Geri Dön

Büyükbaş hayvanlarda kızgınlığın (östrus) hareketlilik ve çevre verilerinden yararlanarak yapay sinir ağları ile belirlenmesi

Determination of estrus in cattle with neural networks using mobility and environmental data

  1. Tez No: 436401
  2. Yazar: ADİL KORAY YILDIZ
  3. Danışmanlar: YRD. DOÇ. DR. MEHMET METİN ÖZGÜVEN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Ziraat, Computer Engineering and Computer Science and Control, Agriculture
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Gaziosmanpaşa Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyosistem Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 112

Özet

Gıda sanayinin en temel ham maddeleri olan et ve süt üretimi büyük ölçüde büyükbaş hayvancılık ile sağlanmaktadır. Hayvancılıkta karlılığı arttırmak için otomasyonlar gibi iyileştirmeler yapılmaktadır. Hassas sürü yönetim sistemleri bu otomasyonların önemli bir parçasıdır. Bu sistemlerde aranan en önemli özelliklerden birisi etkin üreme yönetiminin sağlanabilmesidir. Bunun için ineklerin kızgınlık (östrus) denilen dönemlerinin belirlenmesi gerekmektedir. Kızgınlıktaki hayvanlar diğer hayvanlara göre daha hareketlidir. Bu hareketlilik“pedometre”denen cihazlarla ölçülebilmektedir. Algılanan hareket değişimleri ile Yapay Sinir Ağları (YSA) modelleri kullanılarak kızgınlık tahmin edileceği düşünülmektedir. Bu çalışmada, hareket ve çevresel veriler kullanılarak büyükbaş hayvanlarda kızgınlığı tahmin edecek bir YSA modelinin oluşturulması ve etkililiğinin incelenmesi amaçlanmıştır. Özel bir tarım işletmesinde dört ay süresince toplamda 186 kızgınlık gösteren 78 sığırın hareket verileri iklimsel verilerle beraber kaydedilmiştir. İneklerin yaşları, laktasyon sayıları, kızgınlıktan sonra geçen gün sayısı verileri de değerlendirmeye alınmıştır. Mekanistik model ve YSA modelleri karşılaştırılmıştır. Bunun için doğruluk, kesinlik, bu ikisinin ortak etkisini belirten F skoru ve ROC analizinden faydalanılmıştır. YSA modeli olarak bir ve iki katmanlı ileri beslemeli sınıflandırma ağları denenmiştir. YSA modeline en uygun girişler hareket verisi, bir önceki zaman dilimine ait hareket verisi, bir önceki kızgınlıktan sonra geçen gün sayısı, sıcaklık ve nem olarak bulunmuştur. Tek katmanlı YSA için en iyi sonuç 0.9654 AUC ile 91 nöronlu ağdan elde edilirken birinci katmanında 37 ikinci katmanında 40 nöronu bulunan çift katmanlı ağ 0.9733 ROC puanıyla en başarılı model olmuştur. Mekanistik model 0.5006 ROC puanı ile en düşük başarıyı göstermiştir. Çalışmada iklim verilerinin hareket verileriyle beraber değerlendirilmesi ile doğru kızgınlık tahmininin arttığı görülmüştür.

Özet (Çeviri)

The most basic raw materials for the food indu stry, meat and milk production, are provided largely through cattle. Improvements such as automation have been increasing profitability in livestock production. Precision herd management systems are an important part of this automation process. A key feature of such systems is effective reproduction management. To achieve this, one needs to determine cows' heat period (Estrus). Animals in Estrous are more active than others. This mobility can be measured by a testing device called“pedometer”. Estrus is expected to be estimated by using detected movement changes with Artificial Neural Networks (ANN) models. The aim of this study is to create and assess the effectiveness of a neural network model to estimate estrus in cattle by using movement and environmental data. Movement data of 78 cattle which showed a total of 186 estruses has been captured along with climatic data during a four-month period at a private agricultural organization. Data such as cow age, lactation number and number of days elapsed from estrus were also taken into account and evaluated. Mechanistic models and ANN models were compared. Accuracy, precision, F scores indicating their impact, and ROC analysis were used for this comparison. For feed-forward neural network model, one and two layers classification networks were tested. Optimal inputs to the neural network model were found to be motion data, motion data of previous time period, number of days after the previous estrus, temperature and humidity. The best result for single-layer ANN, 0.9654 AUC, has been obtained with 91 neurons. Dual-layer network with 40 neurons in the second layer and 37 for the first layer has been the most successful model with 0.9733 ROC points. Mechanistic models have shown the lowest success with an ROC score of 0.5006. The study has shown that the accuracy of estrus prediction is increased by evaluating movement data movement along with climate data.

Benzer Tezler

  1. Büyükbaş çiftlik hayvanları için IoT tabanlı pedometre tasarımının gerçekleştirilmesi

    Realisation of IoT based pedometer design for cattle farm animals

    CEMİL OKKAN DÜNDAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İSMAİL KIRBAŞ

  2. Büyükbaş hayvanlarda işkembe sağlık durumu izleme sistemi prototipinin geliştirilmesi

    Development of a prototype for monitoring the health condition of cattle rumen

    FATİH GÜRCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İBRAHİM ALPER DOĞRU

    DR. ÖĞR. ÜYESİ MURAT DÖRTERLER

  3. Nesnelerin interneti kullanılarak büyükbaş hayvanlarda davranış ve besleme parametreleri kontrol sistemi oluşturulması

    Establishment of behavior and feeding parameters control system in cattles using internet of things

    KAMİL AYKUTALP GÜNDÜZ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FATİH BAŞÇİFTÇİ

  4. Derin öğrenme ve geleneksel makine öğrenme teknikleri kullanılarak manda yüz tanıma modellerinin geliştirilmesi

    Development of water buffalo face recognition models using deep learning and traditional machine learning techniques

    NİYAZİ HAYRULLAH TUVAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYozgat Bozok Üniversitesi

    Tarım Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ORHAN ERMETİN

  5. Bitkisel ekstraktların (Humatem-Demastit) büyükbaş hayvanlarda görülen hastalıklar üzerine etkisi ve antikanser çalışmaları

    Bovine of vegetable extracts (Humatem-Demacide) effect on diseases in animals and anticancer studies

    NİLGÜN BAYSAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    KimyaErciyes Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. İLHAN ÖZER İLHAN