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。
-
单位徐州生物工程职业技术学院