Süt sığırlarında mastitisin bazı yapay zeka yöntemleri kullanılarak erken dönemde tespiti
Yükleniyor...
Dosyalar
Tarih
2012-04-25
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Yapay zeka; insan gibi düşünen, karar verebilen, yani insanı model alarak tahmin etme, sınıflandırma gibi problemleri çözmeyi amaçlayan bir bilim dalı haline gelmiştir.
Bu çalışmada hayvancılığın önemli bir sorunu olan subklinik mastitisin otomatik sağım sistemi kullanılan bir işletmede yetiştirilen Siyah Alaca sığırlarda yapay zeka yöntemleri kullanılarak tespit edilmesi amaçlanmıştır. Giriş verisi olarak laktasyon sırası, süt verimi, elektrik iletkenliği, ortalama sağım süresi ve kontrol mevsimi gibi mevcut bilgiler kullanılmıştır. Çıkış verisi olarak 15 aylık süre boyunca ayda bir alınan süt örneklerinden hesaplanmış somatik hücre sayısı ele alınmış ve buna istinaden hayvanın sağlıklı ve ya subklinik mastitisli olduğuna karar verilmiştir.
Çalışmada, yapay zeka kavramı, bulanık mantık, yapay sinir ağları, bulanık arayüzlü yapay sinir ağları (ANFIS), destek vektör makineleri (SVM) yöntemleri detaylı olarak incelenmiş, modellemeler yapılmış, en iyi yöntem seçilmiştir. Uygulanan dört model sonucunda bulanık manık modelinde hassaslığın % 82, belirliliğin % 74, hatanın ise % 60 olduğu görülmüştür. Yapay sinir ağı modelinde bu değerler uygun olarak, % 80, % 91, % 64, ANFIS modelinde % 55, % 91, % 35, SVM modelinde ise % 89, % 92, % 50 olduğu görülmektedir.
Artificial Intelligence techniques have been developed to establish models which run like humans. These techniques based on prediction, classification and etc.. In this study the important problem of animal science; subclinic mastitis detection by the artificial intelligence methods in Holstein cattle, milking by automatic milking system is aimed. As input variables are used the existing traits as lactation rank, milk yield, electrical conductivity, average milking duration and control season. The output variable is somatic cell counts obtained from milk samples collected monthly in 15 months of control period. Based on somatic cell counts the cattle are decided healthy or infected. In this thesis, artificial intelligence concept, fuzzy logic, neural network, adaptive neuro-fuzzy inference system (ANFIS), support vector mechines (SVM) methods are studied in detail, the models are constructed and the best method is chosen. As the result of application of four models there are found 82 % sensitivity, 74 % specificity, 60 % error in fuzzy logic model. These rates in neural network, ANFIS and SVM models are found 80 %, 91 %, 64 %; 55 %, 91 %, 35 % and 89 %, 92 %, 50 %, respectively.
Artificial Intelligence techniques have been developed to establish models which run like humans. These techniques based on prediction, classification and etc.. In this study the important problem of animal science; subclinic mastitis detection by the artificial intelligence methods in Holstein cattle, milking by automatic milking system is aimed. As input variables are used the existing traits as lactation rank, milk yield, electrical conductivity, average milking duration and control season. The output variable is somatic cell counts obtained from milk samples collected monthly in 15 months of control period. Based on somatic cell counts the cattle are decided healthy or infected. In this thesis, artificial intelligence concept, fuzzy logic, neural network, adaptive neuro-fuzzy inference system (ANFIS), support vector mechines (SVM) methods are studied in detail, the models are constructed and the best method is chosen. As the result of application of four models there are found 82 % sensitivity, 74 % specificity, 60 % error in fuzzy logic model. These rates in neural network, ANFIS and SVM models are found 80 %, 91 %, 64 %; 55 %, 91 %, 35 % and 89 %, 92 %, 50 %, respectively.
Açıklama
Anahtar Kelimeler
ANFIS, Süt ineği, SVM, Bulanık mantık, Somatik hücre sayısı, Subklinik mastitis, Yapay sinir ağları, Artificial neural networks, Yapay zeka, Dairy cattle, Fuzzy logic, Neural network, Somatic cell count, Subclinic mastitis
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Memmedova, N. (2012). Süt sığırlarında mastitisin bazı yapay zeka yöntemleri kullanılarak erken dönemde tespiti. Selçuk Üniversitesi, Yayımlanmış doktora tezi, Konya.
