Development of a decision support tool for precision feeding of pregnant sows
Notice bibliographique
Résumé
Nutritional studies indicate that nutrient requirements for pregnancy largely differ among sows and according to the stage of pregnancy, whereas in practice the same diet is generally fed to all sows from a given herd. In this context, the availability of new technologies for high throughput phenotyping of sows and their environment, and of innovative feeders that allow the distribution of different diets, offers opportunities for a renewed and practical implementation of prediction models of nutrient requirements, in the perspective of improving feed efficiency and reducing feeding costs and environmental impacts. The objective of this study was thus to design a decision support tool that could be incorporated in automated feeding equipment. The decision support tool was developed on the basis of InraPorc® model. The optimal supply for a given sowis determined each day according to a factorial approach considering all the information available on the sow: genotype, parity, expected prolificacy, gestation stage, body condition (i.e. weight and backfat thickness), activity and housing (i.e. type of floor and ambient temperature). The approach was tested using data from 2500 pregnancies on 540 sows. Energy supply was calculated for each sow to achieve, at farrowing, a target body weight established based on parity, age at mating and backfat thickness (18 mm). Precision feeding (PF) with the mixing of two diets was then simulated in comparison with conventional (CF) feeding with a single diet. Compared to CF, PF reduced protein and aminoacid intake, N excretion and feeding costs. At the same time, with PF, amino acid requirement was met for a higher proportion of sows, especially in youngersows, and a lower proportion of sows, especially older sows, received excessive supplies. This project has received funding from the European Union’s Horizon 2020 research and innovation programme, grant agreement No 633531. The data used for the simulations were issued from a project conducted within theAgriInnovation Program from Agriculture and Agri-food Canada.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».