Mastitis detection in dairy cows by application of fuzzy logic

Cavero, D.; Tölle, K.-H.; Buxadé, C.; Krieter, Joachim

doi:10.1016/j.livsci.2006.06.006

Cited by 52 publications

(60 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…For example, sensitivities in the range of 83 to 92% with specificities between 75 and 94% were reported for a fuzzy logic algorithm with SCC as a gold standard (Cavero et al, 2006). Other studies using a fuzzy logic algorithm (Kamphuis et al, 2008b;Liberati and Zappavigna, 2009) do not report a comparable performance.…”

Section: Mastitismentioning

confidence: 97%

Invited review: Sensors to support health management on dairy farms

Rutten

Velthuis

Steeneveld

et al. 2013

Journal of Dairy Science

374

323

View full text Add to dashboard Cite

Since the 1980s, efforts have been made to develop sensors that measure a parameter from an individual cow. The development started with individual cow recognition and was followed by sensors that measure the electrical conductivity of milk and pedometers that measure activity. The aim of this review is to provide a structured overview of the published sensor systems for dairy health management. The development of sensor systems can be described by the following 4 levels: (I) techniques that measure something about the cow (e.g., activity); (II) interpretations that summarize changes in the sensor data (e.g., increase in activity) to produce information about the cow's status (e.g., estrus); (III) integration of information where sensor information is supplemented with other information (e.g., economic information) to produce advice (e.g., whether to inseminate a cow or not); and (IV) the farmer makes a decision or the sensor system makes the decision autonomously (e.g., the inseminator is called). This review has structured a total of 126 publications describing 139 sensor systems and compared them based on the 4 levels. The publications were published in the Thomson Reuters (formerly ISI) Web of Science database from January 2002 until June 2012 or in the proceedings of 3 conferences on precision (dairy) farming in 2009, 2010, and 2011. Most studies concerned the detection of mastitis (25%), fertility (33%), and locomotion problems (30%), with fewer studies (16%) related to the detection of metabolic problems. Many studies presented sensor systems at levels I and II, but none did so at levels III and IV. Most of the work for mastitis (92%) and fertility (75%) is done at level II. For locomotion (53%) and metabolism (69%), more than half of the work is done at level I. The performance of sensor systems varies based on the choice of gold standards, algorithms, and test sizes (number of farms and cows). Studies on sensor systems for mastitis and estrus have shown that sensor systems are brought to a higher level; however, the need to improve detection performance still exists. Studies on sensor systems for locomotion problems have shown that the search continues for the most appropriate indicators, sensor techniques, and gold standards. Studies on metabolic problems show that it is still unclear which indicator reflects best the metabolic problems that should be detected. No systems with integrated decision support models have been found.

show abstract

Section: Mastitismentioning

confidence: 97%

Invited review: Sensors to support health management on dairy farms

Rutten

Velthuis

Steeneveld

et al. 2013

Journal of Dairy Science

374

323

View full text Add to dashboard Cite

show abstract

“…In this research, expert opinion and a detailed literature review [12,14,18,19,23] Trapezoidal membership function with such as a, b, c and d parameters are expressed as [21,27] . The data that come to system in fuzzy rule base after ready to be processed is processed by inference mechanism according to defined by the form "if-then" rules.…”

Section: Methodsmentioning

confidence: 99%

“…The Fuzzy Logic method is common for such study fields as medicine, engineering and biology due to its usage in the processing of uncertainty of data set; recently, it is also preferred in agriculture, too. For instance, this method is used in animal breeding [6,7] , estrus detection [10][11][12] , detection of sicknesses such as mastitis and lameness [13][14][15][16] , animal nutrition [8,17] , prediction of various production traits (milk, egg, body weight etc.) and quality classification of animal products [18][19][20][21][22][23] .…”

Section: Introductionmentioning

confidence: 99%

Süt Sığırlarında Bulanık Mantık Tabanlı Karar Destek Sistemi

Akıllı¹,

Atil²,

Takma³

et al. 2015

Kafkas Univ Vet Fak Derg

View full text Add to dashboard Cite

Various methods have been developed to achieve the most suitable solution in the face of challenges of constantly changing living conditions. Fuzzy logic is one of these methods and frequently preferred by researchers in recent years. Fuzzy logic is based on artificial intelligence modeling the information that includes uncertainty in the most appropriate mindset of people, especially in the decision making process. It also offers flexible and realistic perspectives to people. In this study, a fuzzy logic-based decision support system designed using reproduction and milk yield records of Holstein Friesians. Inputs of designed system are 305-day milk yield (305 DMY), calving interval (CI), service period (SP), artificial insemination (AI), dry period (DP). Output of the system is determined as classification decision. Similarities between expert and system decisions were investigated. Kappa statistics were used for this purpose and fitting value was found as 92.6% (P<0.05). Keywords: Decision support systems, Fuzzy logic, Fuzzy sets Süt Sığırlarında Bulanık Mantık Tabanlı Karar Destek Sistemi ÖzetSürekli değişen yaşam koşullarının sorunları karşısında en uygun çözüme ulaşmak için çeşitli yöntemler geliştirilmektedir. Bulanık mantık bu yöntemlerden biridir ve son yıllarda araştırmacılar tarafından sıklıkla tercih edilmektedir. Bulanık mantık yöntemi, belirsizlik içeren bilgileri insanların düşünce yapısına en uygun biçimde modellemektedir. Özellikle karar alma süreçlerinde insanlara gerçekçi ve esnek bir bakış açısı sağlayan yapay zeka temelli bir yöntemdir. Bu çalışmada Siyah Alaca ırkı süt sığırlarına ilişkin üreme ve süt verimi kayıtları kullanılarak, bulanık mantık tabanlı bir karar destek sistemi tasarlanmıştır. Oluşturulan sistemin girdileri 305 günlük süt verimi, buzağılama aralığı (BA), servis periyodu (SP), aşım sayısı (AS), kuru periyodu (KP) bilgilerinden oluşmaktadır. Sistemin çıktısı ise sınıf kararı olarak belirlenmiştir. Sistemin performansını değerlendirmek amacıyla uzman kararları ve sistem kararları arasındaki uyum araştırılmıştır. Bu amaçla kullanılan Kappa istatistiği ile uyumun % 92.6 değerinde olduğu tespit edilmiştir (P<0.05).

show abstract

“…Ülkemizde oldukça yeni kullanılmaya başla-nan bulanık mantık teorisi, hayvancılık alanında da gerçekleştirilen birçok başarılı çalışmaya konu olmuştur. Örneğin hayvan ıslahı [22,23] , kızgınlık tespiti [24][25][26] , mastitis ve topallık gibi hastalıkların teşhisi [27][28][29][30] hayvan besleme [31,32] çeşitli verim özelliklerinin (süt, yumurta, canlı ağırlık vb.) tahmini ve hayvansal ürünlerin kalite sınıflandırması [33][34][35][36][37] gibi alanlarda kullanılabilmektedir.…”

Section: Makale Kodu (Article Code): Kvfd-2013-9894unclassified

Çiğ Süt Kalite Değerlendirmesinde Bulanık Mantık Yaklaşımı

Akıllı¹,

Atil²,

Kesenkaş³

2014

Kafkas Univ Vet Fak Derg

View full text Add to dashboard Cite

ÖzetGelişen toplum yapısı ile birlikte gerçek hayatta yaşanılan sorunlar ve olaylara bakış açıları da değişmektedir. İnsanlar sorunlarını sahip oldukları sözel ve sayısal verileri kullanarak çözmekte ve bunun için çeşitli yöntemlerden yararlanmaktadırlar. Matematiksel yöntemler insanlara kesinlik içeren durumlarda sorunların çözümlenmesinde sayısal verileri analiz ederek yardımcı olurken, belirsizlik içeren durumlarda yetersiz kalabilmektedir. Son yıllarda kalite değerlendirilmesi gibi belirsizlik içeren durumlarda ortaya çıkan problemlerin çözümünde sıklıkla kullanılan bulanık mantık, yapay zeka yöntemlerinden bir tanesidir. Klasik mantık teorisine göre daha esnek bir yapıya sahip olan bulanık mantık teorisi, olayları nesnelere "0" ve "1" arasında atadığı doğruluk dereceleri ile açıklamakta böylece sözel ve sayısal veriler arasında bir bağ oluşturmaktadır. Bu çalışmada, çiğ süt örneklerinin kalite sınıflarına ayrılmasını amaçlayan bulanık mantık tabanlı bir karar destek sistemi geliştirilmiştir. Sistemin girdileri çiğ süt örneklerine ilişkin toplam bakteri sayısı, somatik hücre sayısı ve protein miktarlarının ölçülen değerleridir. Tasarlanan bulanık sistemin çıktısı ise çiğ süt kalite değerlendirmesi şeklindedir. Yapılan analizin başarısını belirlemek amacıyla uzman kararları ile karşılaştırma yapılmış ve sistemin %80 değerinde başarılı olduğu görülmüştür. Sistemin modellenmesi Matlab (sürüm R2010b) programı kullanılarak yapılmıştır. Anahtar sözcükler: Bulanık mantık, Karar destek sistemi, Çiğ süt kalitesi Fuzzy Logic Approach in the Evaluation of Raw Milk Quality SummaryThe problems that faced with in real life and perspective of the events change with developing structure of society. The people in the face of problem use a variety of methods with their verbal and numerical data to find solution. Mathematical methods that including precision are sufficient in the analyses of numerical data while the modeling of verbal data may be insufficient in case of uncertainty. In recent years, fuzzy logic is one of the artificial intelligence methods that used in solution of the problems which are rosed from quality evaluation situations that consists of uncertainty cases. The fuzzy logic theory that has more flexible structure than the theory of classical logic, describe the events with degree of accuracy which is between "0" and "1" appointed to object. Fuzzy logic-based decision support system offers to people a more realistic and objective perspective in decision making. In this study, fuzzy logic base decision support system which aims to classify raw milk samples in quality has been developed. System inputs are; bacteria count for milk samples, somatic cell count and values for measured protein amounts. Designed fuzzy logic output is consist of raw milk quality value measurement; in order to calculate the success of the analysis, results have been compared to specialist's decisions and due to the comparison, it noticed that the system has 80% success rate. Modeling of the system has been made via Matlab (version R2...

show abstract

Mastitis detection in dairy cows by application of fuzzy logic

Cited by 52 publications

References 12 publications

Invited review: Sensors to support health management on dairy farms

Invited review: Sensors to support health management on dairy farms

Süt Sığırlarında Bulanık Mantık Tabanlı Karar Destek Sistemi

Çiğ Süt Kalite Değerlendirmesinde Bulanık Mantık Yaklaşımı

Contact Info

Product

Resources

About