نظام قائم على التعلم الآلي لتشخيص مرض التهاب الضرع للأبقار الحلوب
Machine Learning Based System for Diagnosing Mastitis in Dairy Cows
- الباحث
- أحمد سامي محمود البارودي
- المشرف
- طرفة ياسين حامد
- الجامعة
- جامعة الموصل
- الكلية / القسم
- كلية علوم الحاسوب والرياضيات / علوم الحاسوب
- الشهادة
- دبلوم عالي
- السنة
- 2023
- لغة الرسالة
- انكليزي
- الكلمات المفتاحية
- Machine Learning ; Mastitis ; Dairy Cows ; Diagnosis System
الملخص
التهاب الضرع هو التهاب في الغدة الثديية يصيب أنواع الحيوانات الأليفة التي أصبحت تشكل تهديدًا لصناعة الألبان. التهاب الضرع شائع جدًا في أبقار الألبان. وهي مقسمة إلى نوعين: التهاب الضرع السريري والتهاب الضرع الفرعي السريري الذي يمكن أن يكتشف التهاب الضرع السريري من خلال التغيرات الجسدية. في هذا العمل ٠ تم إجراء دراسة مقارنة حول خوارزميات التعلم الآلي عالية الكفاءة بهدف دمج التعلم الآلي والطب البيطري. تم استخدام ستة خوارزميات للتعلم الآلي للتنبؤ بالتهاب الضرع في أبقار الألبان. آلات ناقلات الدعم Random ،(SVM) ،Random Forest ،Tree 48لء, J48graft ، وخوارزميات تصنيف الغابيات الحساسة للتكلفة (CSForest) تم تطبيقها على مجموعة بيانات معيارية من التهاب الضرع على أبقار الألبان. بعد استخدام تقنية فرط عينات الأقليات الاصطناعية (SMOTE) قبل تطبيق خوارزمية SVM ، تمت زيادة قيمة الدقة إلى 94.7/ ، ومعدل الاكتشاف إلى 90.4/ ، ومقياس "ا إلى 94.7/ ، وانخفض معدل الإنذار US AFAR) 5.2/. بعد التطبيع ، تحسنت الدقة ومعدل الكشف وقيمة قياس إلى 1/100
Abstract
Mastitis is a mammary gland inflammation that affects pet species which has become a threat to the dairy industry. Mastitis is very common in dairy cows. It is divided into two types: clinical Mastitis and Sub Clinical Mastitis (SCM) which can detect clinical Mastitis through physical changes. In this work, a work has been done by conducted a comparative study on highly efficient machine learning algorithms with the aim of integrating machine learning and veterinary medicine. Six machine learning algorithms were used to predict Mastitis in dairy cows. Support vector machines (SVM), Random Tree, Random Forest, J48, J48graft, and Cost Sensitive Forest (CSForest) classification algorithms were applied to a benchmark data set of Mastitis on dairy cows. After using the Synthetic Minority Oversampling Technique (SMOTE) before applying the SVM algorithm, the accuracy value has been increased to 94.7%, the detection rate to 90.4%, the F-measure to 94.7%, the False Alarm Rate (FAR) decreased to 5.2%. After normalization the accuracy, Detection Rate and F-Measure value have improved to 100%
طلب نسخة من الملف
الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.