動物科学および家畜生産ジャーナル オープンアクセス

抽象的な

商業環境で組み込み型マイクロコンピュータベースのフォースプレートを使用した母豚の跛行分類ツリーの開発

KJ スタルダー、BM マクニール、JA カルデロン ディアス、JD ストック、TD パーソンズ、DL ビーム、AK ジョンソン、CE ブランズ、JB ニエミ

背景と目的: この研究の目的は、1) フォースプレートで測定された各脚にかかる力と、商業的な群れに適用される条件下で視覚的に評価された跛行の程度の関係を調べること、および 2) フォースプレートの出力に基づいて自動跛行検出アルゴリズムを開発することです。

方法と結果: マイクロコンピューターベースの埋め込み型フォースプレートシステムは、各肢が生み出す力を測定して、跛行検出への客観的なアプローチを提供します。フォースプレートデバイスは、電子式雌豚給餌器 (ESF) 内に設置され、21 日間にわたり動的グループで飼育されている 120 頭の経産雌豚のサブセットを監視するために使用されました。毎日、雌豚は 1 頭ずつ ESF ステーションに入り、餌を食べました。雌豚が真っ直ぐに立ち、デバイスのすべての象限に圧力をかけたとき、各足が加えた力が 1 秒ごとに記録されました。雌豚は、毎週 4 段階スケール (0 = 正常、3 = 重度の跛行) を使用して、跛行の有無について視覚的にスコア付けされ、この視覚的評価に基づいて、跛行なし (スコア ≤ 1) または跛行あり (スコア ≥ 2) に分類されました。ランダムフォレストと呼ばれるアンサンブル学習法を使用して、フォースプレートのデータを非跛行と跛行の類似カテゴリに分類するための最適な決定木を特定しました。カッパ統計検定を使用して、視覚スコアリングとフォースプレートの結果の一致レベルを測定しました。跛行状態の変化、および各検出方法の跛行識別の初日も分析されました。分類ツリーには 7 つの変数が含まれており、2 本の後肢に加えられた力の差に最も重点が置かれています。2 つの跛行検出方法は、95% のケースで同じ跛行分類を割り当て、かなりの一致を示しました (カッパ統計 = 0.79、P < 0.05)。ただし、分類ツリー アルゴリズムは、視覚スコアリング システムよりも約 5 日早く跛行を検出しました (P < 0.001)。さらに、グループへの参加時からの雌豚の跛行を比較すると、跛行スコアリング方法に関係なく、1 週間後には跛行が増加していることが示されました。

結論: 跛行の検出は、通常、主観的な視覚評価に基づいて行われますが、これには時間と訓練が必要で、個体間および個体内で偏りが生じる可能性があります。結果は、商業的な群れに当てはまる条件下では、フォースプレートは毎週の視覚的な跛行評価よりも早く、跛行を正確に検出できることを示しています。

キーワード: 雌豚、跛行検出、フォースプレート、体重分散