0
Sistemas de alerta precoce automatizados baseados em observação foram desenvolvidos para detectar mudanças comportamentais em grupos de suínos e monitorar seu estado de saúde e bem-estar. Em granjas comerciais, o registro automático do comportamento alimentar permanece um desafio devido a problemas de variação na iluminação, oclusões e aparência semelhante de suínos diferentes. Além disso, esses sistemas, que contam com rastreamento de suínos, muitas vezes superestimam o tempo real despendido com alimentação, devido à incapacidade de identificar e / ou excluir visitas não nutritivas (VNN) à área de alimentação. Para resolver esses problemas, um método consistente de detecção de alimentação baseado em aprendizado profundo foi desenvolvido e que: a) não depende do rastreamento de animais e b) é capaz de distinguir entre alimentação e VNN em um grupo de animais. O método foi validado primeiro usando gravações de vídeo de uma granja comercial com vários ambientes. A capacidade deste método automatizado para identificar a alimentação e o comportamento do VNN com alta precisão (99,4% ± 0,6%) foi demonstrada. O método foi então testado quanto à sua capacidade de detectar mudanças na dieta e comportamentos do VNN durante um período planejado de restrição alimentar.
O método foi capaz de quantificar automaticamente as mudanças esperadas nos comportamentos de alimentação e VNN. Além disso, ele foi capaz de monitorar de forma consistente e precisa o comportamento alimentar em grupos de porcos de granjas 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.