0
Sono stati sviluppati sistemi di allerta precoce automatizzati basati sulla visione per rilevare i cambiamenti comportamentali in gruppi di suini e monitorare il loro stato di salute e benessere. Negli allevamenti commerciali, la registrazione automatica del comportamento alimentare rimane una sfida a causa di problemi di variazione dell'illuminazione, occlusioni e aspetto simile di diversi suini. Inoltre, questi sistemi, che si basano sul tracciamento dei suini, spesso sovrastimano il tempo effettivo speso per l'alimentazione, a causa dell'incapacità di identificare e/o escludere visite non nutritive (NNV Non-Nutritive Visits) nell'area di alimentazione.
Per affrontare questi problemi, è stato sviluppato un metodo di rilevamento dell'alimentazione basato sull'apprendimento profondo coerente che (a) non dipende dal monitoraggio dei suini e (b) è in grado di distinguere tra alimentazione e VNN in un gruppo di suini. Il metodo è stato prima convalidato utilizzando registrazioni video di un allevamento commerciale con vari ambienti. È stata dimostrata la capacità di questo metodo automatizzato di identificare l'alimentazione e il comportamento di VNN con alta precisione (99,4% ± 0,6%). Il metodo è stato quindi testato per la sua capacità di rilevare cambiamenti nella dieta e comportamenti NNV durante un periodo pianificato di restrizione alimentare.
Il metodo è stato in grado di quantificare automaticamente i cambiamenti previsti sia nei comportamenti di alimentazione che in quelli di VNN. Inoltre, è stato in grado di monitorare in modo coerente e accurato il comportamento alimentare in gruppi di suini provenienti da allevamenti commerciali, senza la necessità di sensori aggiuntivi o marcatura individuale.
In conclusione, questo metodo automatizzato ha un grande potenziale di applicazione per la diagnosi precoce di problemi di salute e benessere nei suini di allevamenti commerciali.
Alameer A, Kyriazakis I, Dalton HA, Miller AL, Bacardit J. Automatic recognition of feeding and foraging behaviour in pigs using deep learning. Biosystems Engineering. 2020; 197: 91-104. https://doi.org/10.1016/j.biosystemseng.2020.06.013.
