MétaCan
Menu
Retour à la cohorte
Enregistrement W3210385378 · doi:10.1080/23737484.2021.1991855

Early detection of individual growing pigs’ sanitary challenges using functional data analysis of real-time feed intake patterns

2021· article· en· W3210385378 sur OpenAlexafffund
Bernard Colin, Simon Germain, C. Pomar

Notice bibliographique

RevueCommunications in Statistics Case Studies Data Analysis and Applications · 2021
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensAgriculture and Agri-Food CanadaUniversité de Sherbrooke
Organismes subventionnairesAgriculture and Agri-Food CanadaSwine Innovation Porc
Mots-clésHerdStatisticsAnimal scienceComputer scienceBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

This article is concerned with the conception of an automatic numerical procedure which, integrated into automatic feeders, can identify changes in the feed intake patterns of individual pigs, thus allowing early detection of potential sanitary challenges within the herd. More precisely, the proposed numerical procedure analyzes every day, and for each pig within the herd, feed intake data collected during 5 consecutive days (memory lag) to predict the feeding patterns of the following day. Then, the procedure evaluates, for each animal, the difference between the predicted and the observed feeding patterns and automatically detects if this difference is greater than a given threshold. In this case, a signal is sent to a monitoring center and the animal can be placed under observation.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,444
Score d'incertitude au seuil0,854

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,004
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,333
Tête enseignante GPT0,434
Écart entre enseignants0,101 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCommunications in Statistics Case Studies Data Analysis and ApplicationsMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207