相关实验视频
Updated: Jul 28, 2025
14:53
Bovine Mammary Gland Biopsy Techniques
Published on: December 23, 2018
14.3K
早期检测乳母奶牛的亚临床乳腺炎,使用奶牛水平的特征
A Pakrashi1, C Ryan1, C Guéret2
1VistaMilk SFI Research Centre, Teagasc Moorepark, Fermoy, Co. Cork, P61 C996, Ireland; School of Computer Science, University College Dublin, Belfield, D04 V1W8, Ireland; Insight Centre for Data Analytics, University College Dublin, Belfield, Dublin 4, D04 N2E5, Ireland.
Journal of dairy science
|June 2, 2023
概括
使用机器学习模型早期检测奶牛的亚临床乳腺炎可以帮助奶牛养殖者. 这些模型可以提前7天预测乳腺炎,改善群体健康和农场利能力.
科学领域:
- 动物科学动物科学
- 兽医医学 兽医医学 兽医医学
- 数据科学数据科学数据科学
背景情况:
- 亚临床乳腺炎显著影响牛的健康,福利和奶牛场的利能力.
- 早期检测对于及时干预和减轻经济损失至关重要.
研究的目的:
- 评估机器学习模型在预测亚临床乳腺炎发生前7天的有效性.
- 评估数据收集频率减少对模型预测性能的影响.
主要方法:
- 在9年的时间里利用了2,389头奶牛的大量数据集 (1,346,207份牛奶日记录).
- 采用渐变增强机器模型,结合牛奶产量,流量,成分,体细胞计数 (SCC) 和奶牛特异性因素.
- 模拟减少数据记录频率 (15,30,45,60天) 的牛奶成分和SCC.
主要成果:
- 梯度增强模型实现了69.45%的灵敏度和95.64%的特异性,可以提前7天预测乳腺炎.
- 将数据收集频率减少到60天间隔,性能降低到66.93%的灵敏度和80.43%的特异性.
- 模型性能即使在不太频繁的数据记录下仍然有用.
结论:
- 机器学习模型可以使用常规可用的农场数据有效预测亚临床乳腺炎.
- 尽管减少了牛奶成分和SCC记录的频率,但仍然保持了有用的预测能力.
- 这种方法支持乳牛群的积极管理策略.
