Determination of Estrus in Cattle with Artificial Neural Networks Using Mobility and Environmental Data

Turkish

Kızgınlığın yüksek doğrulukla tespiti, ineklerin gebe kalma olasılığını ve dolayısıyla süt üretimini doğrudan etkiler. Sütün çoğu, doğumdan sonra erken laktasyon döneminde elde edilir. Kızgınlık dönemindeki hayvanlar diğerlerinden daha aktiftir. Bu hareketlilik, "pedometre" adı verilen bir test cihazı ile ölçülebilir. Yapay sinir ağları (YSA) modelleri ile tespit edilen hareket değişiklikleri kullanılarak kızgınlık tahmin edilebilir. Bu çalışma, hareket ve çevresel verileri kullanarak sığırlarda kızgınlığı tahmin etmek için bir sinir ağı modelinin etkinliğini oluşturmayı ve değerlendirmeyi amaçlamaktadır. Özel bir tarım kuruluşunda yedi aylık dönemde 184 kızgınlık gösteren 78 büyükbaş hayvanın hareket verisi ve çalışma dönemindeki iklim verisi elde edilmiştir. İnek yaşı, laktasyon sayısı ve kızgınlıktan sonra geçen gün sayısı gibi veriler de dikkate alınmış ve değerlendirilmiştir. YSA modelleri doğruluk, kesinlik ve F-skorları ile karşılaştırılmıştır. İki katmanlı sınıflandırma ağları, ileri beslemeli sinir ağı modeli için test edilmiştir. Sinir ağı modeline en uygun girdilerin hareket verileri, önceki döneme ait hareket verileri, bir önceki kızgınlıktan sonraki gün sayısı, sıcaklık ve nem olduğu anlaşılmıştır. Birinci katmanda 37 ve ikinci katmanda 40 nöron bulunan iki katmanlı ağ, 0,1775 F-skoru ile en başarılı model olmuştur. Çalışma, iklim verileriyle birlikte hareket verilerinin değerlendirerek kızgınlık tahmininin doğruluğunun arttığını göstermiştir.