Your browser doesn't support javascript.
loading
Mostrar: 20 | 50 | 100
Resultados 1 - 2 de 2
Filtrar
Mais filtros

Ano de publicação
Tipo de documento
Intervalo de ano de publicação
1.
Anim. Reprod. (Online) ; 20(2): e20230077, 2023. ilus
Artigo em Inglês | VETINDEX | ID: biblio-1452297

Resumo

Some sectors of animal production and reproduction have shown great technological advances due to the development of research areas such as Precision Livestock Farming (PLF). PLF is an innovative approach that allows animals to be monitored, through the adoption of cutting-edge technologies that continuously collect real-time data by combining the use of sensors with advanced algorithms to provide decision tools for farmers. Artificial Intelligence (AI) is a field that merges computer science and large datasets to create expert systems that are able to generate predictions and classifications similarly to human intelligence. In a simplified manner, Machine Learning (ML) is a branch of AI, and can be considered as a broader field that encompasses Deep Learning (DL, a Neural Network formed by at least three layers), generating a hierarchy of subsets formed by AI, ML and DL, respectively. Both ML and DL provide innovative methods for analyzing data, especially beneficial for large datasets commonly found in livestock-related activities. These approaches enable the extraction of valuable insights to address issues related to behavior, health, reproduction, production, and the environment, facilitating informed decision-making. In order to create the referred technologies, studies generally go through five steps involving data processing: acquisition, transferring, storage, analysis and delivery of results. Although the data collection and analysis steps are usually thoroughly reported by the scientific community, a good execution of each step is essential to achieve good and credible results, which impacts the degree of acceptance of the proposed technologies in real life practical circumstances. In this context, the present work aims to describe an overview of the current implementations of ML/DL in livestock reproduction and production, as well to identify potential challenges and critical points in each of the five steps mentioned, which can affect results and application of AI techniques by farmers in practical situations.(AU)


Assuntos
Animais , Bovinos , Aprendizado de Máquina , Criação de Animais Domésticos , Análise de Dados , Monitoramento Biológico/métodos
2.
Tese em Português | VETTESES | ID: vtt-8481

Resumo

Dados de 769.925 animais da raça Nelore, nascidos de 1965 a 2000, em 30 regiões distintas do Brasil foram utilizados, como base de dados para desenvolvimento de um programa computacional flexível, de fácil uso que permita a identificação de linhagens fundadoras de rebanhos e estudo (filtro) por país, estado, região ou rebanho. A eficiência do software desenvolvido foi abordada por meio do estudo de sua complexidade na identificação das linhagens fundadoras. Foi escolhida a região Centro-Oeste, representativa do Brasil, para o estudo pormenorizado do efeito citoplasmático sobre caracteristica de peso aos 205 e 365 dias de idade de animais Nelore. Os componentes de variância de linhagem citoplasmática foram iguais a 0.58 x 10-3 para peso aos 205 dias e 0.80 x 10-3 para peso aos 365 dias e contribuíram com 1.00 x 10-5% e 9.90 x 10-6% da variância fenotípica total. Os componentes de variância aditivo direto foram responsáveis por 11 e 21% da variação fenotípica total dos pesos aos205 e 365 dias de idade

SELEÇÃO DE REFERÊNCIAS
DETALHE DA PESQUISA