الخلفية: تواجه صناعة الثروة الحيوانية عالميا تحديين مزدوجين من حيث زيادة الإنتاج لتلبية الطلب المتزايد وفي الوقت نفسه تقليل تأثيراته على البيئة. نماذج التغذية التقليدية القائمة على المتوسط نفسها غير فعالة، وتخلق هدر للموارد وأداء حيواني غير فعال. الأهداف: تستعرض الورقة الحالية بشكل نقدي أحدث الأدبيات حول دمج تقنيات الذكاء الاصطناعي وأجهزة الاستشعار في سياق الزراعة الدقيقة، خاصة مما يجعل النموذج يساعد في اتخاذ قرارات التغذية الدقيقة. يحظى تركيز خاص على تحويل مفهوم النماذج الخوارزمية البحتة نحو الأنظمة التي تشمل القياسات الفسيولوجية في الوقت الحقيقي ونمذجة الأيض الفسيولوجي. المنهجية: تستند مراجعة المقالات المحكمة ذات التأثير إلى ثمانين مقالة تم اختيارها من خلال متطلبات مراجعة الأدبيات المنهجية وتحليلها لكشف الاتجاهات العامة والأساليب المنهجية. النتائج: توضح النتائج أن أجهزة الاستشعار الحيوية القابلة للارتداء وأنظمة الرؤية الحاسوبية تعد من أكثر وسائل الاستشعار الواعدة التي يمكنها توفير تدفقات عالية الدقة من البيانات الزمنية. ثم تحول تقنيات التعلم الآلي والتعلم العميق البرمجيات مثل هذه البيانات المعقدة إلى نماذج تنبؤية تقارب احتياجات الحيوانات الغذائية والحالة الفسيولوجية لحيوان معين. بالإضافة إلى ذلك، يوفر مزيج من هذه الخوارزميات التنبؤية والنماذج الأيضية الديناميكية منصة قوية لإنتاج نظام تغذية خاص بالنوع، أي مخصص لنوع البقر أو الخنزير. الاستنتاجات: يعزز تطبيق تقنيات المزارع الذكية تطوير تغذية حيوانية دقيقة، مما يعزز العلاقات التآزرية بين الخوارزميات المتقدمة وفسيولوجيا الحيوانات. نتيجة هذا النموذج هي عوائد ملموسة لكفاءة تحويل الأعلاف، ورفاهية الحيوانات، بالإضافة إلى مساهمة حاسمة في استدامة أنظمة إنتاج الثروة الحيوانية، خاصة على مستوى العالم.