlendirildiğinde AlexNet ağı 46 ham test görüntü içerisinden 40 adedini doğru bölütlemiş ve AlexNet CNN ağı 28 tanesini doğru sınıflandırarak %60.86 genel başarı sağlamıştır. VGG16 ağı 46 ham test görüntü içerisinden 42 adedini doğru bölütlemiş ve AlexNet CNN ağı 30 tanesini doğru sınıflandırarak %65.21 genel başarı sağlamıştır. VGG19 ağı ise 46 ham test görüntü içerisinden 43 adedini doğru bölütlemiş ve AlexNet CNN ağı 31 tanesini doğru sınıflandırarak %67.39 genel başarı sağlamıştır .
Keywords : Vücut Kondisyon Skoru, Derin Öğrenme, Bölütleme, R CNN, Süt Sığırları