PSII-4 How to define good mothering ability using computer vision of free farrowing sows?
Notice bibliographique
Résumé
Abstract In modern swine production, most of the sows are housed in a cage system in the farrowing unit. Although this system is intended to reduce preweaning mortality, the welfare of the sow might be compromised as it greatly restricts their natural behavior. Free farrowing systems allow sows to move around in the farrowing pen, which might stimulate their nesting behavior, shorten the farrowing duration and improve locomotion score, therefore, optimizing the longevity of the sows. However, the risk of increased preweaning mortality in free farrowing systems is greater compared with cage systems. Previous studies suggested that sow behavior, also known as mothering ability, can influence preweaning mortality as an increased level of posture changes could lead to increased mortality. With grunts, a sow could initiate the suckling of the piglets but also terminate it by hiding her udder from the piglets. However, there is conflicting evidence on what characteristics of maternal ability are correlated with piglet mortality, and most studies relied on limited manual observations, which might be biased. Using computer vision algorithms, the behavior and the movement pattern of a large number of sows could be monitored at a high density and on a continuous basis. Hence, this study intended to investigate the mothering ability of sows in free farrowing systems based on large quantities and unbiased observations using computer vision. Forty cameras were installed above free farrowing pens to observe the behavior of the sow. The dataset is continuously growing and will add data of 8 sows every week, totaling 416 sows on a yearly basis. The performance of the sows and their piglets are recorded, including body weight (BW), backfat, total number born, number weaned, birth weight, and weaning weight. Computer vision algorithms (YOLO) will be trained to estimate the contour and posture of the sow and the position of the piglets. Preliminary results based on a small subset of animals showed that the algorithm is able to detect the sows and their postures accurately, and it is now being extended to detect piglet locations. This will allow us to find beneficial behavior of sow and piglets, estimate genetic parameters for potential implementation in breeding programs, and eventually improve sow performance in a welfare-friendly free farrowing system.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».