0
A caudofagia ou mordedura da cauda é um comportamento nocivo que afecta o bem-estar e a saúde dos suínos. A detecção precoce de sinais precursores de caudofagia proporciona uma oportunidade para tomar medidas preventivas, evitando assim a incidência de mordedura da cauda. O objectivo deste estudo foi criar um algoritmo de aprendizagem automática para a detecção em tempo real de futuros surtos de caudofagia, utilizando dados de comportamento alimentar registados através de alimentadores electrónicos. As capacidades preditivas de sete algoritmos de aprendizagem automática (modelo linear generalizado com selecção gradual de características, florestas aleatórias, máquinas de vectores de apoio com kernel de função de base radial, modelo bayesiano linear generalizado, rede neural, k vizinhos mais próximos e análise discriminante por mínimos quadrados parciais) foram avaliadas a partir de dados diários de alimentação recolhidos em 65 parques de duas explorações de suínos de engorda (25-100 kg), com 27 incidências de mordedura da cauda. Os dados foram divididos em dados de treino e dados de análise de duas formas diferentes: dividindo aleatoriamente os dados em 75% (conjunto de treino) e 25% (conjunto de análise), ou seleccionando aleatoriamente os parques para constituir o conjunto de análise. Na primeira divisão de dados, o modelo é periodicamente actualizado com dados prévios do parque, enquanto na segunda divisão de dados, o modelo tenta prever para um parque que não tenha sido previamente avaliado.
O algoritmo dos k vizinhos mais próximos conseguiu prever 78% dos surtos seguintes com uma exactidão de 96%, ao prever surtos em parques para as quais tinha dados prévios.
Em conclusão, os resultados indicam que os modelos de aprendizagem automática podem ser considerados para implementação em sistemas de alimentação automática para prever surtos de mordedura da cauda em tempo real.
Ollagnier C, Kasper C, Wallenbeck A, Keeling L, Bee G, Bigdeli SA. PLOS One. 2023. https://doi.org/10.1371/journal.pone.0252002
