Застосування нейронної мережі Хопфілда для розпізнавання стану розвитку ембріонів пташенят курей

Abstract

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 апарат-них 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 поперед-нім. 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.

Monitoring chicken embryos development is an important part of the hatching process to determine when the egg is not developing and when the egg is close to hatching. The ability to closely monitor the embryo development allows determining the optimal time to change incubation parameters, such as humidity, to create the best conditions for hatching, leading to more efficient chick production. To monitor the chicken eggs development during incubation, it was proposed to automate the process of ovoscoping through determining the chick embryos state by using the NI EVS-1464R technical vision system from National Instruments, where a number of hardware is available for image acquisition (video capture cards for digital cameras with different interfaces, real-time systems and smart cameras), and the Hopfield’s artificial neural network. This allows associative memory to be implemented. The main task of associative memory is reduced to storing input (training) samples in such a way that when a new sample is presented, the system can generate an answer – which of the previously stored samples is closest to the received image. This neural network changes its internal state for each iteration and stops when the current one coincides with the previous one. In this case, the neural network is said to converge to one of the states stored in its memory. If a similar image is not found in memory, the network may issue a nonexistent attractor. The modeling of recognition of the chicken embryos various states is carried out. When perform the ovoscoping, the light sector of the egg area corresponds to a signal equal to 0, and the dark sector to signal 1. In total, during the modeling, the states of 23 sectors of the bird’s egg area are analyzed. A software tool based on the Hopfield neural network is developed in C++ and its ability to identify live and non-living embryos of chicken chicks has been tested. Correct identification of distorted vectors allows the use of the Hopfield net in the poultry industry, which will reduce excessive operator fatigue and eliminate the false rejection of good eggs.