Data-driven modeling of reproductive performance: a cohort study for elevated sow efficiency and sustainability in livestock farming
Notice bibliographique
Résumé
The slow development of the Internet of Things (IoT) in pig production, due to the lack of high-quality data, limited large-scale models, and low hardware coverage, has hindered the widespread adoption of precision feeding practices. This study aimed to address these challenges by providing a standardized dataset as a foundation for IoT development and constructing predictive models focused on birth litter weight (BLW) and weaned litter weight (WLW). To achieve these objectives, two comprehensive datasets consisting of 10,089 sow characteristics were collected. By comparing eight different algorithms, GBDT algorithm was selected as the optimal algorithm for modeling of BLW and WLW. The datasets were divided into a 90 % sample for model derivation, with the remaining 10 % used for model validation. The models for both BLW and WLW datasets exhibited consistent performance between main and validation cohorts, with low error magnitudes and high relative accuracy (MAE: 1.8–2.5, MAPE: 2.55 %–18.41 %, R > 60 %), indicating robustness and generalizability to unseen data. Delving deeper, the SHAP summary plots illustrated that in the model for BLW, G.ADFIp2, G.ADFIp3, G.ADFIp4, G.ADF and parity had a significant impact on the prediction. In the WLW model, the key influencing factors were weaned litter size, duration of lactation, parity, and birth litter weight. SHAP force and dependence plots had uncovered intricate effects of various features on the model’s outcomes. To enhance accessibility, we developed a user-friendly visualization and prediction website using the Streamlit Python framework. These critical research findings provide decision-makers with invaluable insights, fostering advancements in precision feeding models and IoT technologies in the swine industry. Ultimately, this contributes to the overarching goal of enhancing the comprehensive sustainability of livestock farming.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».