牲畜生产者和涉众行业将挑战以满足不断增长的对动物蛋白的需求来自不断增长的全球人口。到2050年,全球人口预计将超过90亿,消费50 - 60%更多的食物(基于今天的消费模式),根据粮食及农业组织(粮农组织)的联合国2009年的报告bob体育合法吗¹。全球粮食安全问题的一个解决方案是生产更多的食物而等于当前输入或强化可持续发展水平。这种需求将需要进一步强化,这引发了伦理问题,包括动物福利对动物生活空间。这样,动物福利可能是一个潜在的权衡支持可持续集约化²。

也会很快的发现许多相似之处典型的北美住宅的娱乐室和改善猪福利。然而,通过使用传感器、人工智能和动物行为的研究,技术是帮助把视频游戏普通美国人的生活被工程师和研究人员开发自动化监控技术,形成精密畜牧业的概念bob体育登录^3、4。红外摄像机,麦克风压力传感器,和其他技术用于索尼PlayStation等游戏系统^®️,微软XBox^®️,任天堂Wii游戏机^™正在探索尽可能助理兽医和生产者在照顾他们的牲畜。摄像机能够捕捉三维对象的图像增强游戏可以自动检测疾病在猪和其他牲畜。运动追踪器和传感器设计让玩家沉浸在幻想的世界里的游戏可以扮演一个角色在收集信息的质量运动和福利的猪。例如,面部识别软件识别一个人从另一个足够复杂的识别动物个体⁵。可能继续增加,专家负责健康和福利的猪可以汲取灵感的使用技术在人类医学同行;在这个地区,类似的技术加上人工智能识别模式和预测结果,协助医生在高危患者的识别和诊断。兽医可以使用非常相似的技术改善动物福利的猪生产,但在所有这些进步可以实现一定有更大的技术本身的理解。本文是第一个在一系列的四个精密畜牧业出版物密歇根猪肉生产商协会的杂志,猪肉季度:1)一般PLF概论,机器学习和算法2)潜在应用的远程监控和3)的农民和兽医,最后4)未来的研究领域。bob体育登录

一般介绍精密畜牧业

精密畜牧业(PLF)也称为精密动物管理,由Wathes定义为“畜牧生产的管理使用过程工程监测的原理和技术,模型动物生产和管理”⁶。PLF技术进步适用于监控和数据收集的动物个体在大群希望优化每个动物的福利和贡献。而猪PLF农业依赖新技术,它不能被视为一个新的科学。例如,在1988年,DeShazer et al。⁷报道超过90应用图像分析在猪生产。精密畜牧业工具的应用程序和可用性使它大大增加了一个字段,应该引起兽医和股票的人的注意。这并不局限于增加畜牧业和在各种各样的领域;过去二十年的技术进步率让即使是最犯爱好者在尘土中。当我们考虑摩尔定律⁸——原则,集成电路芯片上的晶体管数量大约每两年就增加一倍,难怪保持最新的似乎是永远做不完的任务。在1971年,一个微处理器有大约2308个晶体管,在写作的时候微处理器舒适适合192亿。也许一个更相关的例子基于机器学习的前面的讨论中,就是超级计算机的计算能力;目前,最强大的超级计算机可以完成每秒93万亿次计算⁸。突然,这样的人物在我们的思想变得越来越容易看到强大的机器学习和如何PLF高度有益的组成部分。

虽然主要是回顾科学文献PLF之间2012年至今,本系列将审查从专有数据信息,机构输入,市场环境和学术伦理评估。提供信息定位强调食物的动物福利包括(但不限于)健康、生产力、行为和生理反应和所定义的美国兽医协会(兽医)福利原则⁹。提到的贸易名称,产品,商业惯例或组织并不意味着作者支持的。

分析和农业决策——这是所有的算法。bob体育合法吗

一个算法公式,或一步一步的操作,利用来解决一类特定的问题或问题。编程算法是一种计算机程序,恰恰告诉计算机步骤解决问题利用输入来确定输出。程序员提供人类通过编写的算法过程的起始指示计算机如何执行特定操作解决问题所必需的。机器学习,也称为深度学习,是一个家庭的计算方法,它允许一个算法程序本身使用大型集的例子证明所需的行为。因为电脑“学习”从这些例子的现有数据集,一个人不是经常需要指定计算机步骤或规则¹⁰。例如,算法通常用于研究确定步态运动学模式条件如髋关节骨关节炎bob体育登录¹¹帕金森病,¹²,多发性硬化症¹³并显示潜在的未来的临床使用。

机器模仿:机器学习

数据挖掘是有用的信息的过程和趋势从大型数据库中提取数据,和猪兽医习惯于使用这个过程来收集信息等主题播种性能和历史。使用数据挖掘可以观察到在“资料”数据库软件系统(例如PigCHAMP,猪管理系统、Cloudfarms PigKnows, MetaFarms, Farms.com),是由观测数据的输入(如天第一次发情,小猪出生活着的数量)。相比之下,机器学习,因为它可以从不同的概率模型,最好的预测未被注意的数据。团体或个人开始患者的立场观察,寻找算法筛选变量组合,可靠的预测结果。机器学习的最大好处之一是它能够使用高度复杂的数据,比如预测因素的集合,产生极大地丰富估计比可能通过标准的统计模型¹⁰。这种能力允许使用一种新的数据,那些大量或复杂性之前已经分析他们无法想象的。

人工神经网络(ann)系统,可以是机器学习的一个组成部分。他们模仿大脑的设计和功能。在这些系统中,输入数据的形式进入数量和突触连接的神经元,执行特定的计算和输出结果。人工神经网络可以有许多层突触,允许复杂的计算和更深的机器学习。当看到图片和视频,网络尤其有用,因为它们能抽到许多不同的数据点同时在图像本身和识别模式和趋势¹⁴。

机器学习特别受益于使用开放源代码的访问,这种做法允许程序员合作来改变和改善算法。开源是类似于一个同事讨论,因为它功能的前提下更多的脑袋比一个脑袋在解决一个问题。开源允许人们自由访问本地版本的算法,在线编辑完成新任务,和成长超越原来的版本的代码。例如,训练计算机程序员将分类项多次,直到电脑可以自行进行分类。这种特殊形式的机器学习分类可以扩展从静止的对象在一个图像分类移动物体通过添加一个图像跟踪程序,遵循一个项目继续进行分类。一个开源的程序称为YOLO(你只看一次)利用Darknet意思一个图像跟踪程序。开源开发Darknet使得分类的运动从一个图像每20秒到一个图像每一个1/20秒和跟踪时间提高了1000%¹⁵。有关对象检测和跟踪的更多信息https://pjreddie.com/darknet/yolo/。

与这个基本介绍算法、机器学习和PLF,现在可以重点转向探索不同类型的技术,使必要的收集的数据成为可能。近年来,股票的人实施PLF通常利用传感器最初开发用于游戏系统,例如Xbox,光环TM和Wii连接。这标示外使用的农业技术普及的好处和消费者驱动的低成本给牲畜的农民容易和便宜的获得三维传感器bob体育合法吗,摄像头和麦克风。bob是什么平台通过下面的系列文章中,我们将着眼于技术目前在使用和一些显示潜力实现PLF实践。

引用

¹粮农组织。粮食和农业的状态:牲畜平衡bob体育合法吗;2009年。doi: 10.1016 / s0140 - 6736 (75) 92740 - 3

²南亚内禀矫顽力,加内特t .粮食安全和可持续集约化。费罗斯反式R Soc B Sci杂志。2014;369 (1639):20120273 - 20120273。doi: 10.1098 / rstb.2012.0273

³Neethirajan美国动物健康管理可穿戴传感器的最新进展。Sens Bio-Sensing Res。2017;12:15-29。doi: 10.1016 / j.sbsr.2016.11.004

⁴Berckmans d精密畜牧业技术集约化畜禽福利管理系统。int Epiz加速科学技术。2014年。doi: 10.20506 / rst.33.1.2273

⁵汉森,MF,史密斯ML,史密斯LN,索尔特MG,巴克斯特EM, Farish M。悲伤b (2018)。对养殖场猪使用卷积神经网络的人脸识别。计算机在工业领域,2018;98:145-152年。doi: 10.1016 / J.COMPIND.2018.02.016。

⁶Wathes厘米。精密畜牧业动物健康、福利和生产。:阿兰,Madec F, eds。可持续的动物生产。瓦赫宁根学术出版商;2009:411 - 419。

⁷DeShazer是的,莫兰P, Onyango厘米,Randall JM,斯科菲尔德CP。成像系统来改善猪的饲养环境生产。AFRC工程研究所:1988。bob体育登录

⁸推动创新我们的爱和依靠:超过50年的摩尔定律。https://www.intel.com/content/www/us/en/silicon-innovations/moores-law-technology.html。2019年8月31日通过。

⁹兽医。动物福利:它是什么?https://www.avma.org/KB/Resources/Reference/AnimalWelfare/Pages/what-is-animal-welfare.aspx。2019年8月31日通过。

¹⁰欧博迈亚Z,伊曼纽尔EJ。美国卫生和公众服务部公共访问。N拉米夫地中海。2016;375 (13):1216 - 1219。doi: 10.1056 / NEJMp1606181。预测未来大数据,机器学习和临床医学。新英格J地中海。2016;375 (13):1216 - 1219。doi: 10.1056 / NEJMp1606181。

¹¹Allison K,大厅,箭牌电视,Pua Y-H,麦特卡尔夫B, Bennell KL。性别行走的运动学和动力学与单边个人,髋关节骨关节炎症状:一项横断面研究。步态姿势。2018;65:234 - 239。doi: 10.1016 / j.gaitpost.2018.07.179。

¹²Creaby MW,科尔MH。步态特征和落在帕金森病:系统回顾和荟萃分析。帕金森症遗传代数D。2018年。doi: 10.1016 / j.parkreldis.2018.07.008。

¹³Sosnoff JJ, Sandroff BM,也颇RW。量化步态异常与多发性硬化症的人用最少的残疾。步态姿势。2012年,36 (1):154 - 156。doi: 10.1016 / j.gaitpost.2011.11.027。

¹⁴普里米,Solanki Padawer T, Tipparaju SM,莫雷诺WA,帕沙克Y。介绍人工神经网络(ANN)作为药物设计的预测工具,发现,交付,和性格:基本概念和建模。基本概念和建模。爱思唯尔有限公司;2015年。doi: 10.1016 / b978 - 0 - 12 - 801559 - 9.00001 - 6

¹⁵方任P W, Djahel美国小说YOLO-Based实时计数方法。2017配置ISC2 Int智能城市2017。2017;243:3-4。doi: 10.1109 / ISC2.2017.8090864。