Detta är en viktig milstolpe för att automatisera gångpoäng med sensorer. Rörelse är uppenbarligen en viktig indikator på djurens välbefinnande. Med gångpoäng baserade på sensordata, avelsprogram kan bättre välja ut djur med den bästa rörelsen. Detta kommer att öka djurens välfärd.
Gångpoäng bestäms av utbildade experter. De undersöker djuren en efter en, vilket är mödosamt och tidskrävande. Sensorer har potential att automatiskt registrera ett antal egenskaper som ligger till grund för experternas gångpoäng. Sensorer har fördelen att de kan mäta upprepade gånger och därmed följa poängen från dag till dag.
Stegdetektering
I denna studie av Breed4Food-konsortiet, kalkoner från Hendrix Genetics var utrustade med avancerade accelerometrar. Sensorerna producerar information om kalkonens hastighet och orientering. Forskarna kunde bestämma start- och sluttiderna för ett steg med "maskininlärning". Denna stegdetekteringsmodell möjliggör snabb och exakt stegdetektering i stora datamängder. Forskare vill nu bestämma egenskaperna för varje steg för att förutsäga kalkonens löpresultat.
Offentliggörande
Dessa resultat publiceras (open access) i ett specialnummer av Frontiers Genetics:High-Throughput Phenotyping in the Genomic Improvement of Livestock. Uppsatsen av Bouwman et al. har titeln:Automated Step Detection in Inertial Measurement Unit Data From Turkeys. Detta arbete gjordes inom Breed4Food i nära samarbete med Hendrix Genetics(Boxmeer) och PDEng-studenter från Jheronimus Academy of Data Science (Den Bosch).
