相关实验视频
Updated: Jul 17, 2025
07:34
Milk Collection Methods for Mice and Reeves' Muntjac Deer
Published on: July 19, 2014
19.9K
预测模型用于在集体养的断奶前乳牛中检测疾病,使用从自动奶器收集的数据
R K Perttu1, M Peiter1, T Bresolin2
1Department of Animal Science, University of Minnesota, St. Paul, MN 55108.
Journal of dairy science
|September 7, 2023
概括
自动牛奶养器 (AMF) 可以监测群体养的奶牛犊,使用养行为数据和机器学习预测疾病. 这种方法可以减少劳动力,并通过尽量减少视觉观察需求来改善小牛的健康.
科学领域:
- 动物科学动物科学
- 农业工程 农业工程
- 数据科学数据科学数据科学
背景情况:
- 单独安置乳牛犊是常见的,以防止疾病传播和促进健康监测.
- 自动牛奶养器 (AMF) 实现了群体住房,同时提供个人监控和允许自然行为.
- 据AMF养行为数据显示,AMF可以作为一种用于早期发现小牛疾病的工具.
研究的目的:
- 用AMF和机器学习 (ML) 算法的养行为数据来预测乳牛的疾病.
- 开发一种更强大,更有效的疾病预测模型,减少对视觉观察的依赖.
- 为了确定特定的养行为,表明群体养小牛的疾病.
主要方法:
- 在一个奶牛场进行了一项观察性研究,每周收集AMF数据和小牛健康记录.
- 用视觉评分和每日治疗记录来评估小牛的健康状况,形成两个数据集 (数据1和数据2).
- 机器学习算法 (通用线性模型,随机森林,梯度提升) 用于建立基于各种养行为参数的预测模型.
主要成果:
- 仅仅每周的健康评分不足以预测小牛的健康状况.
- 使用每日治疗记录和AMF数据的模型实现了高性能 (随机森林和梯度增强的F1分数为0.775和0.784).
- 随机森林和梯度增强算法在预测乳牛健康方面表现最好.
结论:
- 机器学习有效地识别了访问级养行为,用于预测群体养小牛的疾病.
- 基于AMF数据的ML算法可以显著减少手动视觉观测的需要.
- 这种方法有可能最大限度地降低劳动力成本,并提高奶牛小牛的整体健康管理.
