Određivanje dobi pasa na temelju računalne analize makrofotografija čeljusti pasa

master's thesis

• Title (english): Determining the age of dogs based on computer analysis of macrophotography of the dog's jaw
• Author: Mateo Makšan
• Mentor: Marko Hohšteter (mentor)
• Mentor: Lidija Medven Zagradišnik (mentor)
• Committee member: Ivan-Conrado Šoštarić-Zuckermann (predsjednik povjerenstva)
• Committee member: Lidija Medven Zagradišnik (član povjerenstva)
• Committee member: Marko Hohšteter (član povjerenstva)
• Committee member: Branka Artuković (član povjerenstva)
• Granter: University of Zagreb; Faculty of Veterinary Medicine; Zagreb
• Defense date and country: 2021-09, Croatia
• Scientific / art field, discipline and subdiscipline: BIOMEDICINE AND HEALTHCARE; Veterinary Medicine; Veterinary Clinical Sciences

Abstract

Određivanje dobi pasa važno je za utvrđivanje identiteta prilikom obavljanja razudbe. Od
velikog je značaja u prodaji i kupovini životinja kao metoda provjere istinitosti podataka o životinji
te u veterinarskoj forenzici. Starost životinje može biti predmet različitih pravnih sporova pa metoda
koja se koristi za procjenu dobi mora biti objektivna, što znači pouzdana, precizna i točna.
Duboko učenje s konvolucijskim neuronskim mrežama (engl. convolutional neural network,
CNN) je model, dizajniran za procesiranje podataka i učenje na temelju podataka koji se automatski
izvode iz velikog broja primjera bez izdvajanja značajki prije samog procesa učenja. Cilj istraživanja
je uspostavljanje inovativne metode određivanja dobi koja bi se sustavno mogla koristiti u forenzičke
i akademske svrhe.
U ovom istraživanju pregledano je i fotografirano 123 čeljusti pasa koji su bili predmet
obdukcije u razdoblju od 2019. godine do 2020. godine na Veterinarskom fakultetu Sveučilišta u
Zagrebu. Obrađene fotografije poslužile su za treniranje neuronske mreže. Računalo je na cjelovitim
fotografijama uspješno smjestilo 21 od 30 testiranih fotografija u odgovarajuću dobnu kategoriju što
predstavlja točnost od 70%. U nastojanju da se dobe najbolji mogući rezultati, primijenjena je još
jedna metoda koje je uključivala fotografije obrađene tako da tvore mozaike na kojima je računalo
ostvarilo točnost klasifikacije od 56% što predstavlja lošiji rezultat klasifikacije u usporedbi s
cjelovitim fotografijama.
Od svih životinjskih vrsta, u pasa nalazimo najširi raspon fenotipske raznolikosti zuba. Kao
posljedica toga, pojedini psi iste kronološke dobi mogu pokazivati niz različitih bioloških dobi. CNN
korištena u istraživanju trenirana je na relativno malom broju fotografija. Unatoč tome pokazala je
zadovoljavajuće rezultate čime je dokazano da je moguće određivati dob pasa uz pomoć CNN-a i
dubokog učenja.

Abstract (english)

Determining the age of dogs is important in establishing identity when performing necropsy.
It is of great importance in the sale and purchase of animals as a method of verifying the accuracy of
animal records and in veterinary forensics. The age of an animal can be the subject of various legal
disputes, so the age estimation method must be objective, meaning reliable and accurate.
The Convolutional Neural Network (CNN) is a model for data processing and data-based
learning that is automatically derived from a large number of examples without extracting features
before the actual learning process. The aim of this research is to develop an innovative method for
determining the age of dogs that can be systematically used for forensic and academic purposes.
In this research, 123 jaws of dogs that were the subject of autopsies in the period from 2019
to 2020 at the Faculty of Veterinary Medicine, University of Zagreb were examined and
photographed. The processed photos were used to train the neural network. The computer
successfully placed 21 of the 30 tested photos in the appropriate age category using the full photos,
which corresponds to 70% accuracy. To achieve the best possible results, a different method, which
involved photographs processed to form mosaics, was applied and the computer achieved a
classification accuracy of 56%, which is a poorer classification result compared to full photographs.
Of all animal species, dogs have the greatest range of phenotypic diversity of teeth.
Consequently, individual dogs of the same chronological age may have a range of different biological
ages. The CNN used in the study was trained on a relatively small number of photographs.
Nevertheless, it has shown satisfactory results, proving that it is possible to determine the age of dogs
using CNN and Deep Learning.

• Keywords: dob pasa; zubi; CNN; fotografije čeljusti; klasifikacija
• Keywords (english): dog age; teeth; CNN; jaw photographs; classification
• Language: croatian
• URN:NBN: urn:nbn:hr:178:299979
• Study programme: Title: Veterinary Medicine; Study programme type: university; Study level: integrated undergraduate and graduate; Academic / professional title: doktor/doktorica veterinarske medicine (doktor/doktorica veterinarske medicine)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Open access
• Created on: 2021-09-16 11:56:15