Neural identification of the embryo of calf based on ultrasound images of the cow' s womb using computer system

The software "USG Recognizer" that was described in this work is equipped with a binarization function with threshold. The application also fulfills some additional functions such as: contrast and closing. With this functionality it is possible to achieve empirical data from digital ultrasound photo of cow's womb. The artificial neural network was generated on the basis of created application. The main purpose of this network is to support an identification or exclusion of the gestation in user's ultrasound picture. "USG Recognizer" was created using Visual Paradigm (UML 8.0) and Microsoft Visual Studio 2010 Professional Edition environments.

REFERENCES (13)

Mordak R.: Podstawy monitorowania rozrodu w stadach bydła. Życie Weterynaryjne, 2008, 83(9): 736-741.

Google Scholar

Nowak W., Jaśkowski J. M., Wylegała S.: Wpływ żywienia w okresie przejściowym na rozród krów mlecznych. Medycyna Wet., 2006, 62: 632-636.

Google Scholar

Jaśkowski J. M., Olechnowicz J., Nowak W.: Niektóre przyczyny obniżającej się płodności u krów mlecznych. Medycyna Wet., 2006, 62: 385-389.

Google Scholar

Nałęcz M., Chmielowski L., Kulikowski J.L., Nowakowski A.: Biocybernetyka i inżynieria biomedyczna 2000. Tom 8. Obrazowanie biomedyczne. Warszawa: Akademicka Oficyna Wydawnicza EXIT, 2003.

Google Scholar

Lamb C.: Reproductive ultrasound for management of beef cattle. Reproductive Management Course. Appendix: 1-18.

Google Scholar

Nałęcz M., Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: Biocybernetyka i inżynieria biomedyczna 2000. Tom 6. Sieci neuronowe. Warszawa: Akademicka Oficyna Wydawnicza EXIT, 2000.

Google Scholar

Boniecki P., Mueller W., Nowakowski K.: Klasyfikacja chronionych w Polsce motyli z rodziny Papilionidae z wykorzystaniem wybranych topologii neuronowych. Technika Rolnicza Ogrodnicza Leśna, 2009, 3: 23-26.

Google Scholar

Świerczyński K., Boniecki P., Nawrocka A.: Neuronowa identyfikacja uszkodzeń ziarna pszenicy spowodowanych przez wołka zbożowego (sitophilus granarius L.). Journal of Research and Applications in Agricultural Engineering, 2011, Vol. 56(2): 165-174.

Google Scholar

Jakubowska T., Wiecek B., Wysocki M., Drews-Peszynski C., Strzelecki M.: Classification of Brest thermal images Rusing artificial neural networks. Journal of Medical Informatics & Technologies, 2004, 7: 41-50.

Google Scholar

10.

Wróblewska A., Przelaskowski A., Bargieł P., Boniński P.: MammoViewer -CAD Application Based on Effective Multiscale Image Analysis, Pol. J. Med. Phys. Eng., 2005, 11: 17-28.

Google Scholar

11.

Duda D., Krętowski M., Bézy-Wendling J.: Klasyfikacja tekstur w rozpoznawaniu nowotworów wątroby na podstawie serii obrazów tomograficznych XIV KBIB’05 – Tom I – Obrazowanie Medyczne, 2005.

Google Scholar

12.

Boniecki P.: Elementy modelowania neuronowego w rolnictwie. Poznań: Wydawnictwo Uniwersytetu Przyrodniczego w Poznaniu, 2008.

Google Scholar

13.

Szaleniec M.: Sieci neuronowe i regresja wieloraka - czyli jak okiełznać złożoność w badaniach naukowych?. Instytut Katalizy i Fizykochemii Powierzchni PAN, Kraków, 2008.

Google Scholar

Submit your paper

Instructions for Authors

eISSN:	2719-423X
ISSN:	1642-686X