Veehouders staan ​​voor de constante uitdaging om diergedrag te volgen op tekenen van ziekte of letsel.

Om dit probleem op te lossen, heeft een interdisciplinair team van de Universiteit van Nebraska precisietechnologie ontwikkeld waarmee fabrikanten constant dieren kunnen monitoren en de gegevens kunnen gebruiken om hun kwaliteit te verbeteren. De groep bestaat uit elektrotechnici en computerwetenschappers uit Nebraska, evenals zoölogische wetenschappers die een technologisch systeem hebben ontwikkeld met video-opnames van varkens.

Het systeem verwerkt de hele dag door videomateriaal afkomstig van veehouderijen en maakt gebruik van de 'machine learning'-methode voor gegevensanalyse, die statistische algoritmen gebruikt om computersystemen te helpen verbeteren zonder expliciete programmering. Het identificeert individuele varkens en geeft gegevens over hun dagelijkse activiteiten, zoals eten, drinken en beweging.

Op basis van deze gegevens kan het systeem ook inschatten hoeveel elk varken weegt en hoe snel het groeit. "Ons systeem biedt een model van typisch gedrag", zegt Eric Psota, universitair hoofddocent, hoogleraar elektrische en computertechniek. 'Als een dier van dit patroon afwijkt, kan dat een teken zijn dat er iets mis is. Dit maakt het makkelijker om problemen op te sporen voordat ze te groot worden om op te lossen. ”

Het team heeft zijn systeem gemaakt met behulp van deep learning-netwerken, een vorm van machine learning met miljoenen factoren en parameters. Om varkens aan alle kanten te identificeren, verwerken netwerken grote en kleine afbeeldingen, roteren ze en transformeren ze anderszins.

Het team gebruikt oorlabels om te helpen bij de identificatie, maar probeert te vertrouwen op unieke fysieke kenmerken, zoals de vorm van het oor, terwijl de producenten extra etiketteringswerk behouden. Hoewel het systeem is ontworpen om varkens te identificeren, kunnen de algoritmen worden gebruikt voor andere soorten vee, zoals runderen, paarden, geiten en schapen.