Boskapsproducenter står inför den ständiga utmaningen att övervaka djurens beteende för tecken på sjukdom eller skada.

För att lösa detta problem har ett tvärvetenskapligt team från University of Nebraska utvecklat precisionsteknologi som hjälper tillverkare att ständigt övervaka djur och använda uppgifterna för att förbättra deras kvalitet. I gruppen ingår elektrotekniker och datavetare från Nebraska, samt zoologiska forskare som utvecklade ett teknologiskt system med videoinspelningar av grisar.

Systemet bearbetar videomaterial som tas emot från djuruppfödning dygnet runt och använder dataanalysmetoden "maskininlärning", som använder statistiska algoritmer för att hjälpa datorsystem att förbättra sig utan explicerad programmering. Den identifierar enskilda svin och ger information om deras dagliga aktiviteter, såsom mat, dryck och rörelse.

Baserat på dessa data kan systemet också uppskatta hur mycket varje gris väger och hur snabbt det växer. "Vårt system tillhandahåller en modell av typiskt beteende," sa Eric Psota, docent, professor i elektroteknik och datateknik. ”När ett djur avviker från detta mönster kan det vara ett tecken på att något är fel. Detta gör det lättare att upptäcka problem innan de blir för stora att fixa. ”

Teamet skapade sitt system med hjälp av djupa inlärningsnätverk, en form av maskininlärning med miljontals faktorer och parametrar. För att identifiera svin på alla sidor bearbetar nätverk stora och små bilder, roterar dem och transformerar dem på annat sätt.

Teamet använder öronmärken för att hjälpa till med identifiering, men försöker förlita sig på unika fysiska egenskaper såsom öratformen, samtidigt som producenterna bevarar ytterligare märkningsarbete. Även om systemet var utformat för att identifiera grisar, kan dess algoritmer användas för andra djurarter, såsom nötkreatur, hästar, getter och får.