0
发展中国家的猪肉消费量每年增长约5%。在肉类生产的道德标准范围内确保食品安全是消费者日益增长的需求。本研究旨在利用机器学习能力和次协调逻辑，基于红外皮肤温度（IST），建立一种预测仔猪应激的模型。72头1-52日龄的仔猪（32头公猪和40头母猪）在分娩和保育阶段，在不同应激条件（疼痛、冷/热、饥饿和口渴）下记录红外皮肤温度。利用红外热像仪对热图像进行了评估。在24~30度的环境温度下进行热成像，以最小红外皮肤温度（IST min）、最大红外皮肤温度（ISTmax）和仔猪性别为属性，寻找应激条件（目标）。利用数据挖掘方法对分析中考虑的属性进行分类。成像技术受制于某些需要数学建模的矛盾和不确定性。应用次协调逻辑从数据中提取矛盾。
通过ISTmin和ISTmin及仔猪性别对寒冷（100％）进行预测，并使用ISTmax和ISTmax及仔猪性别对口渴（91％）进行预测，可以确定检测准确度的应激条件。用ISTmin预测的饥饿率最高（86%）。尽管该模型在检测这些应激方面是精确的，但其他应激条件，如仔猪的疼痛，其准确度等于或小于50%。
结果表明，利用红外皮肤温度评估仔猪应激状态是一种很有前景的方法。我们建议在机器学习能力过程中加入其他属性，以扩大模型的使用。
来源：Felipe Napolitano da Fonseca, Jair Minoro Abe, Irenilza de Alencar Nääs, Alexandra Ferreira da Silva Cordeiro, Fábio Vieira do Amaral, Henry Costa Ungaro, Automatic prediction of stress in piglets (Sus Scrofa) using infrared skin temperature, Computers and Electronics in Agriculture, Volume 168, 2020 https://doi.org/10.1016/j.compag.2019.105148.
