Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DEG - Departamento de Engenharia >
DEG - Artigos publicados em periódicos >

Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/11627

Title: Predicting chick body mass by artificial intelligence‑based models
Other Titles: Predição da massa corporal de pintinhos por meio de modelos baseados em inteligência artificial
???metadata.dc.creator???: Ferraz, Patricia Ferreira Ponciano
Yanagi Junior, Tadayuki
Hernández Julio, Yamid Fabián
Castro, Jaqueline de Oliveira
Gates, Richard Stephen
Reis, Gregory Murad
Campos, Alessandro Torres
Keywords: Animal welfare
Artificial neural network
Broiler
Modeling
Neuro‑fuzzy network
Thermal comfort
Bem estar animal
Redes neurais artificiais
Frango
Modelagem
Redes neurais difusas
Conforto térmico
Publisher: Embrapa Informação Tecnológica
Issue Date: Jul-2014
Citation: FERRAZ, P. F. P. et al. Predicting chick body mass by artificial intelligence-based models. Pesquisa Agropecuária Brasileira, Brasília, v. 49, n. 7, p. 559-568, jul. 2014.
???metadata.dc.description.resumo???:  O objetivo deste trabalho foi desenvolver, validar e comparar 190 modelos baseados em inteligência artificial, para predizer a massa corporal de pintinhos de 2 a 21 dias de vida, submetidos a diferentes períodos e intensidades de estresse térmico. O experimento foi realizado com 210 pintinhos, em quatro túneis de vento climatizados. Um banco de dados com 840 conjuntos de dados (de aves de 2 a 21 dias) – com as variáveis temperatura de bulbo seco do ar, duração do estresse térmico (dias), idade das aves (dias) e a massa corporal diária dos pintinhos – foi utilizado para treinamento de rede, validação e testes dos modelos baseados em redes neurais artificiais (RNA) e redes “neuro-fuzzy” (RNF). As RNA mostraram-se mais precisas para se predizer a massa corporal de pintinhos de 2 a 21 dias de idade, submetidos às variáveis de entrada, e apresentaram R² de 0,9993 e erro‑padrão de 4,62 g. As RNA propiciam a simulação de diversos cenários, que podem auxiliar na tomada de decisões em relação ao manejo, e podem ser incorporadas nos sistemas de controle de aquecimento.
Abstract: The objective of this work was to develop, validate, and compare 190 artificial intelligence‑based models for predicting the body mass of chicks from 2 to 21 days of age subjected to different duration and intensities of thermal challenge. The experiment was conducted inside four climate‑controlled wind tunnels using 210  chicks. A  database containing 840 datasets (from 2 to 21‑day‑old chicks) – with the variables dry‑bulb air temperature, duration of thermal stress (days), chick age (days), and the daily body mass of chicks – was used for network training, validation, and tests of models based on artificial neural networks (ANNs) and neuro‑fuzzy networks (NFNs). The ANNs were most accurate in predicting the body mass of chicks from 2 to 21 days of age after they were subjected to the input variables, and they showed an R² of 0.9993 and a standard error of 4.62 g. The ANNs enable the simulation of different scenarios, which can assist in managerial decision‑making, and they can be embedded in the heating control systems.
URI: http://repositorio.ufla.br/jspui/handle/1/11627
???metadata.dc.language???: en_US
Appears in Collections:DEX - Artigos publicados em periódicos
DEG - Artigos publicados em periódicos

Files in This Item:

File Description SizeFormat
ARTIGO_Predicting chick body mass by artificial intelligence‑based models.pdf845.12 kBAdobe PDFView/Open

This item is licensed under a Creative Commons License
Creative Commons

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.


View Statistics

 


DSpace Software Copyright © 2002-2010  Duraspace - Feedback