乳制品农场的人工智能和数据分析:一个范围审查

科学领域:

• 农业技术 农业技术
• 数据科学数据科学数据科学
• 动物科学动物科学

背景情况:

• 全球人口增长需要增加牛奶产量.
• 像数据分析,大数据和传感器这样的先进技术对于有效提高牛奶产量至关重要.
• 对用于牛奶预测的现代技术和数据分析进行审查是及时的,以支持奶牛场决策.

研究的目的:

• 对用于预测牛奶产量的现代技术和数据分析方法进行范围审查.
• 确定研究范围,数据类型,分析方法和预测模型的趋势.
• 为未来的研究方向提供信息,以加强奶牛场决策工具.

主要方法:

• 对151个相关文章应用了范围审查方法.
• 分析出版趋势,研究范围,数据输入类型和分析技术.
• 机器学习模型的评估,特别是人工神经网络和卷积神经网络.

主要成果:

• 研究是最近的 (平均5.95年),专注于牛奶预测 (29%),的检测 (26%),和乳腺炎检测 (13%).
• 预测分析占主导地位 (87%),对规范分析的使用有限 (3%). 历史数据 (70%) 优先于实时数据 (25%).
• 人工神经网络 (47%) 和卷积神经网络 (24%) 是普遍存在的,显示出良好的准确性,但高可变性. 模拟工具 (4%) 和随机模型 (5%) 没有得到充分利用.

结论:

• 人工神经网络为奶牛养殖中的数据分析提供了巨大的潜力.
• 将优化模拟方法与人工神经网络相结合,可以增强牛奶生产的未来决策工具.
• 进一步的研究应该探索先进的分析和模拟在乳制品农场管理中的联合力量.