موسسه تحقیقات فنی و مهندسی کشاورزی تحقیقات سامانه‌ها و مکانیزاسیون کشاورزی 3060-6748 20 73 2020 02 20 Image Based Method to Identify Trout Fish Biometric Characteristics and Mapping Growth Curve Trout Fish by Digital Image Analysis under Laboratory Conditions رهیافتی برای به دست آوردن پارامترهای زیست‌سنجی و نگاشت منحنی رشد ماهی قزل آلا بوسیله آنالیز تصویر دیجیتالی تحت شرایط آزمایشگاهی 113 128 119000 10.22092/erams.2019.123921.1286 FA بهزاد بهزادی مکوندی دانشجوی دکتری مکانیک ماشین آلات کشاورزی، گروه مهندسی سیستمهای کشاورزی،دانشکده کشاورزی و صنایع غذایی،دانشگاه آزاد اسلامی واحد علوم تحقیقات،تهران علی محمد برقعی استاد، گروه مهندسی سیستمهای کشاورزی،دانشکده کشاورزی و صنایع غذایی،دانشگاه آزاد اسلامی واحد علوم تحقیقات،تهران،ایران ارژنگ جوادی استاد،مهندس تحقیقات فنی و مهندسی کشاورزی سازمان تحقیقات،آموزش و ترویج کشاورزی،کرج،ایران سعید مینایی عضو هیات علمی دانشگاه تربیت مدرس مرتضی الماسی استاد، گروه مهندسی سیستمهای کشاورزی،دانشکده کشاورزی و صنایع غذایی،دانشگاه آزاد اسلامی واحد علوم تحقیقات،تهران،ایران Journal Article 2018 10 28 Study on biometric parameters of trout species in the traditional method (based on human and non-automatic factors) are low-efficient due to serious problems such as disease transmission, stress-induced death, inaccuracy, & time-consuming. To overcome the problems of traditional method, an image-based vision system, including imaging and lighting chambers, was developed in this research. The fish biometric parameters were measured using fish movement videography during passage from the dark chamber. Then the selected images from the video were processed. The length, surface area, weight, amount of food consumed, & growth rate of trout were measured under fully controlled conditions and used as comparison criteria (control). Six mathematical models were used to estimate fish weight through measured parameters and among them the weight/length model was used as the best model for estimating fish weight. The accuracy of the system in estimating fish biometric parameters was above than 90% and the system’s capability to estimate the fish required food during the growth process was 98%. <strong>مطالعه روی پارامترهای زیستی ماهی قزل­ آلا با روش سنتی (متکی بر عوامل انسانی و غیر اتوماتیک)، به ­دلیل مشکلات جدی مانند انتقال بیماری، مرگ بر اثر استرس، بی­دقتی‌ها<em>‌</em>، زمان­بر بودن و ... کارایی پایینی دارد. در این پژوهش، به‌کارگیری یک سامانة بینایی ماشین، مبتنی بر ویدیونگاری شامل محفظة تصویربرداری و نورپردازی، برای غلبه بر مشکلات روش سنتی پیشنهاد شده است.</strong><strong> شیوة عمل برای اندازه­ گیری پارامترهای زیست‌سنجی ماهی، ویدئونگاری از حرکت ماهی حین عبور از اتاقک تاریک است. تصویر‌های منتخب از ویدیوی گرفته شده، پردازش شد.</strong><strong> در این روش، طول، سطح رویه، وزن، میزان غذای مصرفی ویژه و فاکتور رشد ماهیان قزل­ آلا در شرایط کاملأ کنترل شده اندازه­ گیری و به‌عنوان ملاک مقایسه (کنترل یا شاهد) به‌کار گرفته ­شده ­است. برای تخمین وزن ماهی از طریق پارامترهای اندازه­گیری شده، شش مدل ریاضی به‌کارگیری شد و از این میان از مدل توانی وزن- طول به‌عنوان بهترین مدل برای تخمین وزن ماهی استفاده شده است. دقت سیستم در تخمین فاکتورهای زیست‌سنجی ماهی بزرگتر از 90 درصد و قابلیت سامانه در تخمین غذای مورد نیاز ماهی در فرایند رشد برابر با 98 درصد به­دست آمده است. </strong> https://amsr.areeo.ac.ir/article_119000_6776e346cacc95c1cb1e7f6e18ccfee2.pdf