改善牛场分类:利用机器学习和链接的国家数据集
Guy-Alain Schnidrig1,2, Rahel Struchen3, Sara Schärrer3
1Veterinary Public Health Institute, Vetsuisse, University of Bern, Bern, Switzerland.
Frontiers in veterinary science
|February 20, 2025
概括
本研究定义了瑞士五种主要的牛生产类型,并开发了一种机器学习模型来分类农场. 这种分类改善了对瑞士牛的疾病监测和抗生素使用基准测试.
科学领域:
- 兽医流行病学 兽医流行病学
- 农业科学 农业科学
- 机器学习在动物健康中的应用.
背景情况:
- 畜牧场登记册往往缺乏详细的生产类型信息,阻碍了疾病监测和抗生素使用分析.
- 在针对性的公共卫生干预中,区分瑞士牛场的牛奶/非牛奶生产之外的区别至关重要.
- 目前的数据限制影响了牛病监测计划的规划和评估.
研究的目的:
- 为瑞士农业定义相关的牛生产类型.
- 开发一种机器学习模型,根据生产类型对瑞士牛场进行分类.
- 通过改进农场分类,优化疾病监测和抗生素消费的基准评估.
主要方法:
- 专家合作确定五种主要的牛生产类型:肥牛,奶牛,肥牛,养牛和母牛.
- 从瑞士14个州的618个参考农场收集数据,利用来自三个国家数据库的信息.
- 培训和评估三种机器学习模型,包括随机森林,使用农场级生产,人口统计,移动和抗生素使用数据.
主要成果:
- 随机森林模型在分类牛生产类型方面取得了很高的表现,准确度为0.914和F1-Score为0.879.
- 成功地将农场分为五种不同的生产类型:肥牛,奶牛,肥牛,养牛和母牛.
- 开发了一种可复制的方法,使用国家数据集对瑞士牛场进行年度分类.
结论:
- 已经建立了一个强大的方法来将瑞士牛场分为五种初级生产类型.
- 开发的机器学习模型使得有效和有针对性的疾病监测和抗生素使用监测成为可能.
- 灵活的方法可以适应其他国家和数据集,支持全球兽医公共卫生方面的改进.
