Аңдатпа
Өнеркәсіптік құс шаруашылығында жұмыртқа сапасын бақылаудың дәлдігін, объективтілігін және қайталануын арттыру өзекті мәселе болып табылады, өйткені өнімнің массасына негізделген дәстүрлі сұрыптау әдістері пішін, көлем және тығыздық сияқты морфологиялық және физикалық сипаттамалардың жиынтығын ескермейді. Бұл жіктеудің сенімділігінің төмендеуіне әкеледі, әсіресе санаттардың шекаралық аймақтарында және технологиялық бақылау мүмкіндіктерін шектейді, сонымен қатар кейінгі өндірістік процестердің тиімділігіне теріс әсер етеді. Жұмыста жұмыртқаның геометриялық параметрлерін анықтау үшін массаны өлшеуді, машиналық көру жүйелерін және сандық кескінді өңдеу алгоритмдерін қолдануды қамтитын бұзбайтын бақылау әдістері қолданылады. Алынған мәліметтер негізінде сапаны бағалау критерийлерін кеңейтуге мүмкіндік беретін көлем мен тығыздық көрсеткіштері қосымша есептелді. Жіктеу үшін өлшеулердің белгісіздігі мен биологиялық объектілердің өзгергіштігін есепке алуды қамтамасыз ететін бұлыңғыр логикалық Алгоритмдер қолданылады. Эксперименттік зерттеулер әртүрлі санаттағы 760 жұмыртқаның үлгісінде жүргізілді. Әзірленген жүйе қажетті өлшеу дәлдігін сақтай отырып, сағатына 3600 жұмыртқаға дейін өнімділікпен ағынды режимде тұрақты өнімділікті қамтамасыз ететіні анықталды. Бұлыңғыр логиканы қолдану сұрыптау дәлдігін 95,7 % - ға дейін арттыруға мүмкіндік берді, бұл дәстүрлі әдістердің көрсеткіштерінен 15-20 % - ға артық. Геометриялық параметрлерді есепке алу стандартты салмақ сұрыптау кезінде бекітілмеген пішін мен тығыздық ауытқуларын анықтауға мүмкіндік беретіні көрсетілген. Алынған нәтижелер көп өлшемді интеллектуалды тәсілдің тиімділігін растайды және жұмыртқаны технологиялық бақылау мен сұрыптаудың автоматтандырылған жүйелерін әзірлеуде қолдануға болады, сонымен қатар нақты өндіріс жағдайында ауылшаруашылық өнімдерінің басқа түрлеріне бейімделеді.
01 Кіріспе
Мақаланың толық мәтіні оң жақ панельде PDF форматында жүктеу үшін қолжетімді.
02 Әдебиеттер тізімі
- Alikhanov J., Penchev S.M., Georgieva T.D., Moldazhanov A.K., Kulmakhambetova A.T., Shynybay Zh., Stefanov E., Daskalov P.I. (2019). Design and performance of an automatic egg sorting system based on computer vision. // TEM Journal. 2019. Pр. 1319–1325. https://dx.doi.org/10.18421/TEM84-31
- Dejian Dai, Tao Jiang, Wei Lu, Xuan Shen, Rui Xiu and Jingwei Zhang (2020). Nondestructive Detection for Egg Freshness Based on Hyperspectral Scattering Image Combined with Ensemble Learning. Sensors 2020. 20(19). 5484. https://doi.org/10.3390/s20195484
- Kunshan Yao, Jun Sun, Chen Chen, Min Xu, Xin Zhou, Yan Cao, Yan Tian (2022). Non-destructive detection of egg qualities based on hyperspectral imaging // Journal of Food Engineering. Volume 325. July 2022. https://doi.org/10.1016/j.jfoodeng.2022.111024
- Moldazhanov A., Alikhanov D., Kulmakhambetova A., Zinchenko D., Azizov A. (2021). Metodika i rezul’taty eksperimental’nykh issledovanii algoritma i programmy opredeleniya pokazatelei kachestva yaitsa na avtomatizirovannoi optiko-elektronnoi ustanovke // Izdenister Natigeler. 2021. No. 3 (91). Рp. 112–124. https://doi.org/10.37884/3-2021/13 [in Russian]
- GOST 31654–2012. Yaytsa kurinye pishchevye. Tekhnicheskie usloviya. Mezhgosudarstvennyi standart stran EES. https://prg.kz/document/?doc_id=31467698 [in Russ.]
- Intarakumthornchai T., Kesvarakul R. (2020). Double yolk eggs detection using fuzzy logic. PLOS ONE 15(11): e0241888. https://doi.org/10.1371/journal.pone.0241888
- Omid M., Soltani M., Dehrouyeh M.H., Mohtasebi, S.S. & Ahmadi H. (2013). An expert egg grading system based on machine vision and artificial intelligence techniques // Journal of Food Engineering. 118(1). 70–77. https://doi.org/10.1016/j.jfoodeng.2013.03.019
- Yang X., Bist R.B., Subedi S. & Chai L. (2023). A Computer Vision-Based Automatic System for Egg Grading and Defect Detection. Animals (Basel). https://doi.org/10.3390/ani13142354
- Shirmanova G.S., Neverov E.N., Vladimirov A.A., Osintsev A.M., Rudnev P.S. (2025). Razrabotka sistemy komp’yuternogo zreniya dlya nerazrushayushchey otsenki kachestva i klassifikatsii kurinykh yaits // Vestnik Omskogo GAU. 2025. No. 3. (59). https://sciup.org/142245891 [in Russ.]
- Wang Q., Yang Z., Liu C., Sun R., Yue S. (2025). Research Progress on Non-Destructive Testing Technology and Equipment for Poultry Eggshell Quality. Foods. 2025. 14. 2223. https://doi.org/10.3390/foods14132223