Journal of Animal Sciences and Livestock Production 开放获取

抽象的

在商业环境中使用嵌入式微计算机测力板开发母猪跛行分类树

KJ Stalder、BM McNeil、JA Calderon Diaz、JD Stock、TD Parsons、DL Beam、AK Johnson、CE Bruns 和 JB Niemi

背景和目标：本研究的目标是：1）检查适用于商业牛群的条件下，力板测量的每条腿所施加的力与视觉评估的跛行程度之间的关系；2）开发一种基于力板输出的自动跛行检测算法。

方法和结果：基于微计算机的嵌入式测力板系统通过测量每个肢体产生的力，提供了一种客观的跛行检测方法。测力板装置安装在电子母猪喂料器 (ESF) 内，用于在 21 天内监测动态群中饲养的 120 头经产妊娠母猪中的一组。每天母猪一次进入 ESF 站进食。当母猪直立并对装置的所有象限施加压力时，每秒记录一次每只脚施加的力。每周使用四分量表 (0=正常至 3=严重跛行) 对母猪的跛行情况进行视觉评分，并根据此视觉评估将其分类为非跛行 (分数 ≤ 1) 或跛行 (分数 ≥ 2)。使用称为随机森林的集成学习方法来确定将测力板数据分类为非跛行和跛行相似类别的最佳决策树。使用 Kappa 统计检验来测量视觉评分和力板结果之间的一致性水平。还分析了跛行状态的变化以及每种检测方法跛行识别的第一天。分类树中包含七个变量，其中施加在两条后腿上的力的差异占最大权重。两种跛行检测方法在 95% 的情况下给出相同的跛行分类，且具有较高的一致性（Kappa 统计=0.79；P<0.05）。然而，分类树算法比视觉评分系统早近 5 天检测到跛行（P<0.001）。此外，比较母猪入群时的跛行情况，结果显示，无论采用何种跛行评分方法，第一周后跛行都会增加。

结论：跛行检测通常基于主观视觉评估，这需要时间和培训，并且可能因人而异。结果表明，在适用于商业畜群的条件下，测力板可以比每周一次的视觉跛行评估更快地准确检测跛行。

关键词：母猪；跛行检测；力板；重量分布