Reconocimiento automático del comportamiento de alimentación y forrajeo en cerdos utilizando aprendizaje profundo

Se han desarrollado sistemas de alerta temprana automatizados, basados en visión, para detectar cambios de comportamiento en grupos de cerdos para monitorear su salud y bienestar. En entornos comerciales, el registro automático del comportamiento de alimentación sigue siendo un desafío debido a problemas de variación en la iluminación, oclusiones y la apariencia similar de diferentes cerdos. Además, tales sistemas, que dependen del seguimiento de los cerdos, a menudo sobreestiman el tiempo real dedicado a la alimentación, debido a la incapacidad de identificar y/o excluir visitas no nutritivas (NNV) al área de alimentación. Para abordar estos problemas, hemos desarrollado un método robusto de detección de alimentación basado en aprendizaje profundo que (a) no depende del seguimiento de los cerdos y (b) es capaz de distinguir entre la alimentación y las NNV para un grupo de cerdos. Primero validamos nuestro método utilizando grabaciones de video de una granja comercial de cerdos, bajo una variedad de condiciones. Demostramos la capacidad de este método automatizado para identificar el comportamiento de alimentación y NNV con alta precisión (99.4% ± 0.6%). Luego probamos la capacidad del método para detectar cambios en los comportamientos de alimentación y NNV durante un período planificado de restricción alimentaria. Encontramos que el método pudo cuantificar automáticamente los cambios esperados en ambos comportamientos. Nuestro método tiene la capacidad de monitorear de manera robusta y precisa el comportamiento de alimentación de grupos de cerdos alojados comercialmente, sin necesidad de sensores adicionales o marcaje individual. Esto tiene un gran potencial de aplicación en la detección temprana de retos de salud y bienestar en cerdos comerciales.