Hayvansal Üretim ve Biyoteknolojide Yapay Zekâ Ve Makine Öğrenmesi Uygulamaları: Prof. Dr. Uğur Şen’in Araştırmaları Üzerinden Bir Değerlendirme ve Gelecek Vizyonu
DOI:
https://doi.org/10.5281/zenodo.23142602Özet
Günümüz hayvansal üretim ve tarımsal biyoteknoloji disiplinlerinde, karmaşık verilerin analizi, verimlilik tahmini, fizyolojik ve fenotipik modellemeler için yapay zekâ (YZ) ve makine öğrenmesi (MÖ) algoritmaları kritik bir role sahip hale gelmiştir. Bu çalışmada, Prof. Dr. Uğur Şen ve çalışma arkadaşlarının literatüre kazandırdığı makaleler YZ ve veri madenciliği perspektifinden sistematik olarak değerlendirilmiştir. Çalışmalarda özellikle XGBoost, Random Forest (RF), Multivariate Adaptive Regression Splines (MARS), Support Vector Machines (SVM) ve LightGBM gibi gelişmiş makine öğrenmesi algoritmalarının; farklı çiftlik hayvanı türlerinde (koyun, keçi, sığır, manda, domuz, tavşan, Pekin ördeği) canlı ağırlık tahmini, vücut ölçütlerinin sınıflandırılması, FAMACHA© skoru tespiti ve genomik tahminleme süreçlerinde yüksek doğrulukla kullanıldığı görülmüştür. Ayrıca, moleküler biyoloji, kas lifi fenotiplemesi, plasenta morfolojisi ve in vitro embriyo gelişimi odaklı biyoteknolojik verilerin derin öğrenme ve bilgisayarlı görü (computer vision) entegrasyonuyla gelecekte nasıl daha ileriye taşınabileceği tartışılmıştır. Bu değerlendirme, Hassas Hayvancılık (Precision Livestock Farming - PLF) alanında çalışan araştırmacılara disiplinler arası bir vizyon sunmayı amaçlamaktadır.
Referanslar
Ağyar, O., Tırınk, C., Önder, H., Şen, U., Piwczynski, D., & Yavuz, E. (2022). Use of Multivariate Adaptive Regression Splines Algorithm to Predict Body Weight from Body Measurements of Anatolian buffaloes in Turkiye. Animals, 12(21), 2910.
Delgado, M. Á. G., Tırınk, C., Parra-Cortés, R. I., Martínez, I. V., Gomez-Vazquez, A., Cruz-Hernandez, A., & Şen, U. (2026). Application of XGBoost and Random Forest algorithms for body weight prediction in Blackbelly sheep using biometric measurements. BMC Veterinary Research, 22(1), 15-27.
Faraz, A., Tırınk, C., Önder, H., Şen, U., Ishaq, H. M., & Tauqir, N. A. (2023). Usage of the XGBoost and MARS algorithms for predicting body weight in Kajli sheep breed. Tropical Animal Health and Production, 55(4), 231.
Önder, H., Sitskowska, B., Kurnaz, B., Piwczyński, D., Kolenda, M., & Şen, U. (2023). Multi-Trait Single-Step Genomic Prediction for Milk Yield and Milk Components for Polish Holstein Population. Animals, 13(19), 3050.
Önder, H., Tırınk, C., Yakubets, T., Getya, A., Matvieiev, M., Kononenko, R., & Şen, U. (2025). Predicting Live Weight for Female Rabbits of Meat Crosses From Body Measurements Using LightGBM, XGBoost and Support Vector Machine Algorithms. Veterinary Medicine and Science, 11(1), e1420.
Sierra-Vasquez, A. C., Tırınk, C., Mezo-Solis, J. A., Önder, H., Cih-Angulo, N., Şen, U., et al. (2026). Application of Machine Learning Algorithms in Estimating Live Weight of Yucatecan Criollo Pigs Through Biometric Measurements. Animals, 16(8), 1102.
Şen, U., & Önder, H. (2022). Determination of Effect of Placental Characteristics on Lamb Birth Weight in Bafra Sheep by Path Analysis. Anadolu Tarım Bilimleri Dergisi, 37(3), 479-486.
Şen, U., Şirin, E., Filik, A. G., Önder, H., Piwczynski, D., & Kolenda, M. (2021). Placental Characteristics Classification of Various Native Turkish Sheep Breeds. Animals, 11(4), 1012.
Tırınk, C., Önder, H., Francois, D., Marcon, D., Şen, U., Shaikenova, K., et al. (2023). Comparison of the data mining and machine learning algorithms for predicting the final body weight for Romane sheep breed. PLoS ONE, 18(8), e0289110.
Torres-Chable, O. M., Tırınk, C., Parra-Cortes, R. I., Delgado, M. A. G., Martinez, I. V., Gomez-Vazquez, A., & Şen, U. (2025). Classification of FAMACHA© Scores with Support Vector Machine Algorithm from Body Condition Score and Hematological Parameters in Pelibuey Sheep. Animals, 15(5), 682.
Tyasi, L. T., Tırınk, C., Mokoena, K., Önder, H., Şen, U., & Boga, D. C. (2026). Comparison of the MARS and XGBoost algorithms for predicting body weight in Kalahari Red goats. Turkish Journal of Veterinary & Animal Sciences, 50(1), 45-53.
İndir
Yayınlanmış
Nasıl Atıf Yapılır
Sayı
Bölüm
Lisans
Telif Hakkı (c) 2026 Black Sea Journal of Artificial Intelligence
Bu çalışma Creative Commons Attribution-NonCommercial 4.0 International License ile lisanslanmıştır.
