Skip to main content

Article Category

Notizia

Article available in the folowing languages:

Un rilevamento automatizzato basato sull’apprendimento profondo del comportamento alimentare dei suini per un bestiame più sano

Dite addio al monitoraggio tradizionale dei suini, ai sensori aggiuntivi e alla marcatura individuale. Un sistema di apprendimento profondo rapido e preciso basato su una fotocamera 2D riconosce automaticamente il comportamento alimentare dei suini, rilevando in modo tempestivo possibili problemi legati alla salute e al benessere.

Economia digitale
Alimenti e Risorse naturali

Quando si alleva bestiame, l’alimentazione e i comportamenti correlati devono essere quantificati con cura al fine di rilevare tempestivamente qualsiasi problema legato al benessere e alla salute. I cambiamenti nei comportamenti alimentari sono un segnale di tali problematiche e persino sottili differenze nel modo in cui un animale consuma i suoi alimenti potrebbero contribuire a individuare problemi legati al benessere e alla salute nel bestiame. Alcuni ricercatori sostenuti dai progetti HealthyLivestock e Feed-a-Gene, finanziati dall’UE, hanno sviluppato un nuovo metodo promettente per monitorare l’alimentazione e il foraggiamento dei suini che potrebbe contribuire al rilevamento tempestivo di questi problemi. Descritto in un articolo pubblicato nella rivista «Biosystems Engineering», il metodo di rilevamento automatizzato è utilizzabile in moltissime situazioni di gestione e allevamento. Fondato su reti neurali convoluzionali, il metodo di apprendimento profondo basato su una fotocamera 2D rileva in modo automatico il comportamento alimentare dei suini senza utilizzare sensori aggiuntivi o la marcatura individuale. Secondo lo studio, «il sistema funziona con immagini video in scala di grigi ed è stato addestrato per gestire il cambiamento continuo delle condizioni dell’allevamento, ad esempio condizioni di illuminazione, problemi di occlusione causati da altri suini e insetti che ostruiscono l’immagine dalla fotocamera». I comportamenti alimentari non sono valutati utilizzando i metodi tradizionali di monitoraggio suino: i ricercatori invece hanno usato «architetture simili a GoogLeNet […] per monitorare un’area ridotta predefinita recintata che copre due trogoli adibiti all’alimentazione e un’area semplice definita più chiaramente davanti agli stessi. In questo modo, il sistema proposto evita problemi a breve termine connessi al tracciamento identificativo, che possono alterare continuamente il processo cumulativo di riconoscimento del comportamento alimentare».

Rilevare sottili cambiamenti comportamentali

Il rilevamento del comportamento alimentare è rapido (0,02 secondi per immagine) e preciso (99,4 %). A differenza del monitoraggio tradizionale dei suini, il sistema non sopravvaluta il tempo effettivo dedicato all’alimentazione. Questo succede perché il sistema può differenziare tra le visite senza scopi nutritivi presso l’area adibita all’alimentazione (in cui le zampe sono dentro ai trogoli per l’alimentazione, ma non la testa) e l’alimentazione (quando anche la testa si trova all’interno dei trogoli). «Dato che il nostro sistema si concentra solo su un sottoinsieme di trogoli disponibili adibiti all’alimentazione in un contesto a scopi commerciali, abbiamo dimostrato che si possono raccogliere dati sufficienti da questo sottoinsieme in modo da individuare i cambiamenti correlati ai comportamenti alimentari a livello di gruppo», segnala lo studio. Il metodo è stato convalidato per la prima volta utilizzando materiale video proveniente da un allevamento suino a scopi commerciali in diversi ambienti. In seguito, durante un periodo pianificato di restrizione alimentare in cui i suini hanno ricevuto l’80 % dei loro alimenti quotidiani per quattro giorni consecutivi, il gruppo ha collaudato la capacità del metodo di rilevare i cambiamenti nei comportamenti alimentari e in quelli legati alle visite senza scopi nutritivi. «Abbiamo scoperto che il metodo era in grado di quantificare in modo automatico i cambiamenti attesi nei comportamenti alimentari e nei comportamenti legati alle visite senza scopi nutritivi», hanno affermato i ricercatori. Promuovendo gli obiettivi di HealthyLivestock (Tackling Antimicrobial Resistance through improved livestock Health and Welfare) e di Feed-a-Gene (Adapting the feed, the animal and the feeding techniques to improve the efficiency and sustainability of monogastric livestock production systems), il metodo potrebbe contribuire al rilevamento tempestivo di sfide legate al benessere e alla salute dei suini allevati a scopi commerciali. Feed-a-Gene si è concluso a inizio 2020, mentre il progetto HealthyLivestock, della durata di quattro anni, terminerà nel 2022. Per ulteriori informazioni, consultare: progetto HealthyLivestock sito web del progetto Feed-a-Gene

Parole chiave

HealthyLivestock, Feed-a-Gene, suino, comportamento alimentare, bestiame

Articoli correlati