Kilis keçilerinde görüntü işleme ve makine öğrenimi ile canlı ağırlık tahmini

Bu çalışma Kilis keçisi oğlaklarında görüntü işleme ve makine öğrenimi yöntemlerini kullanarak canlı ağırlığın tahmin edilmesi amaçlanmıştır. Çalışma, Dicle Üniversitesi Ziraat Fakültesi Araştırma ve Uygulama Çiftliği Küçükbaş Biriminde 2023 Temmuz ile 2024 Mart tarihleri arasından gerçekleştirilmiştir. Çalışmada, 9 baş Kilis keçisi oğlağından elde edilen morfolojik ölçümler ile sırt görüntüleri, 10 aylık bir süre boyunca düzenli olarak kaydedilmiştir. Oğlaklar, benzer yaş aralığında olan bireyler arasından seçilmiştir. Sırt görüntüleri, saniyede 30 kare (fps) çekim yapabilen 4K çözünürlükteki GoPro cihazı ile alınmıştır. Bu görüntüler, makine öğrenmesi için kullanılacak veri setinde özellik çıkarımı amacıyla işlenmiştir. Görüntüler, Python üzerinden Labelme programı ile etiketlenmiş, ardından sırt görüntülerinin arka planları çıkarılarak ImageJ programında analiz edilmiştir. Bu analizlerle elde edilen morfolojik ölçümler kullanılarak, farklı makine öğrenmesi modellerinin (Random Forest, SVR, MARS ve XGBoost) test performansları karşılaştırılmıştır. Modellerin tahmin performansları, test verilerinde R², MAE ve RMSE gibi istatistiklerle değerlendirilmiştir. Sonuçlar, XGBoost modelinin eğitim veri setinde en yüksek performansı gösterdiğini (R² = 0.98, MAE = 0.50, RMSE = 0.64), ancak test veri setinde R² = 0.01, MAE = 0.01, RMSE = 5.36 ile düşük performans sergilediğini ortaya koymuştur. Diğer modellerin performansları sırasıyla; Random Forest için R² = 0.85, MAE = 1.55, RMSE = 1.89; SVR için R² = 0.51, MAE = 2.26, RMSE = 3.19; MARS için ise R² = 0.19, MAE = 3.10, RMSE = 3.91 olarak bulunmuştur. Sonuçta, görüntü işleme ve makine öğrenmesi tekniklerinin küçükbaş hayvanların canlı ağırlıklarının tahmin edilmesinde güvenilir ve pratik bir alternatif sunduğunu göstermektedir. Bunun yanı sıra, hayvancılık sektöründe teknolojik gelişmelerin entegrasyonu ve sürü yönetiminde dijital dönüşümün gerçekleştirilmesi adına önemli bir adım teşkil etmektedir. Anahtar Kelimeler: Kilis Keçisi, Makine Öğrenimi, Görüntü İşleme, Canlı Ağırlık tahmini