|
| 猪场咬尾行为早期自动监测预警研究(上) |
|
| 投稿时间：2018-06-08 |
| DOI： |
| 中文关键词: 猪 咬尾 自动监测 预警 3D |
| 英文关键词: |
| 基金项目:徐州生物工程职业技术学院2017年度院级科技计划项目（2017KY07）。徐州生物工程职业技术学院畜牧兽医品牌专业建设资金资助。 |
|
| 摘要点击次数: 1091 |
| 全文下载次数: 64 |
| 中文摘要: |
| 保持较低的尾部姿势（低尾姿）是一个可减少咬尾发生不确定性的预警信号。研究采用精准畜禽养殖（Precision Livestock Farming，PLF），利用脉冲式3D摄像机，用机器视觉算法处理数据，实现猪尾姿势的自动化测量。3D算法验证检测低尾姿准确率为73.9%（灵敏度88.4%，特异性66.8%）。在典型商业饲养条件下，分8批次，共饲养23组，每组29头不断尾猪。其中，有15组暴发咬尾现象，随后把咬尾及被咬尾的猪均转移出圈，治疗被咬猪，同时加入环境富集材料。3D数据显示，猪的低尾姿检出率在咬尾暴发前有所增加，而在暴发后有所下降。暴发前，低尾姿率随时间推移呈增加趋势，暴发前1周低尾姿率高于前2周。在每一批次中，确定一个咬尾暴发组和一个非暴发组（作对照）。在暴发前1周、暴发后1和2周中，暴发组与对照组（非暴发组）相比有更多的3D低尾姿检测率。比较3D尾部姿势和尾部损伤评分数据，低尾姿比例越高，受伤的猪就越多。低尾姿可能不仅仅意味着有咬尾行为，因为当猪被移到一新圈时，不同组的猪的尾巴姿势不同，随时间的推移，猪的低尾姿比例增加。预示了3D机器视觉系统的潜力，它可以自动检测猪尾部姿势，并为猪场咬尾暴发提供早期预警。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 下载PDF阅读器 |
|
|
|
