Journals / Hayvansal Üretim / 2023 / Cilt: 64 Sayı: 1

Yapay Zeka Teknolojilerinin Hayvancılıkta Kullanımı

Pages
48–58
Publication Date
2023-10-30
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

In this study, information and examples about artificial intelligence applications in animal husbandry are presented.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Software, various sensors, and smart machines produced by artificial intelligence technology are used successfully in many sectors.
📊
Key Findings & Data:With artificial intelligence programs, which are increasingly used in animal husbandry, human intervention and error are eliminated in many areas such as the emotional state of animals, nutritional habits, control of milk yields, and herd management.
💡
Conclusion & Impact:In this study, information and examples about artificial intelligence applications in animal husbandry are presented.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Yapay zeka · hayvancılık · yapay sinir ağları

Abstract

Software, various sensors, and smart machines produced by artificial intelligence technology are used successfully in many sectors. With artificial intelligence applications, it is possible to make healthy decisions in the field of animal husbandry, to make correct interpretations, and to analyze many more variables in a shorter time and reach a conclusion. These technologies also help improve productivity and product quality by greatly reducing human labor and human error. Artificial intelligence technologies have been increasingly used in the field of animal husbandry with the advantages and conveniences it provides. With artificial intelligence programs, which are increasingly used in animal husbandry, human intervention and error are eliminated in many areas such as the emotional state of animals, nutritional habits, control of milk yields, and herd management. By eliminating external factors such as earrings, signs, tags, etc. which are applied to identify animals, these technologies not only reduce the workload and cost, but also contribute to animal welfare. They are also used in biosecurity, disease monitoring and control, animal monitoring, farm management, control of growth in farm animals, and similar issues. In this study, information and examples about artificial intelligence applications in animal husbandry are presented.

Özet

Yapay zekâ teknolojisi sayesinde üretilen yazılımlar, çeşitli sensörler ve akıllı makineler birçok sektörde başarılı bir şekilde kullanılmaktadır. Yapay zekâ uygulamaları ile hayvancılık alanında sağlıklı kararlar verebilmek, doğru yorumlar yapabilmek ve çok daha fazla sayıda değişkeni daha kısa zamanda inceleyip sonuca varmak mümkün olabilmektedir. Bu teknolojiler, insan işgücünü ve insan kaynaklı hataları büyük ölçüde azaltarak verimlilik ve ürün kalitesinin iyileştirilmesine de yardımcı olmaktadır. Yapay zekâ teknolojileri, sağladığı avantaj ve kolaylıklarla hayvancılık alanında giderek yaygın bir şekilde kullanılmaya başlanmıştır. Hayvan yetiştiriciliğinde uygulamaları gittikçe artan yapay zekâ programları ile hayvanların duygusal durumları, beslenme alışkanlıkları, süt verimlerinin kontrolü ve sürü yönetimi gibi pek çok alanda insan müdahale ve hatası ortadan kaldırılmaktadır. Hayvanları tanımlamak için uygulanan küpe, işaret, etiket ve benzeri dış etmenleri de ortadan kaldırarak, hem iş yükünü ve maliyeti azaltmakta hem de hayvan refahına katkı sunmaktadır. Ayrıca biyogüvenlik, hastalık takibi ve kontrolü, hayvanların izlenmesi, çiftlik yönetimi, çiftlik hayvanlarında büyümenin kontrolü ve benzeri konularda kullanılmaktadır. Bu çalışmada hayvan yetiştiriciliğinde yapay zekâ uygulamaları hakkında bilgilere ve örneklere yer verilmiştir.

🔖

Cite This Article

TUVAY, N. H., ERMETİN, O. (2023). Yapay Zeka Teknolojilerinin Hayvancılıkta Kullanımı. Hayvansal Üretim, Cilt: 64 Sayı: 1, 48–58. https://ajindex.com/articles/971807

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (13)

  1. Ağyar Z. 2015. Yapay sinir ağlarının kullanım alanları ve bir uygulama. Mühendis ve Makine, 56(662): 22-23.
  2. Andrew NG, Ngiam J, Foo CY, Mai Y, Suen C, Coates A, Tandon S. 2013. Unsupervised feature learning and deep learning. http://deeplearning.stanford.edu/tutorial/supervised/ConvolutionalNeuralNetwork. (25.08.2021).
  3. Andrew W, Gao J, Mullan S, Campbell N, Dowsey AW, Burghardt T. 2021. Visual identification of individual Holstein-Friesian cattle via deep metric learning. Computers and Electronics in Agriculture, 185, 106133. Awad AI, Zawbaa HM, Mahmoud HA, Nabi EHHA, Fayed RH, Hassanien AE. 2013. A robust cattle identification scheme using muzzle print images. 2013 Federated Conference on Computer Science and Information Systems, Krakow, Poland. pp. 529-534.
  4. Barbedo JGA, Koenigkan LV. 2018. Perspectives on the use of unmanned aerial systems to monitor cattle. Outlook on Agriculture, 47(3), 214-222.
  5. Barry B, Gonzales-Barron UA, McDonnell K, Butler F, Ward S. 2007. Using muzzle pattern recognition as a biometric approach for cattle identification. Transactions of the ASABE, 50(3), 1073-1080.
  6. Basheer IA, Hajmeer M. 2000. Artificial neural networks: fundamentals, computing, design, and application. Journal of Microbiological Methods, 43(1), 3-31.
  7. Benko A, Lanyi CS. 2009. History of artificial intelligence. In Encyclopedia of Information Science and Technology, Second Edition, pp. 1759-1762.
  8. IGI Global. Borchers MR, Chang YM, Proudfoot KL, Wadsworth BA, Stone AE, Bewley JM. 2017. Machine-learning-based calving prediction from activity, lying, and ruminating behaviors in dairy cattle. Journal of Dairy Science 100(7):5664–5674.
  9. Bretschneider G, Cuatrin A, Arias D, Vottero D. 2014. Estimation of body weight by an indirect measurement method in developing replacement Holstein heifers raised on pasture. Archivos de Medicina Veterinaria, 46(3), 439-443.
  10. Brunassi LDA, Moura DJD, Naas IDA, Vale MMD, Souza SRLD, Lima KAOD, Carvalho TMRD, Bueno LGDF. 2010. Improving detection of dairy cow estrus using fuzzy logic. Scientia Agicola, 67(5), 503-509.
  11. Cavero D, Tölle KH, Henze C, Buxadé C, Krieter J. 2008. Mastitis detection in dairy cows by application of neural networks. Livestock Science, 114(2-3), 280-286.
  12. Chen LJ, Cui LY, Xing L, Han LJ. 2008. Prediction of the nutrient content in dairy manure using artificial neural network modeling. Journal of Dairy Science, 91(12), 4822-4829.
  13. Chowdhary, KR., 2012. Sub-fields and commercial applications of AI. http://www.krchowdhary.