نقش سیستم های پشتیبان تصمیم گیری مبتنی بر داده در مدیریت و پایش سلامت طیور

صنعت طیور یکی از سریع ترین بخش های کشاورزی و منبع مهم تامین پروتئین ارزان در جهان است اما شیوع مکرر بیماری های عفونی موجب کاهش بهره وری، افزایش تلفات و تحمیل هزینه های اقتصادی قابل توجه می شود. در سال های اخیر پیشرفت های چشمگیر در اینترنت اشیا (IoT)، یادگیری ماشین (ML) و تحلیل کلان داده (Big Data) زمینه توسعه سیستم های پشتیبان تصمیم گیری مبتنی بر داده را فراهم کرده است. این سیستم ها با یکپارچه سازی داده های چندمنبعی شامل تصویر، سیگنال های صوتی، داده های محیطی و شاخص های کلینیکی امکان پایش بلادرنگ، تشخیص زودهنگام انحراف از شرایط نرمال و پیش بینی شیوع بیماری را فراهم می کنند. مطالعات نشان داده اند که مدل های یادگیری عمیق دقتی بالاتر از ۹۵٪ در تشخیص برخی بیماری های طیور داشته اند و استفاده از سامانه های مبتنی بر IoT می تواند موجب کاهش معنادار تلفات و بهبود رفاه حیوانات شود. با این حال چالش هایی نظیر کمبود داده های استاندارد، نیاز محاسباتی بالا و مسئله تفسیرپذیری مدل ها همچنان پابرجاست. این پژوهش با مرور نظام مند مطالعات اخیر چارچوبی مفهومی برای سیستم های پشتیبان تصمیم گیری سلامت طیور ارائه می دهد. در نهایت، به کارگیری رویکردهای هوشمند و داده محور می تواند به کاهش هزینه های تولید و تقویت امنیت غذایی در مقیاس ملی و جهانی منجر شود.

کلیدواژه ها:

سیستم های پشتیبان تصمیم گیری ، سلامت ، طیور ، مدیریت سلامت گله ، تحلیل کلان داده ، یادگیری عمیق