@article{article_1702436, title={Hayvancılıkta Yapay Zekâ Teknolojilerinin Uygulanması}, journal={Journal of Animal Science and Economics}, volume={4}, pages={64–74}, year={2025}, DOI={10.5281/zenodo.16409109}, author={Dilaver, Hatice and Dilaver, Kamil Fatih}, keywords={HAYVANCILIK, YAPAY ZEKA, TEKNOLOJİ}, abstract={Yapay Zekâ (YZ), birçok sektörde olduğu gibi hayvancılık alanında da dönüştürücü ve destekleyici bir teknoloji olarak öne çıkmaktadır. Hassas tarımın evrilen çerçevesi içerisinde değerlendirildiğinde, gözetimli ve gözetimsiz öğrenme algoritmaları, derin öğrenme mimarileri, akıllı sensör ağları ve gerçek zamanlı veri analitiği gibi ileri düzey YZ yöntemlerinin entegrasyonu; hayvan yetiştiricilerine veriye dayalı, doğru, zamanında ve ekonomik olarak etkin kararlar alma imkânı sunmaktadır. Bu akıllı sistemler, insan hatasını azaltmakla kalmayıp iş gücü maliyetlerini düşürmekte; aynı zamanda biyolojik ve çevresel süreçlerin analizini otomatikleştirerek hayvan sağlığını, refahını ve çiftlik verimliliğini önemli ölçüde artırmaktadır.
Hayvancılıkta YZ uygulamaları, uzun süredir devam eden sorunlara yenilikçi çözümler getirerek çok yönlü bir yaklaşım sunmaktadır. Başlıca kullanım alanları arasında; ivmeölçerler ve görüntü tabanlı sistemlerle davranış takibi, solunum hızı ve sıcaklık gibi biyometrik kalıpların tanınması yoluyla erken hastalık tespiti, hareket ve ses sinyalleriyle kızgınlık (estrus) tahmini ve tahmine dayalı algoritmalarla kişiselleştirilmiş yemleme stratejileri yer almaktadır. Ayrıca, yüz ve ses tanıma gibi biyometrik kimliklendirme yöntemleri, invaziv işaretleme gerekliliğini ortadan kaldırmakta ve izlenebilirlik ile hayvan refahı standartlarını iyileştirmektedir.Bu çalışma, Yapay Öğrenme (ML), Derin Öğrenme (DL), Yapay Sinir Ağları (YSA), Bilgisayarla Görü (CV), Robotik ve Doğal Dil İşleme (NLP) gibi YZ’nin temel alt alanlarını kapsamlı bir biçimde analiz etmekte ve bunların hayvancılıktaki gerçek dünya uygulamalarını, ampirik araştırmalar, vaka analizleri ve nicel modelleme eşliğinde sunmaktadır. Özellikle; görüntü tanılamasında evrişimli sinir ağlarının (CNN) kullanımı, pekiştirmeli öğrenmeyle yem sistemlerinin adaptasyonu ve davranış tanımada sensör füzyonu stratejileri detaylı şekilde ele alınmıştır.Teorik incelemeye ek olarak, Python tabanlı pratik bir simülasyon çerçevesi de sunulmuştur. Bu çerçevede, çok katmanlı algılayıcı (MLP) yapay sinir ağı kullanılarak süt ineklerinde günlük süt verimi tahmin edilmiştir. Simülasyon, kalp atış hızı, solunum hızı, vücut sıcaklığı ve göz sıcaklığı gibi biyometrik girişlere dayalı olarak gerçekleştirilmiş; bu değişkenlerin fizyolojik stres ve verimlilikle olan korelasyonu doğrultusunda}, number={2}, publisher={Atatürk Üniversitesi}