Technologies for automatic assessment of pig welfare using animal-based indicators in the slaughterhouse: a review
Notice bibliographique
Résumé
Most meat-producing species end their life at the slaughterhouse. Here, animals are gathered from diverse farms, allowing for extensive data collection, including on welfare status. Assessing animal welfare requires reliable indicators, particularly those that are animal-based. Automated welfare evaluation offers a continuous, objective, and consistent approach for monitoring large numbers of animals, eliminating human bias and fatigue associated with high-speed production lines, and decreasing farm visits. This review aims to identify animal-based welfare indicators for pigs that can be automatically measured at slaughterhouses and to examine commercially available Precision Livestock Farming (PLF) technologies used at the slaughterhouse, including prototypes and on-farm technologies that can be adapted and applied to slaughterhouses. A three-step methodology is used: first a systematic literature search, followed by a comprehensible commercial search, and finally an expert consultation survey to confirm that all technologies were identified. A total of 16 technologies for slaughterhouse applications and 71 technologies for on-farm use were identified. Among the on-farm technologies, 52 were deemed feasible for slaughterhouse implementation, while 19 were considered unsuitable due to mismatches with slaughterhouse purposes, such as feeding behaviour or heat detection. The results also highlight the need to address automated welfare assessment during the transport phase to ensure thorough understanding and continuous monitoring of animal welfare across the entire production chain. While automated systems for monitoring pig welfare show significant potential, challenges in practical implementation and widespread adoption remain, requiring collaboration between researchers, industry stakeholders, and technology developers to fully realise their potential. • Sensors can be used to monitor in-situ and retrospective welfare at slaughterhouses. • On-farm sensors could assess welfare at slaughterhouses, especially in lairage areas. • Technologies require validation for reliable use in slaughterhouse settings.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».