Yapay sinir ağı kullanarak farklı kategoriler ile süt ineklerinde kızgınlık tahmini
Estimation of infection in dairy cows with different categories by using artificial neural network
- Tez No: 611778
- Danışmanlar: PROF. DR. İLHAN TARIMER
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Büyükbaş süt besiciliğinde kızgınlık gösteren hayvanların tespitinde büyük sıkıntı çekilmektedir. Bu durum modern süt sığırı işletmelerinde verimliliği önemli ölçüde azaltarak süt ve et fiyatlarının artışına neden olmakta, dolayısıyla tüketicilerin bu hayvansal ürünler için olan alım güzü azalmaktadır. Bu çalışmada, sürü yönetim sisteminin kullanıldığı bir işletmede yetiştirilen Holstein Friesian ırkı sığırlardaki kızgınlık tespitinin, yapay sinir ağları uygulanarak, minimum hata oranı ile belirlenmesi hedeflenmektedir. Bunun için, giriş verisi olarak iki saatlik periyotlarla elde edilen büyükbaş hayvanların hareket sayısı değişim oranı, geviş sayısı değişim oranı, sağım esnasında alınan süt verimi değişim oranı ve iletkenlik değişim oranı kullanılarak farklı kategorilerde yapay sinir ağları modellemesi oluşturulmuştur. Çıkış verisi,“kızgın veya değil”tahminlemesi yapılmıştır. Bu tez kapsamında gerçekleştirilen farklı kategorilerdeki yapay sinir ağı modelleri ile kızgınlık doğruluk oranı tespit edilmiş; bu doğruluk oranlarının, veri setinin her eğitilmesinde %85 ile %93 arasında değiştiği gözlemlenmiştir.
Özet (Çeviri)
The dairy industry has been encountered to the problem with the determination of the oestrus in milking cows. This significantly impairs the productivity of high yielding dairy cows which in turn increases the cost of milk and meat with negative implications on the affordoble of these animal products by the consumer. In this study, it was aimed to determine the estrus detection of holstein frisien milking cows reared in an enterprise with herd management system with the least error rate by using artificial intelligence methods. In order to achieve this, the rate of change in the number of movements, change in the number of ruminantion, rate of change in the milk yield and conductivity during milking of the cattle taken at two hour intervals as input data were processed. In order to provide the most reliable information, artificial neural networks have been modeled in different categories. As a result of the output data obtained, the status of dairy cattle was determined as eostrus or not. In this study, estrus accuracy ratio was determined by using artificial neural network models in different categories and it was observed that these accuracy rates ranged between 85% and 93% for each training of the data set.
Benzer Tezler
- Denetimsiz derin öğrenme kullanılarak dijital meme tomosentezi görüntülerinde gürültünün giderilmesi
Unsupervised denoising of digital breast tomosynthesis images using deep learning
OSMAN ALPCAN ÖZCAN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Risk assessment in the context of modern methods of construction leveraging data analytics
Veri analitiği kullanarak modern inşaat yöntemleri için risk değerlendirmesi
ALI TATARI
Yüksek Lisans
İngilizce
2022
İnşaat MühendisliğiBoğaziçi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEMRA ÇOMU YAPICI
- Türkçe'de varlık ismi tanıma
Named entity recognition in Turkish
ASIM GÜNEŞ
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Prospects of nonresonant Higgs boson pair production measurement in the WWγγ channel at the HL-LHC with the phase-II CMS detector
Standart model Higgs bozonu çifti üretiminin WWγγ kanalında CMS faz II dedektörü ile HL-LHC koşullarında araştırılması
AHMET OĞUZ GÜZEL
Yüksek Lisans
İngilizce
2022
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. MUAMMER ALTAN ÇAKIR
- Enriching predictive models using graph embeddings
Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi
YAREN YILMAZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ