Tez No	İndirme	Tez Künye	Durumu
436401		Büyükbaş hayvanlarda kızgınlığın (östrus) hareketlilik ve çevre verilerinden yararlanarak yapay sinir ağları ile belirlenmesi / Determination of estrus in cattle with neural networks using mobility and environmental data Yazar:ADİL KORAY Danışman: YRD. DOÇ. DR. MEHMET METİN ÖZGÜVEN Yer Bilgisi: GAZİOSMANPAŞA ÜNİVERSİTESİ / FEN BİLİMLERİ ENSTİTÜSÜ / BİYOSİSTEM MÜHENDİSLİĞİ ANABİLİM DALI Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Ziraat = Agriculture Anahtar Kelime:	Onaylandı Doktora Türkçe 2016 112 s.
Gıda sanayinin en temel ham maddeleri olan et ve süt üretimi büyük ölçüde büyükbaş hayvancılık ile sağlanmaktadır. Hayvancılıkta karlılığı arttırmak için otomasyonlar gibi iyileştirmeler yapılmaktadır. Hassas sürü yönetim sistemleri bu otomasyonların önemli bir parçasıdır. Bu sistemlerde aranan en önemli özelliklerden birisi etkin üreme yönetiminin sağlanabilmesidir. Bunun için ineklerin kızgınlık (östrus) denilen dönemlerinin belirlenmesi gerekmektedir. Kızgınlıktaki hayvanlar diğer hayvanlara göre daha hareketlidir. Bu hareketlilik "pedometre" denen cihazlarla ölçülebilmektedir. Algılanan hareket değişimleri ile Yapay Sinir Ağları (YSA) modelleri kullanılarak kızgınlık tahmin edileceği düşünülmektedir. Bu çalışmada, hareket ve çevresel veriler kullanılarak büyükbaş hayvanlarda kızgınlığı tahmin edecek bir YSA modelinin oluşturulması ve etkililiğinin incelenmesi amaçlanmıştır. Özel bir tarım işletmesinde dört ay süresince toplamda 186 kızgınlık gösteren 78 sığırın hareket verileri iklimsel verilerle beraber kaydedilmiştir. İneklerin yaşları, laktasyon sayıları, kızgınlıktan sonra geçen gün sayısı verileri de değerlendirmeye alınmıştır. Mekanistik model ve YSA modelleri karşılaştırılmıştır. Bunun için doğruluk, kesinlik, bu ikisinin ortak etkisini belirten F skoru ve ROC analizinden faydalanılmıştır. YSA modeli olarak bir ve iki katmanlı ileri beslemeli sınıflandırma ağları denenmiştir. YSA modeline en uygun girişler hareket verisi, bir önceki zaman dilimine ait hareket verisi, bir önceki kızgınlıktan sonra geçen gün sayısı, sıcaklık ve nem olarak bulunmuştur. Tek katmanlı YSA için en iyi sonuç 0.9654 AUC ile 91 nöronlu ağdan elde edilirken birinci katmanında 37 ikinci katmanında 40 nöronu bulunan çift katmanlı ağ 0.9733 ROC puanıyla en başarılı model olmuştur. Mekanistik model 0.5006 ROC puanı ile en düşük başarıyı göstermiştir. Çalışmada iklim verilerinin hareket verileriyle beraber değerlendirilmesi ile doğru kızgınlık tahmininin arttığı görülmüştür.
The most basic raw materials for the food indu stry, meat and milk production, are provided largely through cattle. Improvements such as automation have been increasing profitability in livestock production. Precision herd management systems are an important part of this automation process. A key feature of such systems is effective reproduction management. To achieve this, one needs to determine cows' heat period (Estrus). Animals in Estrous are more active than others. This mobility can be measured by a testing device called "pedometer". Estrus is expected to be estimated by using detected movement changes with Artificial Neural Networks (ANN) models. The aim of this study is to create and assess the effectiveness of a neural network model to estimate estrus in cattle by using movement and environmental data. Movement data of 78 cattle which showed a total of 186 estruses has been captured along with climatic data during a four-month period at a private agricultural organization. Data such as cow age, lactation number and number of days elapsed from estrus were also taken into account and evaluated. Mechanistic models and ANN models were compared. Accuracy, precision, F scores indicating their impact, and ROC analysis were used for this comparison. For feed-forward neural network model, one and two layers classification networks were tested. Optimal inputs to the neural network model were found to be motion data, motion data of previous time period, number of days after the previous estrus, temperature and humidity. The best result for single-layer ANN, 0.9654 AUC, has been obtained with 91 neurons. Dual-layer network with 40 neurons in the second layer and 37 for the first layer has been the most successful model with 0.9733 ROC points. Mechanistic models have shown the lowest success with an ROC score of 0.5006. The study has shown that the accuracy of estrus prediction is increased by evaluating movement data movement along with climate data.