机器学习方法利用传感器数据预测和检测乳牛中数字皮肤炎的早期发病情况
Jennifer Magana1, Dinu Gavojdian2, Yakir Menahem3
1Department of Animal Sciences, Washington State University, Pullman, WA, United States.
Frontiers in veterinary science
|December 18, 2023
概括
机器学习模型使用传感器数据准确地检测乳牛的数字皮肤炎 (DD). 早期检测和预测DD是可能的,有助于群体管理和改善牛的福利.
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:
- 数字性皮肤炎 (DD) 是乳牛的重要原因,影响动物福利和农场经济.
- 早期发现和预测DD对于有效的群体管理和及时干预至关重要.
- 基于传感器的行为数据为乳牛健康的非侵入性监测提供了一个有希望的途径.
研究的目的:
- 开发和评估机器学习算法,用于早期检测乳牛的数字皮肤炎 (DD).
- 使用传感器行为数据,创建乳牛中DD的预测模型.
- 探索DD的自动化,实时监控和诊断工具的潜力.
主要方法:
- 利用基于树的管道优化工具 (TPOT) 开发机器学习模型.
- 采用传感器衍生的行为数据作为模型的输入特征.
- 在临床症状出现前2天实施了K-means集群和TPOT的组合,用于DD预测.
主要成果:
- 在临床症状出现之日,TPOT模型在检测DD时达到79%的准确性.
- 结合K-means和TPOT模型在预测临床症状2天前的DD时达到64%的准确性.
- 确定了行为模式的变化作为早期DD检测的关键指标.
结论:
- 基于传感器数据的机器学习模型显示了乳牛早期DD检测和预测的巨大潜力.
- 这些模型可以构成实时自动化工具的基础,用于监控和诊断DD.
- 使用传感器数据的行为模式分析可以通过牛健康和福祉的早期预警系统来增强群体管理.
