马姆丹尼模糊推理系统在家禽体重估计中的应用
Erdem Küçüktopçu1, Bilal Cemek1, Halis Simsek2
1Department of Agricultural Structures and Irrigation, Ondokuz Mayıs University, Samsun 55139, Türkiye.
Animals : an open access journal from MDPI
|August 12, 2023
概括
使用模糊逻辑 (FL) 模型的人工智能 (AI) 提供了精确估计家禽体重的方法,克服了传统方法的局限性. 这种人工智能方法提高了家禽养殖业务的效率和准确性.
科学领域:
- 农业科学 农业科学
- 人工智能的人工智能
- 动物科学动物科学
背景情况:
- 对于家禽来说,传统的手动称重系统是低效的,可能会影响动物福利.
- 现有的自动称重系统难以准确估计较重的鸟类的重量.
- 需要先进的方法来提高家禽体重估计的效率和精度.
研究的目的:
- 开发和评估人工智能 (AI) 方法,使用模糊逻辑 (FL) 模型来估计家禽的体重.
- 评估FL模型在家禽生产和管理中的可行性.
- 探索人工智能作为现代家禽养殖不可或缺的工具.
主要方法:
- 开发基于FL的模型,结合专家知识.
- 包括关键输入变量:室内温度,湿度和料消耗.
- 利用Mamdani推理在八个养殖时期进行模型配置和评估.
主要成果:
- 基于FL的模型在估计家禽体重方面表现出有效性.
- 不同肉年龄组的平均绝对误差值在0.02%至5.81%之间.
- 在现实生活中的家禽养殖环境中,FL模型的成功应用在土耳其萨姆森市.
结论:
- 基于FL的方法显示出对准确和高效的家禽体重估计有很大的希望.
- 人工智能,特别是FL,可以彻底改变家禽生产管理.
- 鼓励对FL方法进行进一步的研究,以提高家禽体重估计.


