گوشت مرغ به عنوان یک منبع مهم پروتئین حیوانی در تغذیه انسان محسوب می شود. این ماده غذایی در سبد غذایی خانوارها بسیار با اهمیت است. سرانه مصرف گوشت مرغ در ایران 11/25 و در جهان حدود 30 کیلوگرم برای هر نفر در طول یک سال است. برای تولید گوشت مرغ و عرضه آن به مصرف کننده نیاز به پرورش جوجه مرغ در مرغداری ها است. در مرغداری های پرورش جوجه گوشتی، پرورش جوجه نر به پرورش جوجه ماده ترجیح داده می شود؛ زیرا جوجه های نر نسبت به جوجه های ماده نرخ رشد سریع تر و افزایش وزن بیشتری دارند. بر این اساس، هدف از این پژوهش ارائه الگوریتمی نوین مبتنی بر فناوری بینایی ماشین و روش های داده کاوی به منظور طبقه بندی جوجه های یک روزه به دو کلاس نر و ماده است. مراحل مختلف مربوط به پیاده سازی این الگوریتم از شش بخش اصلی شامل استحصال تصاویر، پیش پردازش تصاویر، قطعه بندی تصاویر، استخراج ویژگی های شکلی، کاهش ویژگی ها با الگوریتم ژنتیک و طبقه بندی با روش تحلیل تفکیک خطی است. ابتدا تصاویر مناسب از بال جوجه ها استحصال شد. بال جوجه ها شامل دو قسمت اصلی، یعنی پرهای اصلی و پرهای پوششی است. پرهای پوششی به کمک عملیات پیش پردازش از تصاویر حذف شدند. برای قطعه بندی تصاویر از روش آستانه گذاری دستی استفاده گردید. در گام بعدی، امضاء شکل پرها به دست آمد. از این امضاء به دست آمده، تبدیل فوریه گرفته شد و ضرایب آن استخراج گردید. بیست و پنج ضریب اول تبدیل فوریه به عنوان بردار ویژگی مناسب انتخاب شد. برای استخراج ویژگی های بهینه از الگوریتم ژنتیک استفاده شد. پس از پیاده سازی این الگوریتم، سه ویژگی برتر انتخاب گردید. از طبقه بند تحلیل تفکیک خطی برای طبقه بندی جوجه ها به دو کلاس نر و ماده استفاده گردید. مقدار صحت کل طبقه بندی برابر 38/97 درصد به دست آمد. همچنین میانگین مقادیر حساسیت، اختصاصی بودن و دقت برای کلاس نر به ترتیب برابر 11/99، 47/95 و 75/95 درصد و برای کلاس ماده برابر 47/95، 11/99 و 11/99 درصد بود.
