Redes Neuronales Artificiales para la Predicción de la Masa Corporal de Pollos

Contenido principal del artículo

Patricia Ferreira Ponciano-Ferraz
Tadayuki Yanagi Junior
Yamid Fabián Hernández Julio
Gabriel Araújo e-Silva-Ferraz
Daiane Cecchin

Resumen

Dentro de un galpón avícola el ambiente térmico ejerce una gran influencia en el bienestar y la productividad de los animales. De esta manera, el propósito de este trabajo fue predecir la masa corporal de polluelos de 2 a 21 días de vida, sujetos a condiciones de confort y estrés calórico en diferentes intensidades (27; 30; 33 y 36 °C) y períodos de duración (1; 2; 3 y 4 días a partir del 2o día de vida) a través de redes neuronales artificiales (RNA). El experimento se llevó a cabo en Lavras, MG, Brasil. 210 pollitos de ambos sexos se utilizaron del 1 al 22 día de vida alojados en cuatro túneles de viento climatizados. Todos los días, todos los polluelos fueron pesados para acompañar su masa corporal. Las variables de entrada fueron: temperatura de bulbo seco del aire, duración del estrés térmico, edad de las aves y como variable de salida, la masa corporal diaria de los pollitos. Se obtuvo una base de datos de 840 observaciones, siendo 70% utilizado para el entrenamiento de la red, un 15% para la validación y un 15% para pruebas de modelos basados en RNA. Se demostró que las RNAs eran precisas para predecir la masa corporal de los pollitos sometidos a diferentes intensidades y duraciones de condiciones térmicas presentando un R2 de 0,9992 y error estándar de 5,23 G. Además, las RNAs propiciaron la simulación de varios escenarios, que pueden ayudar en la toma de decisiones con relación a la gestión, y pueden ser incorporados a los sistemas de control de calefacción.

Detalles del artículo

Cómo citar
Ponciano-Ferraz, P. F., Yanagi Junior, T., Hernández Julio Y. F., e-Silva-Ferraz, G. A., & Cecchin, D. (2019). Redes Neuronales Artificiales para la Predicción de la Masa Corporal de Pollos. Revista Tecnología En Marcha, 32(7), Pág. 93–99. https://doi.org/10.18845/tm.v32i7.4266
Sección
Artículo científico