Use of artificial neural networks to estimate production variables of broilers breeders in the production phase

1. Although the poultry industry uses state-of-the-art equipment and up-to-date services, in Brazil it generally makes decisions involving all its production variables based on purely subjective criteria. This paper reports the use of artificial neural networks to estimate performance in production birds belonging to a South Brazilian poultry farm. 2. Recorded data from 22 broiler production breeder flocks were obtained, from April, 1998 to December, 1999, which corresponded to 689 data lines of weekly recordings. 3. These data were processed by artificial neural networks using the software NeuroShell 2 version 4.0 (Ward Systems Group). The artificial neural network models generated were compared and selected based on their largest determination coefficient (R2), lowest Mean Squared Error (MSE), as well as on a uniform scatter in the residual plots. The authors conclude that it is possible to explain the performance variables of production birds, with the use of artificial neural networks. 4. The method allows the decisions made by the technical staff to be based on objective, scientific criteria, allows simulations of the consequences related to these decisions, and reports the contribution of each variable to the variables under study.

Uso de Redes Neurais Artificiais para Estimar Parâmetros de Produção de Galinhas Reprodutoras Pesadas em Recria

Uma atividade com a magnitude da avicultura, que usa equipamentos de última geração e serviços atualizados, é levada, na maioria dos casos, a tomar decisões que envolvem todos aspectos de produção, apoiada em critérios subjetivos. O presente trabalho objetiva estudar a utilização das redes neurais artificiais para serem usadas na predição dos parâmetros de desempenho das aves em recria, pertencentes a uma integração avícola sul-brasileira. Foram utilizados os registros de 11 lotes de reprodutoras pesadas para a análise por redes neurais artificiais, no período compreendido entre 09/11/97 a 10/01/99. Os dados utilizados corresponderam a 273 linhas de registros semanais. Os modelos de redes neurais artificiais foram comparados e selecionados como melhores, baseados no coeficiente de determinação múltipla (R²), Quadrado Médio do Erro (QME), bem como pela análise de gráficos, plotando a predição da rede versus a predição menos o real. Os autores concluem que é possível explicar os parâmetros de desempenho das aves em recria, através da utilização de redes neurais artificiais. A técnica permite a tomada de decisões por parte do corpo técnico, baseadas em critérios objetivos obtidos cientificamente. Além disso, esse método permite simulações das conseqüências de tais decisões e fornece a percentagem de contribuição de cada variável no fenômeno em estudo.