Zautomatyzowane wykrywanie rui u loch z wykorzystaniem zrobotyzowanego systemu obrazowania

Dokładne wykrywanie rui ma kluczowe znaczenie dla optymalizacji wyników rozrodu loch. Konwencjonalna metoda wykrywania rui opiera się na pracochłonnym teście odruchu tolerancji.

Cel: Celem badania było opracowanie zautomatyzowanej metody wykrywania rui u loch utrzymywanych w indywidualnych kojcach z wykorzystaniem zrobotyzowanego systemu obrazowania oraz sieci neuronowych.

Metody: Do monitorowania grupy loch utrzymywanych w indywidualnych kojcach zastosowano zrobotyzowany system obrazowania wyposażony w kamerę LiDAR, który co 10 minut rejestrował postawę zwierząt oraz objętość sromu. Uzyskane dane obrazowe analizowano przy użyciu wcześniej opracowanego algorytmu.

Wyniki: Wykazano istotne zmiany dziennego wskaźnika stania, wskaźnika leżenia mostkowego, wskaźnika leżenia bocznego, częstości zmian postawy oraz objętości sromu przed wystąpieniem rui. Do wykrywania rui opracowano model jednowymiarowej splotowej sieci neuronowej (1-D CNN), wykorzystujący jako dane wejściowe liczbę dni od odsadzenia, parametry behawioralne oraz cechy objętości sromu. Modele oceniono metodą 10-krotnej walidacji krzyżowej. Dokładność modelu podczas uczenia i testowania wyniosła odpowiednio 96,1 ± 2,0% oraz 92,3 ± 10,1%, gdy wykorzystywano liczbę dni od odsadzenia i parametry behawioralne. Po uwzględnieniu cech objętości sromu dokładność wzrosła do 98,1 ± 2,4% podczas uczenia oraz 98,0 ± 4,2% podczas testowania.

Wniosek: Chociaż śledzenie zachowania loch utrzymywanych grupowo jest utrudnione, połączenie cech objętości sromu z liczbą dni od odsadzenia może stanowić skuteczną metodę wykrywania początku rui u tych zwierząt. Dokładność tej metody podczas uczenia i testowania wyniosła odpowiednio 97,9 ± 1,4% oraz 95,2 ± 4,8%. Konieczna jest jednak dalsza walidacja w rzeczywistych warunkach utrzymania grupowego.