使用基于传感器的养,运动和社会行为数据,在未断奶的奶牛小牛中早期发现牛呼吸系统疾病
Emily V Bushby1, Matthew Thomas1, Jorge A Vázquez-Diosdado1
1School of Veterinary Medicine and Science, Sutton Bonington Campus, University of Nottingham, Leicestershire, LE12 5RD, UK.
Scientific reports
|April 28, 2024
概括
机器学习模型可以使用养和运动行为预测小牛的牛呼吸道疾病 (BRD). 虽然有希望,但需要进一步的研究才能在未断奶的小牛中可靠地早期检测到BRD.
科学领域:
- 动物科学动物科学
- 兽医医学 兽医医学 兽医医学
- 机器学习在农业中的应用
背景情况:
- 牛呼吸道疾病 (BRD) 是对预先断奶的小牛的重大关注.
- 早期发现BRD对于有效治疗和群体管理至关重要.
- 以前的研究表明,行为监测可以帮助预测BRD.
研究的目的:
- 通过使用行为数据,评估机器学习算法在预测未断奶小牛中BRD发病的有效性.
- 为了确定关键的养,运动和社会行为特征预测BRD.
- 为了评估一个梯度提升机器分类算法对BRD预测的性能.
主要方法:
- 利用了172只小组养的小牛的数据,包括养,运动 (通过超宽带传感器) 和社会行为.
- 每周两次采集健康数据,使用威斯康星州修改的评分系统和直肠温度测量.
- 采用渐变增强机器分类算法来预测BRD事件.
主要成果:
- 梯度增强机实现了中等至高性能 (精度:0.773,灵敏度:0.625).
- 运动行为,特别是每日步行距离,是最重要的预测因素.
- 食和社会行为对预测模型的贡献很小.
结论:
- 行为数据,特别是运动模式,显示了预先断奶的小牛预测BRD的潜力.
- 目前的模型需要进一步改进,以基于行为进行可靠,早期的BRD检测.
- 未来的研究应该专注于提高预测准确性,以便在小牛管理中实际应用.
更多相关视频
11:02The Use of an Automated System GreenFeed to Monitor Enteric Methane and Carbon Dioxide Emissions from Ruminant Animals
Published on: September 7, 2015
22.0K
10:25Multi-system Monitoring for Identification of Seizures, Arrhythmias and Apnea in Conscious Restrained Rabbits
Published on: March 27, 2021
6.0K
