Automatyczne rozpoznawanie zachowań żywieniowych i żerowych świń przy użyciu metody deep learning

W celu wykrywania zmian w zachowaniu grup świń i monitorowania ich stanu zdrowia i dobrostanu zostały opracowane zautomatyzowane, oparte na wizji systemy wczesnego ostrzegania. W warunkach komercyjnych automatyczne rejestrowanie zachowań żywieniowych pozostaje wyzwaniem ze względu na problemy związane ze zmiennym oświetleniem, okluzjami i podobnym wyglądem różnych świń. Ponadto takie systemy, które opierają się na śledzeniu świń, często przeszacowują rzeczywisty czas spędzony na jedzeniu z powodu niemożności zidentyfikowania i / lub wykluczenia wizyt niezwiązanych z żywieniem (NNV) w obszarze karmienia. Aby rozwiązać te problemy, opracowaliśmy solidną, opartą na głębokim uczeniu (deep learning) metodę wykrywania jedzenia, która (a) nie opiera się na śledzeniu świń i (b) jest w stanie odróżnić karmienie od NNV u grupy świń. Najpierw zweryfikowaliśmy naszą metodę, wykorzystując materiał wideo z komercyjnej fermy świń w różnych warunkach. Przedstawiamy zdolność tej zautomatyzowanej metody do identyfikacji jedzenia i zachowania NNV z dużą dokładnością (99,4% ± 0,6%). Następnie przetestowaliśmy zdolność metody do wykrywania zmian w jedzeniu i zachowaniach NNV w planowanym okresie ograniczenia podawania paszy.

Okazało się, że metoda była w stanie automatycznie określić ilościowo oczekiwane zmiany zarówno w zachowaniu żywienia, jak i zachowania NNV. Nasza metoda umożliwia niezawodne i dokładne monitorowanie zachowania żywieniowego grup świń hodowanych w celach komercyjnych, bez potrzeby stosowania dodatkowych czujników lub indywidualnego znakowania.

Ma to ogromny potencjał do zastosowania we wczesnym wykrywaniu wyzwań zdrowotnych i związanych z dobrostanem świń przeznaczonych na tucz.