@article{article_1541362, title={Tarım ve Hayvancılık Alanında Dijital Dönüşüm: Evrişimsel Sinir Ağları ve Regresyon Modelleri Kullanılarak Sığırlarda Canlı Ağırlık Tahmini}, journal={Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji}, volume={13}, pages={968–980}, year={2025}, DOI={10.29109/gujsc.1541362}, author={Gürbüz, Mustafa Zahid and Kıvrak, Oğuzhan and Altınel Girgin, Ayşe Berna and Değirmencioğlu, Ali}, keywords={Sığır Ağırlık Tahmini, Sığır Irk Tespiti, Nesne Segmentasyonu, Derin Öğrenme, Hayvancılıkta Dijital Dönüşüm, Karar Destek Sistemleri}, abstract={Hayvancılık, insanoğlunun köklü ekonomik faaliyetlerinden biri olup günümüzde artan dünya nüfusuyla birlikte protein ihtiyacının karşılanması, sanayiye hammadde temini ve istihdam alanlarının oluşturulması gibi kritik işlevleri üstlenmektedir. Sığırların performans takibi, sağlık durumu takibi, beslenme düzeni ve rasyon ayarlama ve etin kalitesi için ağırlık ölçümü elzemdir. Ayrıca, hayvan refahı günümüz işletmelerinin temel standartlarından birini oluştururken tüketicilerin de yakından takip ettiği bir konu haline gelmiştir. Ağırlık ölçüm yöntemlerinden biri olan kantar kullanımı, hayvanların strese girmesine ve yaralanmaların meydana gelmesine neden olmaktadır. Bu çalışma, hayvana temas etmeden fotoğraf çekilerek ve sığırların vücut bölümlerine dayalı bir model kullanarak canlı ağırlığının tahmin edilmesini sağlayan bir yöntem önerilmiştir. Önerilen yaklaşımda veri toplamak üzere anlaşmalı çiftlikte geliştirilen mobil uygulama vasıtasıyla fotoğraflar çekilmiş ve gerçek ağırlık değerleri kayıt altına alınmıştır. Fotoğraflar labelme etiketleme aracıyla etiketlenmiş, detectron2 kütüphanesinde faster R-CNN algoritması çalıştırılmıştır. Doğrusal regresyon modeli ile ağırlık tahmini MAPE ölçeğine göre %96 oranında başarılı olmuştur. Literatürde bu konudaki çalışmalarda genelde tek bir cins üzerine ya da cins belirtilmeden yapılan uygulamalarla karşılaşılmaktadır. Bu çalışma birden fazla ırk üzerinde hayvanın ağırlığını tahmin etmeye çalışan ilk çalışmadır. Yöntem olarak hayvana temas etmeden fotoğraf çekilerek ve sığırların vücut bölümlerine dayalı makine öğrenmesi yaklaşımlarını kullanır. Veri kümesi çalışma kapsamında teker teker fotoğraf çekimleri ile oluşturuldu. Yine bildiğimiz ve literatürden görebildiğimiz kadarıyla bu çalışma, aynı hayvan için yandan çekilmiş sadece tek bir fotoğraf kullanılarak ve vücut parçalarının fotoğraf üzerinde kapladığı alandan yola çıkarak yapılmış ilk çalışmadır. Gerek yurt içinde gerekse de yurt dışında, özellikle de pandemi sürecinden sonra tarım ve hayvancılığın dijital dönüşüm sürecinin hızlandığı günümüzde, bu çalışmada raporlanan sonuçların bu alanda çalışan diğer araştırmacılar için ve tarım ve hayvancılık sektörü için oldukça anlamlı olduğu değerlendirilebilir.}, number={3}, publisher={Gazi Üniversitesi}, organization={Tübitak 1507 projesi (7220768)}