Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/40313
metadata.artigo.dc.title: Redes neuronales artificiales para la predicción de la masa corporal de pollos
metadata.artigo.dc.creator: Ferraz, Patrícia Ferreira Ponciano
Yanagi Junior, Tadayuki
Julio, Yamid Fabián Hernández
Ferraz, Gabriel Araújo e Silva
Cecchin, Daiane
metadata.artigo.dc.subject: Animal welfare
Artificial intelligence
Broiler - Thermal comfort
Bienestar animal
Inteligencia artificial
Pollos - Confort térmico
Bem-estar animal
Frango - Conforto térmico
metadata.artigo.dc.publisher: Editorial Tecnológica de Costa Rica.
metadata.artigo.dc.date.issued: Apr-2019
metadata.artigo.dc.identifier.citation: FERRAZ, P. F. P et al. Redes neuronales artificiales para la predicción de la masa corporal de pollos. Tecnología en Marcha, [S. l.], v. 32, n. 7, p. 93-99, Apr. 2019.
metadata.artigo.dc.description.resumo: Dentro de un galpón avícola el ambiente térmico ejerce una gran influencia en el bienestar y la productividad de los animales. De esta manera, el propósito de este trabajo fue predecir la masa corporal de polluelos de 2 a 21 días de vida, sujetos a condiciones de confort y estrés calórico en diferentes intensidades (27; 30; 33 y 36 °C) y períodos de duración (1; 2; 3 y 4 días a partir del 2o día de vida) a través de redes neuronales artificiales (RNA). El experimento se llevó a cabo en Lavras, MG, Brasil. 210 pollitos de ambos sexos se utilizaron del 1 al 22 día de vida alojados en cuatro túneles de viento climatizados. Todos los días, todos los polluelos fueron pesados para acompañar su masa corporal. Las variables de entrada fueron: temperatura de bulbo seco del aire, duración del estrés térmico, edad de las aves y como variable de salida, la masa corporal diaria de los pollitos. Se obtuvo una base de datos de 840 observaciones, siendo 70% utilizado para el entrenamiento de la red, un 15% para la validación y un 15% para pruebas de modelos basados en RNA. Se demostró que las RNAs eran precisas para predecir la masa corporal de los pollitos sometidos a diferentes intensidades y duraciones de condiciones térmicas presentando un R2 de 0,9992 y error estándar de 5,23 G. Además, las RNAs propiciaron la simulación de varios escenarios, que pueden ayudar en la toma de decisiones con relación a la gestión, y pueden ser incorporados a los sistemas de control de calefacción.
metadata.artigo.dc.description.abstract: The thermal environment inside a broiler house has a great influence on animal welfare and productivity during the production phase. Thus, the aim of this study was to predict body mass of chicks from 2 to 21 days of age when subjected to different intensities (27, 30, 33 and 36°C) and duration (1, 2, 3 and 4 days starting on the second day of life) using artificial neural networks (ANN). This experiment was conducted at Lavras, MG, Brazil. It was used 210 chicks of both sexes, from 1st to 22nd days of life. The chicks were raised inside four climate-controlled wind tunnels. Daily the weight of all the chicks was measured to know the daily body masses. The input variables were dry-bulb air temperature, duration of thermal stress, chick age, and the output variable was the daily body mass of chicks. A database containing 840 records was used to train (70% of data), validate (15%) and test (15%) of models based on artificial neural networks (ANN). Between these models, the ANN was accurate in predicting the BM of chicks from 2 to 21 days of age after they were subjected to the input variables, and it had an R² of 0.9992 and a standard error of 5,23 g. This model enables the simulation of different scenarios that can assist in managerial decision-making, and it can be embedded in the heating controls.
metadata.artigo.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/40313
metadata.artigo.dc.language: es
Appears in Collections:DEG - Artigos publicados em periódicos

Files in This Item:
File Description SizeFormat 
ARTIGO_Redes neuronales artificiales para la predicción de la masa corporal de pollos.pdf379,6 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons