Abstract
Mastitis is a common disease among dairy animals which causes serious economic losses. It can be diagnosed via diverse clinical findings, while milk somatic cell count (SCC) is accepted as a key indicator. However, determination of SCC with traditional methods is time consuming and laborious. This paper focuses on the ability of electronic nose (e-nose) system containing 12 different metal oxide sensors (MOS) to discriminate milks with somatic cell counts (SCC) above a threshold value. Milk samples were collected from dairy farms around Biga district of Çanakkale province, Turkey. Forty-six samples were analyzed using standard protocols in laboratory, then exposed to DiagNose II e-nose system. Artificial Neural Networks (ANNs) was used to discriminate between Non-Mastitic (N-M) / Mastitic (M) samples depending on sensor responses. Results showed that 8 of 12 sensors were responded to milk samples. Thus, performances of several ANNs models with different topologies were tested using 8 sensor responses. ANNs was trained using 28 samples, and remaining 18 samples were used in validation step. Among tested models, the results of the lowest overall errors for training and validation steps were found to be 35.71 % and 38.89 % respectively. To improve the performance, Principal Components Analysis (PCA) performed for dimension reduction and three components were selected to be included in ANNs model instead of 8 sensors. Performing of PCA prior to ANNs provided decreased overall errors for training (10.7 %) and validation (0 %). However, the actual performance of the system should be tested using new dataset.
Abstract
Mastitis sağmal hayvanlar arasında yaygın bir hastalık olup önemli ekonomik kayıplara sebep olur. Hastalık çeşitli klinik bulgularla teşhis edilebilirken süt somatic hücre sayısı (SHS) kilit göstergelerden biri olarak kabul edilmiştir. Bununla birlikte SHS’ nın geleneksel yöntemlerle belirlenmesi yoğun emek gerektirir ve zaman alıcıdır. Bu çalışma farklı metal oksit sensörler (MOS) içeren elektronik burun (e-burun) sisteminin bir eşik değerin üzerinde SHS içeren sütleri ayırt edebilme yeteneği üzerine odaklanmıştır. Süt örnekleri Çanakkale ili Biga ilçesinde bulunan çiftliklerden toplanmıştır. Kırk altı örnek laboratuarda standart protokoller ile analiz edilmiş ve ardından DiagNose-II elektronik burun sistemi ölçümüne tabi tutulmuştur. Sensör tepkilerine göre Mastitik-Olmayan (M-O) / Mastitik (M) sütlerin ayırt edilmesinde Yapay Sinir Ağları (YSA) kullanılmıştır. Sonuçlar 12 sensör içerisinden 8 sensörün süt örneklerine tepki verdiğini göstermiştir. Bu nedenle farklı topolojilere sahip çeşitli YSA modellerinin performansı 8 sensörün tepkileri kullanılarak test edilmiştir. Tüm YSAları 28 örnek kullanılarak eğitilmiş ve kalan 18 örnek ise geçerlik aşamasında kullanılmıştır. Test edilen modeller arasından eğitim ve geçerlik aşamalarına ilişkin en düşük hata sonuçları sırasıyla % 35.71 ve % 38.89 bulunmuştur. Performansın artırılması amacıyla boyutları azaltmak için Ana Bileşenler Analizi (ABA) uygulanmış ve 8 sensör yerine 3 bileşen YSA modeline dahil edilmiştir. YSA çalıştırılmadan önce ABA uygulanması eğitim (% 10.71) ve geçerlik (% 0) aşamalarındaki hataların daha düşük olmasını sağlamıştır. Ancak sistemin gerçek performansı yeni veri setleriyle test edilmelidir.
Details
| Subjects | Engineering |
|---|---|
| Journal Section | Araştırma Makalesi |
| Authors | |
| Publication Date | May 27, 2016 |
| Published in Issue | Year 2016 Volume: 2 Issue: 1 |
