Makikita ang content sa:
English Indonesia (Indonesian) Melayu (Malay) ไทย (Thai) Tiếng Việt (Vietnamese)
BACKGROUND SA KAPAKANAN NG MANOK
Mahalaga ang papel ng produksyon ng manok sa pagpapakain ng abot-kayang protina (i.e. manok at itlog) sa lumalaking populasyon ng mundo. Sa kasalukuyan, ang US ang pinakamalaking producer ng broiler sa mundo at pangalawa naman sa itlog dahil sa patuloy na innovation sa animal breeding, nutrition management, environmental contro, disease prevention, at iba pa.
Gayunpaman, nakakaranas ang mga poultry at egg farms sa US ng ilang mga hamon sa produksyon tulad ng mga isyu sa animal welfare o kapakanan ng hayop.
Halimbawa, naiulat na ang mabibilis lumaking broiler ay may mga isyu sa paa o pagkapilay.
Ang mga caged production systems ay naisantabi para sa cage-free operations na hindi kayang garantiyahan ang mas maayos na kapakanan ng mga manok dahil sa mataas na mortality, injury rate, at di-magandang kalidad ng hangin.
Upang matugunan ang mga isyung ito, ang mga researchers sa University of Georgia (UGA, sa precision poultry farming lab ni Dr. Lilong Chai) ay nag-develop ng ilang mga teknolohiya sa precision farming para sa pagmamanman ng kalagayan at kagawian ng mga broiler at cage-free layers.
PAGKAKALAT AT MGA GAWI NG MGA BROILER SA SAHIG
Isang palatandaan kung ang flock ay malusog o hindi ay ang spatial distribution ng mga broiler sa sahig. Ginagawa nang manu-mano ang karaniwang inspeksyon ng floor distribution ng mga manok sa commercial farms araw-araw o maraming beses sa isang araw. Kaya ito ay labor intensive, matagal gawin, at maaaring magkamali dahil sa limitasyon ng mga tauhan sa farm.
Kinakailangan ng gawaing ito ang isang precision system na kayang awtomatikong subaybayan ang floor distribution ng mga manok.
Isang pamamaraan na nakabatay sa machine vision ang na-develop at sinubukan sa isang experimental broiler house sa UGA. Upang masubaybayan ang distribusyon ng bawat ibon, ang sahig ng kulungan ay virtual na hinati sa mga lugar para sa pag-inom, pagpapakain, at pagpapahinga/pag-eehersisyo (Figure 1).
Gumamit ng humigit-kumulang 7000 lugar o profile ng manok upang bumuo ng isang neural network model (BP – backward propagation) para sa pagsusuri ng floor distribution.
Nakita sa mga resulta na ang identification accuracies ng bird distribution sa mga zone ng pag-inom at pagpapakain ay 0.9419 at 0.9544, ayon sa pagkakabanggit.
Higit pang nag-innovate ang grupo sa CNN (convolutional neural...
Mag-sign up nang libre at i-access ang pinakamahusay na mga artikulo sa nutrisyon sa AviNews. .
Magrehistro sa aviNews upang i-unlock ang artikulong ito at makuha ang higit pang mga benepisyo tulad ng:
Mag-login
Access sa
digital magazine
Mga video at podcast eksklusibo
Mga newsletter na may
pinakabagong balita
Magrehistro sa aviNews
MAGREGISTER
