Sistema de inferencia difuso para diagnosticar estrés y su evolución en gallinas de postura

• Autores: Juan José Paniagua Medina, Sarahí Camargo Carmona, Ana Dinora Guzman Chavez, Everardo Vargas Rodríguez
• Localización: DYNA new technologies, ISSN-e 2386-8406, Vol. 10, Nº. 1, 2023
• Idioma: español
• Títulos paralelos:
  • Fuzzy inference system for diagnosing stress and its evolution in laying hens
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    En este trabajo se presenta el diseño de un sistema de inferencia difuso para estimar si las gallinas de postura presentan un cuadro de estrés sin la intervención de un experto, como un médico veterinario. Por otra parte, en pequeñas granjas usualmente se aíslan a las gallinas diagnosticadas con estrés durante varios días y el experto realiza una revisión diaria hasta determinar que el cuadro ha desaparecido. Es importante mencionar que los expertos no pueden estimar el número de días que las gallinas deben de permanecer en aislamiento para que se recuperen. Por lo que como una ventaja adicional del SID propuesto es que puede estimar este parámetro. De esta manera con el sistema propuesto se puede determinar con una exactitud del 98.62% el nivel de estrés y del 90.41% el número de días en aislamiento. Por otra parte, las matrices de confusión muestran que los errores en la mayoría de los casos son de ±1 nivel de estrés y ±1 días de aislamiento. Finalmente, se demuestra que es factible implementar el sistema debido a que las inferencias se pueden hacer con variables fácilmente medidas o identificadas por personas no expertas en el diagnóstico del estrés. Como consecuencia esto puede ayudar a minimizar la frecuencia de intervenciones de los expertos en el proceso.

  • English

    In this work a fuzzy inference system design to estimate if laying hens present some level of stress without an expert intervention, as a poultry veterinarian, is presented. Additionally, in small farms usually hens diagnosed as stressed are isolated during some days until they are recovered. Moreover, isolated hens are diary examined by the expert to diagnose if the stress has disappeared. Here, it is important to point out that experts usually are unable to estimate the number of days that the hen will need to be kept in isolation until they are recovered. Therefore, as an additional advantage of the proposed FIS is that it can estimate this parameter. In this way it is shown that with the proposed FIS it was possible to determine with an accuracy of 98.62% the stress level and of 90.41% the number of days that the hen will require in isolation. Furthermore, the confusion matrices for these two variables shown that in most of the cases the incorrect estimations have an error of ±1 stress level and ±1 days of isolation. Finally, it is shown that it is feasible to implement this FIS because of the inferences are performed with variables that can be easily measured or identified by non-experts in the hen stress diagnostic. Consequently, it can help to minimize the frequency of the expert intervention in the process.