0
Un rilevamento accurato del calore è essenziale per ottimizzare le prestazioni riproduttive delle scrofe. Il metodo convenzionale per rilevare il calore si basa su un laborioso test di pressione sul dorso della scrofa.
Obiettivo: Questo studio presenta un metodo automatizzato per rilevare il calore nelle scrofe tenute in gabbie individuali utilizzando un sistema robotico di elaborazione delle immagini e reti neurali.
Metodi: È stato utilizzato un sistema di imaging robotico, costituito da una telecamera LiDAR, per monitorare un gruppo di scrofe in gabbia a intervalli di 10 minuti e catturarne la postura e il volume vulvare. I dati delle immagini sono stati analizzati utilizzando un processo sviluppato in precedenza.
Risultati: Sono stati osservati cambiamenti significativi negli indici giornalieri di posizione eretta, decubito sternale e decubito laterale, frequenza dei cambiamenti di postura e volume vulvare prima dell'inizio dell'estro. È stata sviluppata un'architettura di modello di rete neurale convoluzionale 1-D per il rilevamento dell'estro, utilizzando come input i giorni trascorsi dallo svezzamento, le caratteristiche comportamentali e le caratteristiche del volume vulvare. I modelli di rilevamento del calore sono stati valutati utilizzando la convalida incrociata a 10 passaggi. L'accuratezza dell'addestramento e del test del modello di rilevamento è stata del 96,1 ± 2,0% e del 92,3 ± 10,1% utilizzando come dati i giorni trascorsi dallo svezzamento e le caratteristiche comportamentali. L'accuratezza dell'addestramento e del test del modello è aumentata al 98,1 ± 2,4% e al 98,0 ± 4,2% quando sono state aggiunte le caratteristiche del volume vulvare.
Conclusione: Sebbene sia difficile monitorare il comportamento delle scrofe allevate in gruppo, la combinazione delle caratteristiche del volume vulvare con i giorni trascorsi dallo svezzamento potrebbe essere un metodo adeguato per rilevare l'inizio del calore in queste scrofe. L'accuratezza dell'addestramento e del test di questo metodo di rilevamento del calore è stata rispettivamente del 97,9 ± 1,4% e del 95,2 ± 4,8%. Tuttavia, sono necessarie ulteriori convalide in condizioni di alloggiamento di gruppo reali...
Ziteng Xu, Jianfeng Zhou, Corinne Bromfield, Teng Teeh Lim, Timothy J. Safranski, Zheng Yan, Jeffrey G. Wiegert. Automated oestrous detection in sows using a robotic imaging system. Biosystems Engineering. 2024; 244: 134-145. https://doi.org/10.1016/j.biosystemseng.2024.05.018.
