0
咬尾是一个动物福利问题，应防止咬尾以防止尾巴受损。一种方法是预测咬尾行为，以便猪场能够在特定的猪栏进行及时的干预。如果猪场能在某一猪栏存在高咬尾风险时接到预警，那么猪场就能够及时采取行动，防止特定猪栏的咬尾现象。在本研究中，开发了一种预测咬尾行为的方法，并在实际环境中进行了测试。该方法利用猪的饮水行为和猪栏温度的变化。在咬尾预测方法的开发过程中，包含了一个关于饮水量（水流和使用频率）和猪栏温度（实心地板和漏粪板上方）的传感器数据。开发的步骤包括使用动态线性模型对数据源进行建模，优化和训练人工神经网络，并将单个数据源的预测与贝叶斯集成策略相结合。最后，在一个真实的环境中，在一批育成猪上测试了贝叶斯集成方法。最终预测算法的AUC>0.80，因此从已有的传感器数据中预测咬尾行为似乎是可行的。该方法能够在严重的咬尾行为前发起预警（14起咬尾事件中的12起），从而避免严重的咬尾行为。然而，在没有发生咬尾事件的情况下，猪场在30%的时间里也会收到错误的警报，这并不理想。因此，猪场可以用报警器来指示哪些猪栏更值得关注。下一步可能是改善该方法，使之包括更具体的咬尾行为变化，如猪尾巴姿势的变化。
Mona Lilian Vestbjerg Larsen, Lene Juul Pedersen and Dan Børge Jensen. 根据自动记录的传感器数据预测育成猪的咬尾行为。Animals 2019, 9(7), 458; https://doi.org/10.3390/ani9070458
Mona Lilian Vestbjerg Larsen, Lene Juul Pedersen and Dan Børge Jensen. Prediction of Tail Biting Events in Finisher Pigs from Automatically Recorded Sensor Data. Animals 2019, 9(7), 458; https://doi.org/10.3390/ani9070458
