Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

AI-based framework to predict animal and pen feed intake in feedlot beef cattle

Created by
  • Haebom
Category
Empty

저자

Alex S. C. Maia, John B. Hall, Hugo F. M. Milan, Izabelle A. M. A. Teixeira

개요

본 논문은 기술 발전에 따라 지속 가능한 축산 방식이 변화함에 주목하여, 개별 가축의 사료 섭취량 예측을 위한 AI 기반 프레임워크를 개발했습니다. 특히, 대규모 시계열 데이터를 활용하여 환경 요인을 고려한 정확한 사료 섭취량 예측 모델을 구축하는 데 초점을 맞췄습니다. Nancy M. Cummings Research Extension & Education Center의 실험 데이터와 기상 데이터를 활용하여 두 가지 환경 지수(InComfort-Index, EASI-Index)를 개발하고, XGBoost 모델을 사용하여 개별 가축 및 pen 단위의 사료 섭취량을 예측했습니다.

시사점, 한계점

•
시사점:
◦
개별 가축 및 pen 단위의 사료 섭취량을 정확하게 예측하는 AI 기반 프레임워크를 개발하여, 정밀 축산 관리의 가능성을 제시했습니다.
◦
사료 낭비 감소, 자원 최적화, 기후 변화 적응형 축산 관리 등에 기여할 수 있는 잠재력을 보여주었습니다.
◦
InComfort-Index와 EASI-Index와 같은 새로운 환경 지수 개발을 통해 환경 요인이 사료 섭취량에 미치는 영향을 분석했습니다.
•
한계점:
◦
InComfort-Index는 열적 쾌적성 예측에는 유용했지만 사료 섭취량 예측에는 한계가 있었습니다.
◦
EASI-Index는 사료 섭취량 예측에 효과적이었지만 열적 쾌적성 예측에는 상대적으로 덜 효과적이었습니다.
◦
연구는 특정 시설(Nancy M. Cummings Research Extension & Education Center)의 데이터를 기반으로 진행되었으므로, 다른 환경에서의 일반화 가능성을 추가적으로 검증해야 합니다.
👍
Made with Slashpage