机器学习技术的应用,以辨别最佳的养殖条件,以改善黑兵养殖

科学领域:

• 农业科学 农业科学
• 生物技术是生物技术.
• 数据科学数据科学数据科学

背景情况:

• 全球人口增长需要替代性料/食物来源来应对粮食不安全.
• 黑兵幼虫 (BSFL) 为动物料提供可持续的,富含蛋白质的生物质,具有生物柴油,生物塑料和药物的潜力.
• 目前的BSFL生产水平不足以满足工业需求.

研究的目的:

• 通过机器学习确定最佳的养殖条件,以增强黑兵 (BSF) 养殖.
• 根据各种养殖参数,开发预测模型来估计BSFL收获产量.

主要方法:

• 监督机器学习算法被用来训练模型在BSF养殖数据.
• 输入变量包括循环时间,料配方,床长,幼虫密度,纯度评分,料深度和料速率.
• 随机森林回归模型的选择是基于其在预测湿幼虫质量的表现 (每米千克).

主要成果:

• 随机森林回归器实现了2.91的根平均平方误差 (RMSE) 和80.9%的R平方值.
• 对于最佳的BSFL生产最有影响的因素是床的长度,料配方,幼虫密度,料深度和周期时间.
• 该模型有效地预测了BSFL收获的重量,从而实现了更好的农场管理.

结论:

• 机器学习为优化BSF养殖条件和提高生产产量提供了一个强大的工具.
• 调整床长度和料配方等关键参数可以显著提高BSFL生物质收获.
• 优化的BSF养殖有助于可持续的动物料生产,支持全球粮食安全.