用实时传感器数据和农场记录来测量奶牛福利:一个概念研究
A H Stygar1, L Frondelius2, G V Berteselli3
1Bioeconomy and Environment, Natural Resources Institute Finland (Luke), Latokartanonkaari 9, 00790 Helsinki, Finland.
Animal : an international journal of animal bioscience
|November 19, 2023
概括
使用传感器数据和农场记录开发机器学习算法来分类奶牛福利,但取得的成功有限. 一个特定群体的模型提高了准确性,但建议结合面对面和基于传感器的评估来进行可靠的乳制品福利评估.
科学领域:
- 动物福利科学 动物福利科学
- 机器学习应用 机器学习应用
- 乳制品生产系统 乳制品生产系统
背景情况:
- 亲自对奶牛的福利进行评估是耗时的,并且提供有限的数据.
- 传感器数据 (加速计,牛奶计) 和农场记录为持续的福利监测提供了潜力.
- 开发精确的算法对于改善奶牛群管理和动物福利至关重要.
研究的目的:
- 开发和评估用于分类奶牛福利的机器学习算法.
- 评估使用传感器数据和农场记录进行福利评估的可行性.
- 为了比较全球和群体特定机器学习模型的性能.
主要方法:
- 一项试点研究涉及了芬兰,意大利和西班牙6个农场的318头牛,持续了135天.
- 乳牛的福利得分是使用来自福利质量® (WQ®) 协议的14个基于动物的措施.
- 应用了渐变增强树 (XGBoost) 机器学习算法,测试了全球和群体特定模型.
主要成果:
- 全球模型的性能较低 (平均灵敏度为0.44,特异性为0.68).
- 特定群体模型的准确性更高 (平均灵敏度为0.64,特异性为0.80).
- 低福利的分类表现最好,其次是良好和中等福利.
结论:
- 基于传感器的独立系统目前无法进行可靠的乳牛福利评估,因为它的准确性很低.
- 亲自评估和传感器数据的结合提供了更可靠的方法.
- 机器学习有可能增强乳制品福利监测系统.
