SÜT SIĞIRCILIĞI İŞLETMELERİNDE YAPAY SİNİR AĞLARININ KULLANILABİLİRLİĞİ ÜZERİNE BİR İNCELEME

Öz

Son yıllarda, verimliliği ve karı maksimize etmek için süt üretiminde veri yönetimini sağlayan teknolojilerin kullanımı dünya çapında artmıştır. Çiftliklerde toplanan veriler, işletmelerin kaynaklarının ne kadar etkin kullanıldığını belirlemek ve karar verme birimlerinin girdilerini çıktılara dönüştürmedeki performansını değerlendirmek için önem teşkil etmektedir. Bu veriler ile analizlerin yapılabilmesi için üretim, besleme, gebelik oranları gibi gerçek zamanlı bilgileri içeren entegre çözümler sunan ve aynı zamanda tüm hayvanların genel sağlık durumlarının izlenebilmesini sağlayan sürü yönetim sistemleri önemlidir. Sürü yönetim sistemlerinden sağlanan veriler kullanılarak yapay sinir ağları ile sınıflandırma, hastalık teşhisi, kızgınlık tespiti, optimizasyon ve ileriye dönük öngörülerde bulunmak gibi konularda modeller oluşturulabilir. Bu çalışmaların başında 305 günlük süt veriminin belirlenmesi gelmektedir. Bu çalışma ile süt sığırcılığı alanında yapay sinir ağları uygulamaları kullanılarak gerçekleştirilen çalışmalar incelenmiş ve araştırmalar derlenerek gelecek çalışmalara katkıda bulunmak amaçlanmıştır.

Anahtar Kelimeler

• Yapay Sinir Ağları
• Sürü Yönetim Sistemleri
• Süt Sığırcılığı
• Akıllı Tarım Teknolojileri

A Review on the Applications of Artificial Neural Networks in Dairy Farms

Öz

In recent years, the use of technology in dairy production has increased worldwide to maximize efficiency and profit. Data collected on farms should be analyzed to determine how effectively companies' resources are being used and to evaluate the performance of decision-making units in converting their inputs into outputs. To this end, herd management systems that provide integrated solutions that include real-time information such as production, feeding, and pregnancy rates, while also providing the ability to monitor the overall health of all animals, are important. These systems provide real-time information on cow oestrus, feeding, health, veterinary protocols, general condition and milking. Data obtained from herd management systems can be used to build artificial neural network models on topics such as estimation, quality classification, disease diagnosis, heat detection, and animal breeding. Among the studies on the estimation of these data in dairy cows, the determination of 305-day milk yield using the artificial neural network method ranks first. In this study, the studies conducted using the artificial neural network method in dairy cattle were investigated, and it was aimed to contribute to future studies by compiling the researches.

Anahtar Kelimeler

• Artificial Intelligence
• Herd Management
• Dairy
• Smart Agriculture Technology

Kaynakça

1. • Bewley, J. (2010). Precision dairy farming: advanced analysis solutions for future profitability. Pages 2–5 in Proc. First North American Conference on Precision Dairy Management. Progressive Dairy Operators
2. • Aksoy, A.R. (2003). Hayvan Islahı Ders Notları. Kafkas Üniversitesi Veteriner Fakültesi, Kars
3. • Bewley, J. M., R. A. Russell, K. A. Dolecheck, and M. R. Borchers. (2015). Precision dairy monitoring: what have we learned? Pages 13–24 in Precision Livestock Farming Applications. Wageningen Academic Publishers.
4. • Cabrera, V. E., J. A. Barrientos-Blanco, H. Delgado, and L. FadulPacheco. 2020. Symposium review: Real-time continuous decision making using big data on dairy farms. J. Dairy Sci. 103:3856–3866.
5. • Chase, L. 2018. Precision feed management–What have we learned? Pages 1–7 in Proc. Cornell Nutrition Conference. Cornell University
6. • Ergülen, A. ve Topuz, D.(2008) İşletmelerdeki Verimliliğin Tahmin Edilebilmesi Ve Bu Verimliliği Etkileyen Faktörlerin Mlp Tipi Yapay Sinir Ağları Tekniği İle Belirlenmesi. Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 5(10), 219-231.
7. • Gelb, E., Kislev, Y., & Voet, H. (2005). Measuring The Benefit Of A Computer In The Milking Parlor : The Yavneh dairy case study.
8. • Grzesiak, W., Lacroix, R., Wójcik, J., & Blaszczyk, P. (2003). A comparison of neural network and multiple regression predictions for 305-day lactation yield using partial lactation records. Canadian Journal of Animal Science, 83(2), 307-310.

9. • Lacroix, R., Wade, KM, Coke, R., & Hayes, JF (1995). Prediction of cow performance with a connectionist model. Transactions of the ASAE, 38(5), 1573-1579.
10. • Liang, D., Delgado, H., & Cabrera, V. (2018). A virtual dairy farm brain. In Proceedings of the 13th European International Farming System Association Symposium.
11. • Madsen, Simon Leminen; Karstoft, Henrik; Nyholm Jørgensen, Rasmus; Nørremark, Michael; Khokhar, Y.; Gomez, J. S. ; pier van Gosliga, S.; Jaakkola, K.( 2017) Quantifying behaviour of dairy cows via multi-stage Support Vector Machines.
12. • Meijer, R., and K. Peeters. (2010). The use of precision dairy farming in feeding and nutrition. Pages 20–23 in Proc. of the First North American Conference on Precision Dairy Management.
13. • Morag, I., Edan, Y., & Maltz, E. (2001). IT—Information Technology: An Individual Feed Allocation Decision Support System for the Dairy Farm. Journal of agricultural engineering research, 79(2), 167-176.
14. • Murphy, MD, O'Mahony, MJ, Shalloo, L., French, P., & Upton, J. (2014). Comparison of modeling techniques for milk-production forecasting. Journal of dairy science, 97(6), 3352-3363.
15. • Öztemel, E, 2003. Yapay sinir ağları. Papatya Yayıncılık, İstanbul.
16. • Pezzuolo, A., Cillis, D., Marinello, F., & Sartori, L. (2017). Estimating efficiency in automatic milking systems. Engineering for Rural Development Jelgava, 16, 24-26.
17. • Sharma, A. K., Sharma, R. K., & Kasana, H. S. (2007) Prediction of first lactation 305-day milk yield in Karan Fries dairy cattle using ANN modeling.
18. • Salehi, F., Lacroix, R., & Wade, KM (1998). Improving dairy yield predictions through combined record classifiers and specialized artificial neural networks. Computers and Electronics in Agriculture, 20(3), 199-213.
19. • Spilke, J., and R. Fahr. (2003). Decision support under the conditions of automatic milking systems using mixed linear models as part of a precision dairy farming concept. Pages 5–9 in Proc. EFITA 2003 Conference, Debrecen, Hungary
20. • Uzmay, C, Kaya, İ. ve Tömek, B. (2010). Süt Sığırcılığında Hassas Sürü Yönetim Uygulamaları. Hayvansal Üretim, 51 (2), http://dergipark.org.tr/hayuretim/issue/7612/99764
21. • Yıldız, A.K. (2016). Büyükbaş Hayvanlarda Kızgınlığın (Östrus) Hareketlilik Ve Çevre Verilerinden Yararlanarak Yapay Sinir Ağları İle Belirlenmesi. Gaziosmanpaşa Üniversitesi Fen Bilimleri Enstitüsü. Doktora Tezi. Tokat.