Infrared thermography as a non-invasive tool to study animal welfare
Notice bibliographique
Résumé
Abstract Growing public concern regarding animal welfare and consumer demand for humanely produced products have placed pressure on the meat, wool and dairy industries to improve and confirm the welfare status of their animals. This has increased the need for reliable methods of assessing animal welfare during commercial farm practices. The measurement of the stress caused by commercial farm practices is a major component of animal welfare assessment. However, a major issue for animal welfare science is that many of the techniques used to measure stress involve invasive procedures, such as blood sampling, which may themselves cause a stress response and therefore affect the measurement of interest. To reduce this problem, a number of non-invasive or minimally invasive methods and devices have been developed to measure stress. These include the measurement of cortisol concentrations in saliva and faeces, and remote devices for recording body temperature, heart rate and the collection of blood samples. This review describes the benefits and limitations of some of these methods for measuring stress. In particular, the review focuses on recent advances and current research in the use of infrared thermography (IRT) for measuring stress. Specific applications for IRT in the dairy and beef industries are also described including an automated, non-invasive system for early diagnosis of infection in cattle. It is essential that non-invasive measures of acute and chronic stress are developed for reliable assessment of animal welfare during standard farm management practices and IRT may be a useful tool for this purpose. IRT may offer advantages over many other non-invasive systems as it appears to be capable of measuring different components of the stress axis, including acute sympathetic and hypothalamic-pituitary-adrenocortical responses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».