X
XLinkedinWhatsAppTelegramTelegram
0

Analisi e classificazione dello stato di salute dei suini utilizzando dati di attività oraria: combinazione di analisi statistica e apprendimento automatico

La ricerca scientifica mirata alla tecnologia è molto frequente in Cina. In questo studio, si valuta, attraverso marchio auricolare il comportamento dei suini malati...

1 Maggio 2025
X
XLinkedinWhatsAppTelegramTelegram
0

La rilevazione precoce dei problemi sanitari nei suini è fondamentale per un allevamento efficiente e per il benessere degli animali. Questo studio impiega analisi statistiche e apprendimento automatico per analizzare e classificare lo stato di salute dei suini utilizzando dati degli orari di attività.

Materiali e Metodi: Abbiamo raccolto dati da 176 suini per 145 giorni utilizzando marche auricolari con microchip per suini e applicato metodi di analisi statistica e visualizzazione per identificare modelli di attività associati a stati di salute normali e anormali. Le caratteristiche principali, che comprendono caratteristiche statistiche, di picco e di tendenze, sono state estratte per addestrare diversi modelli di apprendimento automatico, tra cui Random Forest, CatBoost e il modello CNN_LSTM_Attention (CLA), tra gli altri.

Risultati: I risultati hanno indicato che i suini erano più attivi dalle 05:00 alle 10:00 e dalle 12:00 alle 18:00. Rispetto ai suini normali, i suini anormali presentavano livelli di attività notevolmente ridotti, in particolare durante le ore di punta. I suini con diversi tipi di anomalie hanno dimostrato livelli di attività distinti rispetto ai suini normali. Quelli con anomalie di tipo cardiorespiratorie hanno mostrato tendenze di attività in calo simili a quelli con anomalie della milza e dell'apparato digerente, mentre i suini con anomalie di crescita e sviluppo hanno presentato le differenze tra i gruppi più significative rispetto ai suini controllo. Il modello CLA ha raggiunto le prestazioni più elevate nella classificazione dello stato di salute dei suini, con un'accuratezza dell'89,3%.

Conclusioni: Questa ricerca presenta un approccio innovativo al monitoraggio e alla gestione della salute dei suini utilizzando i dati di attività, che ha implicazioni pratiche significative.

Jianjun Yin, Yifei Chen, Yigui Huang, Deqin Xiao, Analysis and classification of pig health status using hourly activity data: Combining statistical analysis and machine learning, Applied Animal Behaviour Science, Volume 282, 2025, 106488, ISSN 0168-1591, https://doi.org/10.1016/j.applanim.2024.106488.

Commenti sull'articolo

Questo spazio non è dedicato alla consultazione agli autori degli articoli, ma uno spazio creato per essere un punto di incontro per discussioni per tutti gli utenti di 3tre3
Pubblica un nuovo commento

Per commentare ti devi registrare su 3tre3 ed essere connesso.

Non sei iscritto nella lista la web in 3 minuti

Un riassunto settimanale delle news di 3tre3.it

Fai il log in e spunta la lista

Non sei iscritto nella lista la web in 3 minuti

Un riassunto settimanale delle news di 3tre3.it

Fai il log in e spunta la lista