CHORVA KOMPLEKSLARIDA KASALLIKLARNI ERTA ANIQLASHDA SINFLASHTIRISH ALGORITMLARINI JORIY QILISH MASALASI Текст научной статьи по специальности «Науки о здоровье»

INTERNATIONAL SCIENTIFIC AND PRACTICAL CONFERENCE

"ACTUAL PROBLEMS OF LIVESTOCK DEVELOPMENT, MODERN METHODS AND

DEVELOPMENT PROSPECTS" _SEPTEMBER 26-27, 2024_

CHORVA KOMPLEKSLARIDA KASALLIKLARNI ERTA ANIQLASHDA SINFLASHTIRISH ALGORITMLARINI JORIY QILISH MASALASI 1Samandarov Batirbek Satimovich, 2Geldibaev Begench Yegendurdievich

1dotsent, Mamun universiteti, 2tayanch doktorant, TATU https://doi.org/10.5281/zenodo.13860263

Annotatsiya. Maqolada chorva komplekslarida kasalliklarni erta aniqlash uchun klassifikatsiya algoritmlarini joriy qilish masalasining matematik ta'minoti bayon qilingan. Jonivorlarningfiziologik va biometrik ko'rsatkichlariga asoslangan ma'lumotlarni tahlil qilish orqali ularning sog'liq holatini to'g'ri aniqlash usullari o'rganilgan. Klassifikatsiya algoritmlarini qo'llash orqali kasalliklarni erta bosqichda avtomatlashtirilgan ko'rinishda aniqlash va jonivorlar salomatligini nazorat qilishning samaradorligini oshirish mumkinligi ko'rsatilgan.

Kalit so'zlar: klassifikatsiya algoritmlari, erta diagnostika, chorva komplekslari, kasalliklarni aniqlash, mashinali o'qitish, avtomatlashtirish.

Аннотация. В статье описано математическое обеспечение задачи внедрения классификационных алгоритмов раннего выявления заболеваний в животноводческих комплексах. Путем анализа данных на основе физиологических и биометрических показателей животных изучены методы правильного определения состояния их здоровья. Показано, что с помощью алгоритмов классификации можно автоматически выявлять заболевания на ранней стадии и повышать эффективность контроля здоровья животных.

Ключевые слова: алгоритмы классификации, ранняя диагностика, комплексы животных, выявление заболеваний, машинное обучение, автоматизация.

Abstract. The article describes the mathematical support for the task of implementing classification algorithms for early detection of diseases in livestock complexes. By analyzing data based on physiological and biometric indicators of animals, methods for correctly determining their health status were studied. It is shown that with the help of classification algorithms, it is possible to automatically detect diseases at an early stage and increase the efficiency of animal health monitoring.

Keywords: classification algorithms, early diagnostics, animal complexes, disease detection, machine learning, automation.

Kirish

Chorva komplekslari hayvonlar salomatligi bilan bog'liq ko'plab muammolarga duch keladi, bu esa fermer xo'jaliklarining mahsuldorligiga bevosita ta'sir qiladi. Kasalliklarni erta tashxislashning avtomatlashtirilgan tizimlarini joriy etish hayvonlar salomatligini boshqarish samaradorligini oshirishda muhim qadamdir. Ma'lumotlarni qayta ishlash va mashinali o'qitishning zamonaviy texnologiyalari ko'plab omillarga asoslangan kasalliklarning rivojlanishini bashorat qila oladigan algoritmlarni yaratish imkonini beradi.

Zamonaviy chorva komplekslari qoramollarning sog'lig'ini doimiy nazorat qilishni talab qiladigan murakkab tizimlardan sanaladi. Tasniflash algoritmlaridan foydalangan holda axborot tizimlarini joriy etish kasalliklarni tashxislash, epidemiyalarning oldini olish va mahsulot sifatini yaxshilash jarayonlarini sezilarli darajada yaxshilash imkonini beradi. Kasalliklarni erta tashxislash masalasi [1,2,3], ayniqsa, keng tarqalgan kasalliklar katta iqtisodiy yo'qotishlarga olib kelishi mumkin bo'lgan yirik chorva komplekslarida muhim ahamiyatga ega.

INTERNATIONAL SCIENTIFIC AND PRACTICAL CONFERENCE

"ACTUAL PROBLEMS OF LIVESTOCK DEVELOPMENT, MODERN METHODS AND

DEVELOPMENT PROSPECTS" _SEPTEMBER 26-27, 2024_

Bugungi kunga kelib qoramollar kasalliklari bo'yicha juda katta hajmdagi ilmiy tadqiqotlar olib borilmoqda va axborot texnologiyalari, ilg'or texnologiyalar va mashinali o'qitish vositalari imkoniyatlariga tayangan holda, ularni avtomatik aniqlash va ko'plagan sohalarda bo'lgani kabi chorvachilikda ham jarayonlarini avtomatlashtirishga katta e'tibor qaratilmoqda [4, 5,6,7].

Masalaning qo'yilishi

Mayli bizga

■ - kiruvchi belgilar to'plami berilgan bo'lsin, bu yerda har bir belgi qoramolning ma'lum bir parametrini (tana harorati, yurak urishi, vazni, yoshi, xatti-harakati va boshqalar) tavsiflaydi.

■ Y = {0,1} - sinflar to'plami bo'lib, bunda y = 0 - sog'lom hayvonni, y = 1 - esa kasallikka chalingan hayvonni bildiradi.

Har bir hayvon uchun (xi,yi) ma'lumotlar mavjud bo'lib, bu yerda xi = (xi1, xi2, ...,xin) G X - i hayvoniga mos keladigan belgilar vektori, y£ G Y - esa uning sog'ligi.

Masala: yangi ma'lumotlar uchun to'g'ri sinflashtirishni amalga oshiradigan f : X —> Y funktsiyasini qurish. Ya'ni, yangi x ma'lumotlari uchun y belgini to'g'ri aniqlay oladigan modelni qurish kerak.

Sinflashtirish masalasining qo'yilishi

Masalani yo'qotish funktsiyasini minimallashtirish masalasi sifatida shakllantirish mumkin:

minE (Xiy)~v[L(f(x),y)]

bu yerda:

V - ma'lumotlarni taqsimlash,

L(f(x),y) - bashorat qilingan f(x) sinfi va y haqiqiy belgi o'rtasidagi tafovutni o'lchaydigan yo'qotish funktsiyasi

f (x) - klassifikator bo'lib, x kiritilgan ma'lumotlarga asoslanib, y sinfini bashorat qiladi.

Masalani yechish bosqichlari

1) Dastlabki bosqichda hayvonlarning sog'lig'ini tavsiflovchi vakillik ma'lumotlarini to'plash kerak. Ma'lumotlar tana harorati, puls, teri holati, ovqatlanish va xatti-harakatlar kabi biometrik va fiziologik parametrlarni o'z ichiga olishi mumkin. Yuqori sifatli ma'lumotlarni olish uchun IoT qurilmalari va sensorlaridan foydalanish mumkin[8,9].

2) Ma'lumotlar yig'ilgandan so'ng, model oldindan aniqlab olingan yi belgilar asosida o'qitiladi. Buning uchun joriy ma'lumotlarga eng mos keladigan bir yoki bir nechta tasniflash usullarini tanlash zarurati kelib chiqadi.

3) Keyingi bosqichda model o'qitish jarayonida foydalanilmagan yangi ma'lumotlar bo'yicha sinovdan o'tkaziladi. Bu bizga modelning aniqligini va uning umumlashtirish qobiliyatini baholash imkonini beradi.

4) Muvaffaqiyatli sinovdan so'ng model chorvachilik kompleksining axborot tizimiga integratsiya qilish mumkin bo'ladi. Tizim real vaqt rejimida ma'lumotlarni tahlil qilishi va veterinar va fermerlar uchun tavsiyalar berish imkoniga ega bo'ladi.

Amaliyotga joriy qilish

Masalani yechish bosqichlari asosida real vaqt rejimida ma'lumotlarni tahlil qilishi va veterinar va fermerlar uchun tavsiyalar berish axborot tizimini loyihalashtirish uchun jarayonlarning UML ketma-ketlik diagrammasi quyidagicha loyihalashtirildi.

INTERNATIONAL SCIENTIFIC AND PRACTICAL CONFERENCE "ACTUAL PROBLEMS OF LIVESTOCK DEVELOPMENT, MODERN METHODS AND

DEVELOPMENT PROSPECTS" _SEPTEMBER 26-27, 2024_

Asosiy obyektlar va ularning orasidagi o'zaro ta'sir quyidagilarni o'z ichiga oladi: Fermer - bu hayvonlarni boshqarish uchun mas'ul shaxs.

Ma'lumotlarni yig'ish quyi tizimi - IoT qurilmalari va monitoring uchun sensorlarni o'z ichiga oladi.

Sinflashtirish algoritmi - ma'lumotlarni qayta ishlash va o'qitishni amalga oshiradi. Model - bu o'qitilgan sinflashtirish modeli.

Axborot tizimi - chorva kompleksi ma'lumotlarni umumiy boshqaruv tizimiga integratsiyalash.

1-rasm. chorva komplekslarida kasalliklarni erta aniqlash jarayoni UML ketma-ketlik diagrammasi

Ushbu UML ketma-ketlik diagrammasi ma'lumotlarni to'plashdan tortib fermer tavsiyalarini olishgacha bo'lgan to'liq jarayonni ko'rsatadi.

Xulosa

Chorva komplekslarida kasalliklarni erta tashxislash uchun sinflashtirish masalasini yechish ko'plab parametrlar bo'yicha qaror qabul qilish jarayonini optimallashtirish imkonini beradi. Mashinali o'qitishga asoslangan sinflashtirish algoritmlari hayvonlarning sog'lig'ini tashxislash va monitoring qilish jarayonini avtomatlashtirish uchun samarali vosita bo'lib hizmat qiladi. Bunday tizimlarning joriy etilishi tashxisning aniqligini oshirish, davolash xarajatlarini kamaytirish va mahsulot sifatini yaxshilashda keng imkoniyatlar ochib beradi.

REFERENCES

1. H. Heesterbeek, R.M. Anderson, V. Andreasen, S. Bansal, D. DeAngelis, C. Dye, K.T.D. Eames, W.J. Edmunds, S.D.W. Frost, S. Funk, T.D. Hollingsworth, T. House, V. Isham, P. Klepac, J. Lessler, J.O. Lloyd-Smith, C.J.E. Metcalf, D. Mollison, L. Pellis, J.R.C. Pulliam, M.G. Roberts, C. Viboud, N. Arinaminpathy, F. Ball, T. Bogich, J. Gog, B. Grenfell, A.L. Lloyd, A. Mclean, P. O'Neill, C. Pearson, S. Riley, G.S. Tomba, P. Trapman, J. Wood.

INTERNATIONAL SCIENTIFIC AND PRACTICAL CONFERENCE "ACTUAL PROBLEMS OF LIVESTOCK DEVELOPMENT, MODERN METHODS AND

DEVELOPMENT PROSPECTS"

_SEPTEMBER 26-27, 2024_

Modeling infectious disease dynamics in the complex landscape of global health // Science, 347 (2015)(1979)

2. L.E. Charles-Smith, T.L. Reynolds, M.A. Cameron, M. Conway, E.H.Y. Lau, J.M. Olsen, J.A. Pavlin, M. Shigematsu, L.C. Streichert, K.J. Suda, C.D. Corley. Using social media for actionable disease surveillance and outbreak management: a systematic literature review // PLoS One, 10 (2015), Article e0139701, doi: 10.1371/JOURNAL.PONE.0139701

3. Самандаров Б.С. Анализ и прогнозирование инфекционных заболеваний в животноводстве с помощью математической модели // Информационные технологии моделирования и управления, 2023, №4(134), - С. 252-259

4. E.S.Babadjanov, X.I.Toliev Status of PLF (Precision Livestock) Technologies and Existing Systems // Muhammad al-Xorazmiy avlodlari, № 3(21), mart 2022. B.105-127

5. E.S.Babadjanov, B.S.Samandarov. Intersensory relationships with cattle disease symptoms // Journal of Advances in Engineering Technology Vol.3(7), April - June, 2022. 64-67 b. DOI 10.244122181-1431-2022-3-64-67

6. E.S.Babadjanov, G.A.Gulmirzaeva. Sensor technologies that determine various parameters // Scientific Review of the Problems and Prospects of modern Science and Education. 2nd International Scientific And Practical Conference. P.16-22

7. Самандаров Б.С., Г.А. Гулмирзаева, А.Ж. Есбергенов Задача определения местонахождения крупного рогатого скота с помощью RFID-устройств // Сборник статей по материалам V Международной научной конференции «MMn-V-2023: Модернизация, Инновации, Прогресс - V International Scientific Conference «MIP-V-2023: Modernization, Innovations, Progress»

8. Samandarov B.S., Geldibaev B.Y., Ollambergenov F.F. Applications of Sensor Technology in Animal Husbandry and Mathematical Model for Improving the Accuracy of Touch Sensors // Science and Education in Karakalpakstan. №1-1. Nukus-2023. -P. 117-120

9. Akbaraliyev B.B., Samandarov B.S., Gulmirzayeva G.A. RFID texnologiyalari yordamida obyektlar xarakatini monitoring qilish masalasi // Muhammad al-Xorazmiy avlodlari ilmiy-amaliy va axborot tahliliy jurnal, № 2 (28), iyun 2024. 117-122 b.