Computational Architectures for Precision Dairy Nutrition Digital Twins: A Technical Review and Implementation Framework
Notice bibliographique
Résumé
Sensor-enabled digital twins (DTs) are reshaping precision dairy nutrition by seamlessly integrating real-time barn telemetry with advanced biophysical simulations in the cloud. Drawing insights from 122 peer-reviewed studies spanning 2010-2025, this systematic review reveals how DT architectures for dairy cattle are conceptualized, validated, and deployed. We introduce a novel five-dimensional classification framework-spanning application domain, modeling paradigms, computational topology, validation protocols, and implementation maturity-to provide a coherent comparative lens across diverse DT implementations. Hybrid edge-cloud architectures emerge as optimal solutions, with lightweight CNN-LSTM models embedded in collar or rumen-bolus microcontrollers achieving over 90% accuracy in recognizing feeding and rumination behaviors. Simultaneously, remote cloud systems harness mechanistic fermentation simulations and multi-objective genetic algorithms to optimize feed composition, minimize greenhouse gas emissions, and balance amino acid nutrition. Field-tested prototypes indicate significant agronomic benefits, including 15-20% enhancements in feed conversion efficiency and water use reductions of up to 40%. Nevertheless, critical challenges remain: effectively fusing heterogeneous sensor data amid high barn noise, ensuring millisecond-level synchronization across unreliable rural networks, and rigorously verifying AI-generated nutritional recommendations across varying genotypes, lactation phases, and climates. Overcoming these gaps necessitates integrating explainable AI with biologically grounded digestion models, federated learning protocols for data privacy, and standardized PRISMA-based validation approaches. The distilled implementation roadmap offers actionable guidelines for sensor selection, middleware integration, and model lifecycle management, enabling proactive rather than reactive dairy management-an essential leap toward climate-smart, welfare-oriented, and economically resilient dairy farming.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».