A data-driven, reduced-input environmental screening framework for dairy heat-risk management
Cette étude démontre qu'un cadre axé sur les données utilisant uniquement la température du bulbe sec et l'humidité relative, traité via des réseaux de neurones artificiels, peut restituer avec précision les classifications conventionnelles du stress thermique chez les laitières dans un bâtiment de type composte en zone tropicale, offrant ainsi une approche simplifiée pour la gestion de précision de l'élevage.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.