0
W krajach rozwijających się spożycie wieprzowiny rośnie o około 5% rocznie. Zapewnienie bezpieczeństwa żywności w ramach etycznych standardów produkcji mięsa to rosnące zapotrzebowanie konsumentów. Niniejsze badanie miało na celu opracowanie modelu do przewidywania stresu u prosiąt na podstawie temperatury skóry w podczerwieni (IST) przy użyciu uczenia maszynowego i logiki parakonsystencji. Ogółem 72 prosięta (32 samce i 40 samic) w wieku od 1 do 52 dni miało zarejestrowaną temperaturę skóry w podczerwieni podczas fazy porodu i odchowu w różnych warunkach stresowych (ból, zimno / gorąco, głód i pragnienie). Oceny obrazów termowizyjnych dokonano za pomocą kamery termowizyjnej. Termogramy wykonywano w temperaturze otoczenia w zakresie od 24 do 30 ° C. Minimalna temperatura skóry w podczerwieni (IST min) i maksymalna temperatura skóry w podczerwieni (ISTmax) oraz płeć prosiąt wykorzystano jako atrybuty do określenia warunków stresowych (docelowych). Atrybuty uwzględnione w analizie zostały sklasyfikowane metodą eksploracji danych. Technika obrazowania obarczona jest pewnymi sprzecznościami i niepewnościami, które wymagają modelowania matematycznego. Do wydobycia sprzeczności z danych zastosowano logikę parakonsystencji.
Stan stresu, który miał wyższą dokładność w wykrywaniu, był taki, który był przewidywany przez zimno (100%) przy użyciu ISTmin i ISTmin plus płeć prosięcia oraz pragnienie (91%) przy użyciu ISTmax i ISTmax plus płeć prosięcia. Najwyższą prognozę głodu uzyskano za pomocą ISTmin (86%). Chociaż model był precyzyjny w wykrywaniu stresu w tych przypadkach, inne stresujące warunki u prosiąt, takie jak ból, miały dokładność równą lub mniejszą niż 50%.
Wyniki wskazują na obiecującą ocenę stanu stresu prosiąt przy użyciu temperatury skóry w podczerwieni. Sugerujemy włączenie innych atrybutów do procesu uczenia maszynowego, aby wzmocnić wykorzystanie modelu.
Felipe Napolitano da Fonseca, Jair Minoro Abe, Irenilza de Alencar Nääs, Alexandra Ferreira da Silva Cordeiro, Fábio Vieira do Amaral, Henry Costa Ungaro, Automatic prediction of stress in piglets (Sus Scrofa) using infrared skin temperature, Computers and Electronics in Agriculture, Volume 168, 2020 https://doi.org/10.1016/j.compag.2019.105148.