Improving oestrus detection by combination of activity measurements with information about previous oestrus cases

Firk, R.; Stamer, E.; Junge, Wolfgang; Krieter, Joachim

doi:10.1016/s0301-6226(02)00306-8

Cited by 50 publications

(37 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…For example, the method developed by Friggens et al (2008) reached 99.2% of the confirmed estruses and 93.3% of the ratified estruses using progesterone measurements. Firk et al (2003) used activity data and the information about the period since the last estrus event and achieved a sensitivity of 87.9% with an error rate of 12.5%. Eradus et al (1996) worked with activity data, milk yield and milk temperature, and obtained a sensitivity rate of 79% and an error rate of 6.6%.…”

Section: Discussionmentioning

confidence: 99%

Mathematical approaches to detect low concentrations in progesterone profiles

Leesen

Tetens

Junge

et al. 2013

Animal

Self Cite

View full text Add to dashboard Cite

There is a general need for higher objectivity and accuracy in describing the physiological fertility performance of dairy cows. To develop the alternative meaningful starting points for the selection of genetically superior dairy cows, this study focused on the detection of low progesterone concentrations, which are indicative of estrus events. Three mathematical approaches were used: one based on the exponentially weighted moving average control chart, and two threshold methods, which were developed in-house. Data were collected from one data set that included 97 insemination data of first-lactating Holstein dairy cows, and a second set that included 160 inseminations of primiparous and multiparous Holstein dairy cows. On the basis of these 2 data sets, and using a threshold of 1.2 ng progesterone/ml skimmed milk, the sensitivity of the 3 models was high and ranged between 100% and 93.13%, with an error rate between 4% and 22.17%. The specificity varied between 97.92% and 99.93%. The average concentration levels of true-positive-detected progesterone measures were low and ranged between 0.18 and 0.28 ng progesterone/ml skimmed milk (first data set) and 0.21 to 0.26 ng progesterone/ml skimmed milk (second data set). False-positive-detected low progesterone concentrations during estrus events were closely related to progesterone values around the 1.2 ng progesterone/ml skimmed milk threshold and the detecting rules of the control chart. Thus, we suggest that a threshold of 0.8 ng progesterone/ml skimmed milk is indicative for luteal activity in defatted foremilk. By means of the three methods used, the detection of low progesterone concentrations was possible and it can be assumed that this is a good starting point for further studies (such as interval calculation) in this area.

show abstract

Section: Discussionmentioning

confidence: 99%

Mathematical approaches to detect low concentrations in progesterone profiles

Leesen

Tetens

Junge

et al. 2013

Animal

Self Cite

View full text Add to dashboard Cite

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

“…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

Improving oestrus detection by combination of activity measurements with information about previous oestrus cases

Cited by 50 publications

References 6 publications

Mathematical approaches to detect low concentrations in progesterone profiles

Mathematical approaches to detect low concentrations in progesterone profiles

Çiğ Süt Kalite Değerlendirmesinde Bulanık Mantık Yaklaşımı

Süt Sığırlarında Bulanık Mantık Tabanlı Karar Destek Sistemi

Contact Info

Product

Resources

About