羊の体重予測における人工知能アルゴリズムの比較とランキング

Scientific Reports volume 13、記事番号: 13242 (2023) この記事を引用

384 アクセス

3 オルトメトリック

メトリクスの詳細

急速に変化する世界では、農場データが急激に増加しています。 このデータの重要性を認識した研究者は、このデータを分析して農業予測を行うための新しいソリューションを探しています。 ビッグデータを処理できる人工知能は急速に普及しています。 さらに、非線形でノイズの多いデータも処理でき、従来のデータ分析に必要な条件に制限されません。 したがって、この研究は、最も一般的な機械学習 (ML) アルゴリズムを比較し、11 年にわたる羊牧場のデータを予測する能力に応じてランク付けするために実施されました。 データは分析前にクリーニングおよび準備が行われます。 異常値を除去するためにウィンザリゼーションが行われました。 主成分分析 (PCA) と特徴選択 (FS) が行われ、それに基づいて 3 つのデータセットが作成されました。 PCA (ここでは PCA のみが使用されました)、PCA+ FS (両方の技術が次元削減に使用されました)、および FS (特徴選択のみが使用されました) の体重予測。 評価された 11 の ML アルゴリズムのうち、MARS アルゴリズム、ベイジアン リッジ回帰、リッジ回帰、サポート ベクター マシン、勾配ブースティング アルゴリズム、ランダム フォレスト、XgBoost アルゴリズム、人工ニューラル ネットワーク、分類および回帰ツリー、多項式回帰、K 最近傍値、および遺伝的アルゴリズムは、体重に対してそれぞれ 0.993、0.992、0.991、0.991、0.991、0.99、0.99、0.984、0.984、0.957、0.949、0.734 でした。 体重予測の上位 5 つのアルゴリズムは、MARS、ベイジアン リッジ回帰、リッジ回帰、サポート ベクター マシン、および勾配ブースティング アルゴリズムでした。 本研究では、羊の体重を予測するために合計 12 の機械学習モデルが開発されました。 機械学習技術は、適度な精度で予測を実行できるため、農場の経済的繁栄、業績の向上、そしてその後の食糧安全保障について推論を導き、未来の予測を立てるのに役立ちます。

世界人口は 2050 年までに 99 億人に増加すると予測されており、さまざまな肉や動物製品の世界的な需要は今後数十年間で 70% 以上増加すると見込まれています1。 したがって、ほぼ同じ面積の土地で同じ資源を使用しながら生産を強化し、2050年までに食料生産を増やすことが急務となっている。 限られた土地、水、その他すべての天然資源を使ってより多くの動物を生産する必要があるため、これは畜産部門にも圧力をかけています。 これは、より多くの食料を生産するために新しく革新的なアプローチを見つける必要があることを意味します。これは、膨大な遺伝的富にもかかわらず、動物科学者にとって大きな課題です2,3。 これに対処するために、畜産場では新しいテクノロジーが導入されており、伝統的なものからハイテクなものへと進化しています4。 現在、農業作業はますます自動化されており、農場管理のあらゆる側面でセンサーの使用が増加しています。 これにより、単調な仕事や労力が削減されるだけでなく、毎日生成されるデータ量の急激な増加にもつながります。 これらすべてが農場データの指数関数的な増加につながっています。 従来の方法や戦略ではこの膨大なデータに追いつくことができず、その結果、特に発展途上国で生産量が減少傾向にあります5、6、7、8、9、10。

人工知能はあらゆる産業を大きく変革しつつあり、畜産と獣医学の分析問題に対する解決策を提供します11。 これらは、死亡率の減少と生産性の向上に重要な農場管理の多くの側面を証明するのに役立つでしょう12。 ML 技術は従来の技術には存在しない機能を備えているため、データを効率的に処理できるだけでなく、これまで知られていなかった推論を引き出すこともできます。 このような方法のモデリング許容度は、統計的方法論よりもかなり高くなります。 これは、ML では仮定や仮説テストの要件がないためです。 さらに、ML には、非線形、不正確、ノイズの多いデータを処理できるなどの利点があります。 これらすべてにより、この科学分野は従来の統計モデルよりもはるかに柔軟になります。