인공신경망 알고리즘을 이용한 거세한우 영양소 섭취량에 따른 체척 및 체중 추정 (Estimating body size traits and weight of Hanwoo steers based on nutrient intake using artificial neural networks algorithm)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 24권 / 11호 / 597 ~ 605페이지
· 저자명 : 박명선, 이현정, 문성진, 엄경환, Borhan Shokrollahi, 박성민, 장선식

초록

본 연구는 거세 한우의 월령별 영양소 섭취량으로 체척 및 체중을 예측하는 연구로써, 영양소 섭취량을 이용한 체중의 예측 가능성을 확인하고자 수행되었다. 시험은 2019년부터 2022년까지 수행되었으며, 45두의 한우 거세우를 공시하였다. 데이터 수집을 위하여 개체별 사료 섭취량을 ICT 장비를 이용하여 수집하고, 영양소 섭취량으로 환산하였다. 체중과 체척은 월별로 데이터를 측정하여 수집하였으며, 모든 모델은 인공신경망 알고리즘을 이용하여 개발하였다. 체척 형질의 예측모델 중 예측력이 가장 높은 형질은 흉위로 나타났으며, 이는 흉위가 영양소 섭취량에 영향을 많이 받음을 내포한다. 흉위는 체중을 예측하는 대표적인 인자로써 많이 사용되고 있으며 본 연구에서도 사양단계별 일당증체량과 높은 상관성을 보여 체중에 가장 영향을 많이 미치는 인자로 작용함을 알 수 있었다. 가장 낮은 예측력을 보인 체척 형질은 개월령에 따라 성장 변화 크기가 작은 좌골폭으로 나타났다. 이러한 체척 형질을 입력층으로 하여 출력된 체중은 결정계수가 0.98을 나타내어 높은 예측력을 보였다. 이는 영양소 섭취량을 이용하여 거세우의 개월령별 체중의 높은 예측이 가능함을 시사한다. 이를 활용하면 농가에서도 월령별 영양소 섭취량을 이용하여 체중 예측이 가능할 것으로 판단되며, 스마트팜과 이미지 및 영상정보를 이용한 다양한 연구분야에서도 체중 예측력을 높이는 기초모델로 활용 될 수 있을 것으로 사료된다.

영어초록

This study aimed to evaluate the ability of nutrient intake to predict body size and weight in castrated Hanwoo steers. The study was conducted from 2019 to 2022 and involved 45 castrated Hanwoo cattle. Individual feed intake data were collected using ICT (Information and Communications Technology) equipment and converted into nutrient intake values. Body weights and various body size traits were measured monthly. Predictive models were developed using artificial neural network algorithms. Of the predictive models based on body size traits, chest height demonstrated the highest predictive accuracy, underscoring the significance of the relationship between nutrient intake and chest girth. Notably, chest girth, which is commonly used to predict body weight, was strongly correlated with average daily gain at various growth stages. The derived weight prediction model, based on body size traits as independent variables, achieved an R-squared value of 0.98, indicating high predictability. These results suggest that it is possible to forecast body weight based on monthly nutrient intakes on farms. This derived model could be used to better predict body weights in research areas utilizing smart farms, image data, and video information.

참고자료

· 없음