在家禽屠宰场使用人工神经网络预测尸体的死亡
Flávio Eduardo da Silva de Carvalho1, Felipe de Oliveira Salle2, Karen Apellanis Borges3
1Ministério da Agricultura e Pecuária do Brasil (MAPA), Avenida Loureiro da Silva 515 - sala 701, Porto Alegre, RS, 90010-420, Brazil; Centro de Diagnóstico e Pesquisa em Patologia Aviária (CDPA), Faculdade de Veterinária, Universidade Federal do Rio Grande do Sul (UFRGS), Av. Bento Gonçalves 9090, Porto Alegre, RS 91540-000, Brazil.
Research in veterinary science
|September 11, 2025
概括
人工神经网络 (ANN) 在预测 brojler的谴责方面表现有前途,提高家禽检查效率. 虽然对某些疾病有效,但复杂的诊断需要进一步研究以获得更广泛的应用.
科学领域:
- 禽畜科学 禽畜科学 禽畜科学
- 人工智能在农业中的应用
- 食品安全和检查局 食品安全和检查局
背景情况:
- 由于肉尸体的高排泄率,导致家禽行业的经济损失很大.
- 严格的死后检查对于维持卫生标准和确保食品安全至关重要.
- 传统的检查方法可能是劳动密集型的,并且可能从技术增强中受益.
研究的目的:
- 评估人工神经网络 (ANN) 在预测肉条件和定罪方面的有效性.
- 评估ANN的潜力,以加强传统的尸体检查过程.
- 为了确定ANN在各种尸体状况中的预测性能.
主要方法:
- 来自巴西南部一家家禽公司的3370只肉 (2019-2022) 检查数据的分析.
- 使用NeuroShell Predictor软件对16个输出变量进行建模,以开发人工神经网络模型.
- 使用确定系数 (R2) 和相关系数评估模型性能.
主要成果:
- 在16个开发的ANN模型中,9个 (56.25%) 被归类为好或优秀.
- "部分和全部谴责"模型表现出强大的预测性能,R2>0.93,相关系数接近0.96.
- 在复杂的视觉诊断中,ANN模型的准确性较低,例如:卡赫西亚,,细胞炎.
结论:
- 人工神经网络显示出作为有价值的工具来支持肉尸检查的潜力.
- 农产品年报可以有助于减少经济损失,提高家禽生产的效率和可持续性.
- 模型的概括性目前仅限于所研究的特定生产系统;建议对各种数据集进行进一步验证.
