Sudarant specialias lesalų receptūras, naudojant tinkamai parinktus lesalų priedus, kiaušinių maistinę vertę galima dar pagerinti, papildant juos jodu ir selenu.

Eksperimentas, kuris siekė įvertinti, kaip naujai suformuotos lesalų ir premiksų receptūros, kuriose naudoti įvairūs seleno ir jodo cheminiai junginiai bei kiekiai, veikia vištų produktyvumą ir kiaušinių kokybę, buvo atliktas UAB „Vievio paukščiai“, bendradarbiaujant su KTU Dirbtinio intelekto kompetencijų centro ir Vilniaus universiteto Medicinos fakulteto mokslininkais. 

Šiame bandyme kiaušinių kokybė buvo vertinama naujais neinvaziniais, dirbtiniu intelektu grįstais metodais. Pažangios kompiuterinės regos technologijos leido identifikuoti kiaušinius su padidintu jodo ir seleno kiekiu. Šiam tikslui buvo panaudotos giliojo mokymosi architektūros – daugelio sluoksnių ir parametrų dirbtiniai neuroniniai tinklai (DNT), pastaraisiais metais sulaukę didelio proveržio vaizdų atpažinimo srityje. 

Norint, kad giliuoju mokymusi grįstas modelis veiktų tiksliai, jam reikia didelio kiekio mokymo duomenų. Šie duomenys buvo sukaupti panaudojant specialų apšvietimą ir  daugiaspektrę kamerą. Vadinasi, buvo nufotografuotas didelis kiekis įvairių kiaušinių, kurių jodo ir seleno kiekis buvo žinomas. Šios nuotraukos ir atitinkami duomenys tapo mokomąja medžiaga dirbtinio intelekto modeliui.

Prieš „mokymą“ nuotraukos buvo specialiai apdorotos ir paruoštos. Tai svarbu, norint užtikrinti, kad modelis gautų aiškius ir vienodus duomenis, kurie padėtų jam efektyviau atpažinti reikiamus požymius. Svarbu paminėti, kad tikslus mikroelementų kiekis lesaluose ir kiaušiniuose buvo nustatytas LUFA-Kiel laboratorijoje (Vokietija).

Tyrime panaudotas dirbtinis neuroninis tinklas (DNT) analizuoja kiaušinių nuotraukas ir mokosi atpažinti vaizdo požymius, susijusius su padidintu jodo ir seleno kiekiu. Kiekvieną kartą pateikus naują nuotrauką, tinklas prognozuoja, ar kiaušinis yra papildytas šiomis medžiagomis. Atsižvelgdamas į tai, ar prognozė buvo teisinga, DNT atitinkamai koreguoja savo vidinius parametrus (svorius), taip palaipsniui gerindamas prognozavimo tikslumą.

Projekte buvo panaudota daugiaspektrinė kamera MSC2-NIR8-1-A. Kuo ji ypatinga? Paprastos kameros fiksuoja vaizdą trimis spalvomis – raudona, žalia ir mėlyna (RGB), tačiau daugiaspektrinės kameros gali matyti šviesą daug platesniame spektre, įskaitant ir infraraudonuosius spindulius. Skirtingi cheminiai elementai skirtingai atspindi ir sugeria šviesą tam tikrose spektro dalyse. Todėl, analizuojant kiaušinio atspindėtą šviesą įvairiuose bangų ilgiuose, galima gauti informacijos apie jo cheminę sudėtį, įskaitant jodo ir seleno kiekius.

Kiaušinių vaizdų analizė naudojant daugiaspektrę kamerą

Šis projektas parodo, kaip pažangiosios technologijos – dirbtinis intelektas ir daugiaspektrinė vaizdo analizė – gali būti efektyviai taikomos maisto pramonėje. Sukurtas modelis gali būti integruotas į pramonines kiaušinių rūšiavimo linijas, leidžiant automatizuotai, greitai ir tiksliai identifikuoti bei atrinkti kiaušinius, papildytus jodu ir selenu. 

Bandymai atlikti vykdant projektą „Seleno ir jodo pernašos į kiaušinius metabolinio efektyvumo kontrolė, taikant DI technologijas ir šių būtinųjų mikroelementų bioprieinamumo vertinimas“ (Nr. 35BV-KK-22-1-05009).

Prof. dr. Agnė Paulauskaitė-Tarasevičienė,
prof. dr. Vidas Raudonis,
prof. habil. dr. Romas Gružauskas
KTU Dirbtinio intelekto kompetencijų centras