Thesis supervisor: István Szabó
co-supervisor: János Tőzsér
Location of studies (in Hungarian): MATE Gödöllő Abbreviation of location of studies: MATE
Description of the research topic:
A húsmarha tenyésztésben a fajtán belüli típusok elkülönítése szakmailag fontos dolog (tenyésztői, hentes és- köztes típus). Ennek eredményessége befolyásolja adott telep gazdálkodásának sikerét. A tenyésző egyesületek adatbázisaiban a vizsgálatokhoz szükséges tenyésztési és termelési adatok (pl. két ellés közötti idő, ellés lefolyása, születési súly, választási kor és súly, súlygyarapodás, küllemi bírálat pontszámok, kondíció pontszámok, ultrahang képek a rostélyosról stb.) rendelkezésre állnak, így azok felhasználhatók az elemzésben. A kutatás munkahipotézise az, hogy hasonlítsuk össze a hagyományos típus értékelési módszereket a mesterséges intelligenciára (MI) alapuló új elemző eljárásokkal, a hatékonyság tekintetében.
A rendelkezésre álló MI technológiák közül a gépi tanuláson alapuló rendszerek fejlődése az elmúlt néhány évben robbanásszerű fejlődésen ment keresztül. A hatékonyabb hardver és szoftver környezet lehetővé teszi a mélytanulás és a gépi tanulás szélesebb körű használatát a mindennapi alkalmazások területén. Ezért időszerű megvizsgálni, hogy a jelenleg elérhető és piaci vagy kutatási fázisban hozzáférhető gépi tanuló algoritmusok képesek-e a szakembereket megközelítő eredményt produkálni pl. a húsmarha típusdifferenciálás tekintetében. A kutatás során egyrészt szükséges vizsgálni a megfelelő tréning adatbázisok létrehozásának technikai lehetőségeit és problémáit. Szükséges megvizsgálni továbbá, hogy a rendelkezésre álló képi és számszerű adatbázisok az egyes húsmarha típusokról külön-külön vagy egymást erősítve alkalmasak-e az MI-vel támogatott önálló szakértői rendszerek kifejlesztésére. Ugyanakkor szükséges kidolgozni egy megfelelő módszertant a gép tanulásának, tréningjének támogatására, amelyet a tréning adatbázisok összeállításnál a későbbiekben is figyelembe kell majd venni a rendszer pontos és magas ipari igényeket is kielégítő működése céljából. Valamint az eredmények tükrében megvizsgálni annak lehetőségét, hogy a ma elérhető technológiai háttérrel létrehozható-e egy mesterséges intelligenciával támogatott applikáció vagy web alapú klasszifikációs szakértői rendszer.
Az eredmények ismeretében pontosabban meg lehetne határozni a húsmarha típusát meghatározó tényezőket, és ezzel elősegíthetjük a hatékonyabb szelekciót a gyakorlati tenyésztő munkában
Login
