0
Se han desarrollado sistemas automatizados de alerta temprana basados en la visión para detectar cambios de comportamiento en grupos de cerdos y controlar su estado sanitario y de bienestar. En explotaciones comerciales, el registro automático del comportamiento de alimentación sigue siendo un desafío debido a problemas de variación en la iluminación, oclusiones y apariencia similar de diferentes cerdos. Además, estos sistemas, que dependen del seguimiento de los cerdos, a menudo sobreestiman el tiempo real dedicado a la alimentación, debido a la incapacidad de identificar y/o excluir las visitas no nutritivas (VNN) a la zona de alimentación. Para abordar estos problemas, se ha desarrollado un método consistente de detección de alimentación basado en el aprendizaje profundo que (a) no depende del seguimiento de los cerdos y (b) es capaz de distinguir entre alimentación y VNN en un grupo de cerdos. Primero el método fue validado utilizando grabaciones en vídeo de una granja comercial con diversos entornos. Se demostró la capacidad de este método automatizado para identificar la alimentación y el comportamiento de VNN con alta precisión (99,4% ± 0,6%). Luego se probó la capacidad del método para detectar cambios en la alimentación y comportamientos de VNN durante un período planificado de restricción alimentaria.
El método fue capaz de cuantificar automáticamente los cambios esperados tanto en la alimentación como en los comportamientos de VNN. Además, fue capaz de vigilar de forma consistente y precisa el comportamiento de alimentación en grupos de cerdos de granjas comerciales, sin la necesidad de sensores adicionales o un marcado individual.
En conclusión, este método automatizado tiene un gran potencial de aplicación para la detección temprana de problemas de salud y bienestar de cerdos de granjas comerciales.
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.