I produttori di bestiame devono affrontare la sfida costante di monitorare il comportamento degli animali per segni di malattia o lesioni.
Per risolvere questo problema, un team interdisciplinare dell'Università del Nebraska ha sviluppato una tecnologia di precisione che aiuta i produttori a monitorare costantemente gli animali e utilizzare i dati per migliorarne la qualità. Il gruppo comprende ingegneri elettrici e informatici del Nebraska, oltre a scienziati zoologici che hanno sviluppato un sistema tecnologico usando registrazioni video di maiali.
Il sistema elabora 24 ore su 24 materiali video ricevuti da allevamenti e utilizza il metodo di analisi dei dati di "machine learning", che utilizza algoritmi statistici per aiutare i sistemi informatici a migliorare senza una programmazione esplicita. Identifica i singoli maiali e fornisce dati sulle loro attività quotidiane, come cibo, bevande e movimento.![](http://img.tomahnousfarm.org/img/ferm-2020/16019/image_mtzwVeg5SycKiw14B406Z.jpg)
Sulla base di questi dati, il sistema può anche stimare quanto pesa ogni maiale e quanto velocemente cresce. "Il nostro sistema fornisce un modello di comportamento tipico", ha affermato Eric Psota, professore associato, professore di ingegneria elettrica e informatica. “Quando un animale si discosta da questo schema, può essere un segno che qualcosa non va. Ciò semplifica il rilevamento dei problemi prima che diventino troppo grandi per essere risolti. "
Il team ha creato il suo sistema utilizzando reti di apprendimento profondo, una forma di apprendimento automatico con milioni di fattori e parametri. Per identificare i maiali su tutti i lati, le reti elaborano immagini grandi e piccole, le ruotano e le trasformano in altro modo.![](http://img.tomahnousfarm.org/img/ferm-2020/16019/image_TZhF7tolcl.jpg)
Il team utilizza marchi auricolari per facilitare l'identificazione, ma cerca di fare affidamento su caratteristiche fisiche uniche come la forma dell'orecchio, preservando nel contempo il lavoro di etichettatura aggiuntivo dei produttori. Sebbene il sistema sia stato progettato per identificare i maiali, i suoi algoritmi possono essere utilizzati per altri tipi di bestiame, come bovini, cavalli, capre e pecore.