機械学習アルゴリズムを用いた brojler chickens の傷跡の予測モデル化

科学分野:

• 動物科学
• 農業工学
• データサイエンス

背景:

• brojler chickensの傷は家禽の生産において重要な問題であり,動物の福祉と経済的利益に悪影響を及ぼします.
• 飼育 捕獲 輸送 屠殺 の 過程 で 生じる 身体 的 ストレス と 傷害 は 死体 の けいれん に 寄与 し ます.

研究 の 目的:

• トラック毎のブレイジングリスク (肉体のブレイジングの割合が低いか高い) を分類する.
• 6つの機械学習モデルの予測性能を比較する
• 福祉のモニタリングを強化し,経済的損失を減らすために,意思決定のためのツールを提供すること.

主な方法:

• 6つの機械学習モデルを評価した. LASSO,CT,RF,NB,SVM,XGB.
• 飼育から屠殺段階までの14の予測要素を含む26,031のトラックロードのデータセットを使用しました.
• トラック積載の41.4%は,高傷率の自然分布のため,再サンプリングなしで訓練されたモデル.

主要な成果:

• Extreme Gradient Boosting (XGB) アルゴリズムは,他の5つのモデルと比較して優れた予測性能を示した.
• 傷の主要な予測要因は,平均体重,輸送期間,飼育密度 (飼料箱と箱),輸送距離,死亡率/屠殺率,飼料の回収時間,巣箱の長さでした.
• 概して予測精度は中等で,重要な変数が欠けていた可能性がある.

結論:

• 機械学習,特にXGBは,ブレイジングに敏感な brojler flocksの早期識別のための貴重なツールです.
• 鳥の健康,飼料の密度,飼料の回収,飼料の保存期間を重んじる標的型管理の介入は,傷を効果的に軽減することができます.
• これらの戦略の実施は,商業用 brojler 生産における動物福祉と運用効率の両方を大幅に改善することができます.