La inteligencia artificial en la industria avícola
Redes neuronales artificiales para la gestión de la industria avícola: una simulación basada en la cadena productiva de pollos de engorde
El objetivo de este trabajo fue predecir indicadores de producción y determinar su potencial impacto económico en un sistema de integración utilizando redes neuronales artificiales (RNA). Se seleccionaron como variables cuarenta parámetros zootécnicos y de producción de granjas de reproductoras y pollos de engorde, un criadero y un matadero. Los modelos de RNA se establecieron para cuatro variables de salida (“eclosión vendible”, “peso al final de la quinta semana”, “decomisos parciales” y “decomisos totales”) y se analizaron en relación con el coeficiente de determinación múltiple (R2). , coeficiente de correlación (R), error medio (E), error cuadrático medio (MSE) y error cuadrático medio (REQM). Se simularon escenarios de producción y se estimaron los impactos. Los modelos ANN generados fueron adecuados para simular diferentes escenarios de producción después del entrenamiento. En el caso de las “escotillas vendibles”, el modelo de incubadora y el período de incubación aumentaron las ganancias financieras. Para el “peso al final de la quinta semana”, el linaje también demostró influencia en el rendimiento financiero, lo que no ocurrió con el peso al final de la primera semana. El sexo del rebaño influye en las tasas de “descarte parcial”, a diferencia del peso del pollo el primer día. Las tasas de mortalidad y el peso de los pollos influyeron en el “descarte total”, pero el sexo de la manada y el tipo de polluelo no influyeron.
Palabras clave: gestión de datos; Impacto económico; inteligencia artificial; producción avícola
A pesar de las mejoras en el desempeño de los índices zootécnicos de las parvadas de pollos de engorde a través de avances en genética, nutrición y manejo, todavía existe una brecha entre el desempeño potencial y el logrado. La producción de carne de pollo generalmente se basa en los manuales de la empresa y las líneas avícolas y en la experiencia del productor.
La inteligencia artificial (IA) se desarrolló junto con la necesidad de analizar un gran volumen de datos mediante informática de alto rendimiento. Las herramientas de IA incluyen redes neuronales artificiales (RNA), que son sistemas informáticos inspirados en las redes neuronales biológicas que forman los cerebros de los animales. Las redes neuronales artificiales son una herramienta útil para clasificación, agrupación, reconocimiento de patrones y predicción en varias áreas, incluida la producción animal.
La mejora de la productividad aumenta la competitividad de la industria avícola. Por lo tanto, es fundamental determinar los factores internos y externos que pueden afectar la producción avícola y aumentar los costos o reducir los ingresos. La identificación de estos factores puede apoyar el establecimiento de estrategias para mejorar la productividad. El objetivo de este estudio fue evaluar la capacidad de los datos recopilados durante un período de siete meses.
Discusión
Click aquí para ampliar la imagen Leyenda: Coeficiente de determinación múltiple (R2), coeficiente de correlación (R), error cuadrático medio (MSE) y error cuadrático medio (REQM).
Conclusión
Los modelos RNA generados en este estudio fueron adecuados para simulaciones de escenarios de producción y permitieron predecir parámetros de producción importantes para la cadena de producción avícola. Los resultados obtenidos en este estudio demuestran que las empresas pueden utilizar modelos predictivos para adoptar estrategias que minimicen el impacto negativo de determinados escenarios. La empresa también puede gestionar mejor sus recursos porque los modelos pueden predecir los efectos de diferentes escenarios.
Extracto en español de la publicación: "Redes neurais artificiais para o gerenciamento da indústria avícola: uma simulação baseada na cadeia de produção de frangos de corte", Camilotti E et al. 2023, Cienc. Anim. Bras., V24, e-75400P DOI: 10.1590/1809-6891v24e-75400P, enviada a por sus autores a engormix para su divulgación en engormix en las áreas de portugués e inglés.
"
