在母猪中,红外热学和激动行为的结合改善了对受监督的机器学习算法应用时的雌激素检测
Leila Cristina Salles Moura1, Janaina Palermo Mendes2, Yann Malini Ferreira1,3
1Animal Science Graduate Program, Federal Rural University of Rio de Janeiro (UFRRJ), Seropédica 23897-000, RJ, Brazil.
Animals : an open access journal from MDPI
|October 16, 2025
概括
在母猪中准确检测雌性是人工授精成功的关键. 通过将轨道热谱与机器学习和行为线索相结合,可以以87%的准确度预测雌激.
科学领域:
- 动物科学动物科学
- 兽医医学 兽医医学 兽医医学
- 机器学习应用 机器学习应用
背景情况:
- 优化猪人工授精 (AI) 的成功取决于精确的雌激素识别.
- 红外热学提供了一种非侵入性方法来监测与雌激素相关的生理变化.
研究的目的:
- 开发和验证一个模型,用红外热学和机器学习来预测母猪的期.
- 为了评估轨道区域温度变化在雌激发检测中的有效性.
主要方法:
- 收集了母猪眼睛,耳朵,乳房,背部,部和近部的红外热图像.
- 使用FLIR Thermal Studio Starter软件进行热图像分析.
- 应用监督机器学习模型 (RF,Ctree,PLS,KNN) 并通过混矩阵评估性能.
主要成果:
- 在期和非期状态之间的轨道区域观察到显著的温度差异.
- 一个结合激动行为和轨道温度的机器学习模型在预测性欲方面取得了87%的准确性.
- 轨道区域被证明是检测的关键指标.
结论:
- 将行为观测与轨道温度学和机器学习相结合,有望在母猪中准确检测雌激素.
- 这种方法有可能用于现场应用,以提高猪生产中的AI效率.
