జర్నల్ ఆఫ్ యానిమల్ సైన్సెస్ అండ్ లైవ్‌స్టాక్ ప్రొడక్షన్ అందరికి ప్రవేశం

నైరూప్య

కమర్షియల్ సెట్టింగ్‌లో ఎంబెడెడ్ మైక్రోకంప్యూటర్ ఆధారిత ఫోర్స్ ప్లేట్‌ని ఉపయోగించి సోవ్ లామ్‌నెస్ వర్గీకరణ చెట్ల అభివృద్ధి

KJ స్టాల్డర్, BM మెక్‌నీల్, JA కాల్డెరాన్ డియాజ్, JD స్టాక్, TD పార్సన్స్, DL బీమ్, AK జాన్సన్, CE బ్రన్స్ మరియు JB నీమీ

నేపథ్యం మరియు లక్ష్యాలు: ఈ అధ్యయనం యొక్క లక్ష్యాలు: 1) ఫోర్స్ ప్లేట్ ద్వారా కొలవబడిన ప్రతి కాలుకు వర్తించే బలాల మధ్య సంబంధాన్ని మరియు వాణిజ్య మందకు వర్తించే పరిస్థితులలో దృశ్యమానంగా అంచనా వేయబడిన కుంటితనం స్థాయిని పరిశీలించడం మరియు 2) అభివృద్ధి చేయడం ఫోర్స్ ప్లేట్ అవుట్‌పుట్ ఆధారంగా ఆటోమేటెడ్ లామ్‌నెస్ డిటెక్షన్ అల్గారిథమ్.

పద్ధతులు మరియు అన్వేషణలు: మైక్రోకంప్యూటర్-ఆధారిత ఎంబెడెడ్ ఫోర్స్ ప్లేట్ సిస్టమ్ ప్రతి వ్యక్తి అవయవం ద్వారా ఉత్పన్నమయ్యే శక్తిని కొలవడం ద్వారా కుంటితనాన్ని గుర్తించడానికి ఒక లక్ష్య విధానాన్ని అందిస్తుంది. ఫోర్స్ ప్లేట్ పరికరం ఎలక్ట్రానిక్ సోవ్ ఫీడర్ (ESF)లో ఇన్‌స్టాల్ చేయబడింది మరియు 21 రోజుల వ్యవధిలో డైనమిక్ గ్రూప్‌లో ఉంచబడిన 120 మల్టీపరస్ జెస్టేటింగ్ సోవ్‌ల ఉపసమితిని పర్యవేక్షించడానికి ఉపయోగించబడింది. ప్రతి రోజు విత్తనాలు తినడానికి ఒక్కొక్కటిగా ESF స్టేషన్‌లోకి ప్రవేశించాయి. విత్తనం చతురస్రాకారంలో నిలబడి, పరికరం యొక్క అన్ని క్వాడ్రాంట్‌లకు ఒత్తిడిని ప్రయోగించినప్పుడు, ప్రతి పాదం ప్రయోగించే శక్తి సెకనుకు ఒకసారి నమోదు చేయబడుతుంది. నాలుగు-పాయింట్ల స్కేల్ (0=సాధారణం నుండి 3=తీవ్రమైన కుంటి)ని ఉపయోగించి కుంటితనం ఉనికి కోసం చూపుపరంగా స్కోర్ చేయబడినవి మరియు ఈ దృశ్య అంచనా ఆధారంగా నాన్-లేమ్ (స్కోర్ ≤ 1) లేదా కుంటి (స్కోరు ≥)గా వర్గీకరించబడ్డాయి. 2) రాండమ్ ఫారెస్ట్ అని పిలువబడే సమిష్టి అభ్యాస పద్ధతిని ఫోర్స్ ప్లేట్ డేటాను కుంటి మరియు కుంటి సారూప్య వర్గాలుగా వర్గీకరించడానికి సరైన నిర్ణయ వృక్షాన్ని గుర్తించడానికి ఉపయోగించబడింది. విజువల్ స్కోరింగ్ మరియు ఫోర్స్ ప్లేట్ ఫలితాల మధ్య ఒప్పందం స్థాయిని కొలవడానికి కప్పా స్టాటిస్టిక్స్ పరీక్ష ఉపయోగించబడింది. కుంటి స్థితిలో మార్పులు, అలాగే ప్రతి గుర్తింపు పద్ధతికి కుంటి గుర్తింపు మొదటి రోజు కూడా విశ్లేషించబడ్డాయి. వర్గీకరణ చెట్టులో ఏడు వేరియబుల్స్ చేర్చబడ్డాయి, 2 వెనుక కాళ్ళకు వర్తించే శక్తుల మధ్య వ్యత్యాసానికి అత్యధిక బరువు ఇవ్వబడింది. రెండు కుంటితనాన్ని గుర్తించే పద్ధతులు 95% కేసులలో ఒకే కుంటి వర్గీకరణను కేటాయించాయి మరియు గణనీయమైన ఒప్పందాన్ని కలిగి ఉన్నాయి (కప్పా స్టాటిస్టిక్=0.79; పి <0.05). అయినప్పటికీ, వర్గీకరణ ట్రీ అల్గోరిథం విజువల్ స్కోరింగ్ సిస్టమ్ (P <0.001) కంటే దాదాపు 5 రోజుల ముందుగానే కుంటితనాన్ని గుర్తించింది. అదనంగా, సమూహంలోకి ప్రవేశించిన సమయం నుండి విత్తనానికి సంబంధించిన కుంటితనాన్ని పోల్చడం, కుంటి స్కోరింగ్ పద్ధతితో సంబంధం లేకుండా మొదటి వారం తర్వాత కుంటితనంలో పెరుగుదల కనిపించింది.

తీర్మానాలు: కుంటితనాన్ని గుర్తించడం అనేది సాధారణంగా ఆత్మాశ్రయ దృశ్య మూల్యాంకనంపై ఆధారపడి ఉంటుంది, దీనికి సమయం, శిక్షణ అవసరం మరియు వ్యక్తుల మధ్య మరియు లోపల పక్షపాతం ఉంటుంది. వాణిజ్య మందకు వర్తించే పరిస్థితులలో, ఫోర్స్ ప్లేట్ వారంవారీ విజువల్ లామ్‌నెస్ అసెస్‌మెంట్ కంటే త్వరగా కుంటితనాన్ని ఖచ్చితంగా గుర్తించగలదని ఫలితాలు చూపిస్తున్నాయి.

కీవర్డ్లు: విత్తడం; కుంటితనం గుర్తింపు; ఫోర్స్ ప్లేట్; బరువు పంపిణీ