To koniec ery tradycyjnego monitorowania świń, dodatkowych czujników i indywidualnych oznaczeń. System uczenia głębokiego bazujący na użyciu szybkiej i dokładnej kamery 2D automatycznie rozpoznaje zachowania świń związane z żywieniem się, dzięki czemu możliwe jest wczesne wykrywanie problemów z ich zdrowiem i dobrostanem.
W trakcie hodowli zwierząt gospodarskich konieczne jest dokładne monitorowanie żywienia i związanych z nim zachowań, jako że umożliwia to wykrywanie na wczesnym etapie wszelkich problemów ze zdrowiem i dobrostanem. Zmiany w zachowaniach związanych z żywieniem są oznaką takich problemów. Nawet subtelne różnice w sposobie spożywania paszy mogą pomóc w wykryciu problemów ze zdrowiem i dobrostanem zwierząt gospodarskich.
Badacze wspierani przez finansowane ze środków UE projekty HealthyLivestock oraz Feed-a-Gene opracowali obiecującą nową metodę monitorowania zachowań związanych z żywieniem i poszukiwaniem pożywienia u świń; metoda ta może pomóc we wczesnym wykrywaniu takich problemów. Metodę zautomatyzowanego wykrywania opisano w artykule naukowym opublikowanym w czasopiśmie „Biosystems Engineering”. Metoda ta sprawdza się przy rozmaitych sytuacjach z zakresu hodowli zwierząt i zarządzania.
Metoda uczenia głębokiego, oparta na konwolucyjnych sieciach neuronowych i kamerze 2D, automatycznie wykrywa zachowania związane z żywieniem bez konieczności stosowania dodatkowych czujników czy indywidualnego znakowania. Według badania: „system wykorzystuje obrazy wideo w skali odcieni szarości i został przeszkolony, by radzić sobie ze stale zmieniającymi się warunkami w gospodarstwie, np. warunkami oświetlenia, zatorami spowodowanymi przez inne świnie oraz insektami zasłaniającymi obraz z kamery”.
Zachowań związanych z żywieniem nie ocenia się za pomocą tradycyjnych metod monitorowania świń. Zamiast tego badacze zastosowali „architektury przypominające GoogLeNet (…), aby monitorować mniejsze, wcześniej zdefiniowane obszary obejmujące dwa koryta z paszą oraz prosty, wyraźnie określony obszar przed nimi. W ten sposób proponowany system unika problemów powiązanych ze śledzeniem krótkiego ID, co może ciągle zakłócać proces gromadnego rozpoznawania zachowań związanych z żywieniem”.Wykrywanie zachowań związanych z żywieniem jest szybkie (0,02 sekundy na obraz) i dokładne (99,4 %). W przeciwieństwie do tradycyjnego monitorowania świń system ten nie przeszacowuje faktycznego czasu spędzonego na żywieniu się. Jest tak dlatego, że metoda ta umożliwia rozróżnienie pomiędzy odwiedzaniem miejsca karmienia w celach innych niż żywienie się (przy korycie widać nogi zwierzęcia, ale nie jego głowę) a odwiedzaniem go w celu żywienia się (również głowa jest widoczna przy korycie). „Jako że nasz system koncentruje się wyłącznie na podzestawie dostępnych koryt z paszą w kontekście komercyjnym, wykazujemy, że możliwe jest pozyskanie z tego podzestawu wystarczających danych, by można było rozpoznać zmiany dotyczące zachowań związanych z żywieniem na poziomie grupy”, wynika z badania.
Metodę tę po raz pierwszy zweryfikowano, wykorzystując materiał wideo z komercyjnego gospodarstwa ze świniami w różnych ustawieniach. Następnie, w trakcie planowanego okresu ograniczania ilości paszy, w trakcie którego świnie otrzymywały 80 % swej dziennej porcji żywieniowej przez 4 kolejne dni, zespół przetestował metodę pod kątem możliwości wykrywania zmian w zachowaniach związanych i niezwiązanych z żywieniem. „Ustaliliśmy, że dzięki tej metodzie możliwe było automatyczne określenie przewidywanych zmian zarówno w zachowaniach związanych z żywieniem, jak i w innych zachowaniach”, stwierdzili badacze.
Metoda, zgodna z założeniami projektów HealthyLivestock (Tackling Antimicrobial Resistance through improved livestock Health and Welfare) oraz Feed-a-Gene (Adapting the feed, the animal and the feeding techniques to improve the efficiency and sustainability of monogastric livestock production systems), może pomóc we wczesnym wykrywaniu problemów ze zdrowiem i dobrostanem u świń hodowanych w celach komercyjnych. Projekt Feed-a-Gene zakończył się w 2020 roku, zaś czteroletni projekt HealthyLivestock potrwa do 2022 roku.
Więcej informacji:
poleca:
