0
Foram desenvolvidos sistemas de alerta precoce automatizados baseados em visão para detectar mudanças comportamentais em grupos de porcos e monitorar seu estado de saúde e bem-estar.
Em explorações comerciais, o registo automático do comportamento alimentar permanece um desafio devido a problemas de variação na iluminação, oclusões e aparência semelhante de diferentes porcos. Além disso, esses sistemas, que contam com seguimento de porcos, muitas vezes sobrestimam o tempo real gasto com alimentação, devido à impossibilidade de identificar e / ou excluir visitas não nutritivas (VNN) à área de alimentação.
Para resolver esses problemas, foi desenvolvido um método consistente de detecção de alimentação baseado em aprendizado profundo que (a) não depende do seguimento de porcos e (b) é capaz de distinguir entre alimentação e VNN num grupo de porcos. Primeiro o método foi validado usando gravações de vídeo de uma exploração comercial com vários ambientes. Foi demonstrada a capacidade deste método automatizado em identificar a alimentação e o comportamento do VNN com alta precisão (99,4% ± 0,6%). O método foi então testado quanto à sua capacidade de detectar mudanças na dieta e comportamentos do VNN durante um período planeado de restrição alimentar.
O método foi capaz de quantificar automaticamente as mudanças esperadas nos comportamentos de alimentação e VNN. Além disso, foi capaz de monitorizar de forma consistente e precisa o comportamento alimentar em grupos de porcos de explorações comerciais, sem a necessidade de sensores adicionais ou marcação individual.
Em conclusão, este método automatizado tem grande potencial de aplicação para a detecção precoce de problemas de saúde e bem-estar em suínos de criação comercial.
Alameer A, Kyriazakis I, Dalton HA, Miller AL, Bacardit J. Automatic recognition of feeding and foraging behaviour in pigs using deep learning. Biosystems Engineering. 2020; 197: 91-104. https://doi.org/10.1016/j.biosystemseng.2020.06.013.
