面向智能禽舍的动作计划估计
人工智能
2020-08-18 v1 系统与控制
系统与控制
摘要
在家禽养殖中，周期性（t）动作计划的系统性选择、更新与实施决定了饲料转化率（FCR[t]），这是衡量生产成功的可接受指标。恰当的行动方案为肉鸡提供量身定制的资源，使其能在所谓的热舒适区内生长，既不浪费也不缺乏资源。尽管动作计划的实施是自动的，但其配置依赖于专家的知识，往往效率低下且易出错，并且导致各禽舍的FCR[t]各不相同。在本文中，我们主张专家的感知可在一定程度上由计算智能复现。通过结合深度学习与遗传算法技术，我们展示了动作计划如何基于先前成功的计划随时间调整其性能。我们还实现了一种分布式网络基础设施，可将我们的方法复现于分布式禽舍之上，以实现其智能、互联与自适应控制。提供了一个作为用户接口的监督系统。基于真实数据进行的实验表明，我们的方法比最高产的专家的性能提高了5%，且非常接近最优FCR[t]。
引用
@article{arxiv.2008.07356,
title = {Estimating action plans for smart poultry houses},
author = {Darlan Felipe Klotz and Richardson Ribeiro and Fabrício Enembreck and Gustavo Denardin and Marco Barbosa and Dalcimar Casanova and Marcelo Teixeira},
journal= {arXiv preprint arXiv:2008.07356},
year = {2020}
}
备注
To be submitted to the journal Expert Systems with Applications