Il s'agit d'une étape importante pour l'automatisation de la notation de la marche par les capteurs. La locomotion est évidemment un indicateur important du bien-être animal. Avec des scores de marche basés sur les données du capteur, les programmes d'élevage sont en mesure de mieux sélectionner les animaux avec la meilleure locomotion. Cela améliorera le bien-être des animaux.
Les scores de marche sont déterminés par des experts qualifiés. Ils examinent les animaux un par un, ce qui est laborieux et chronophage. Les capteurs ont le potentiel d'enregistrer automatiquement un certain nombre de caractéristiques qui sous-tendent les scores de marche des experts. Les capteurs ont l'avantage de pouvoir mesurer à plusieurs reprises et ainsi de suivre les scores au jour le jour.
Détection de pas
Dans cette étude du consortium Breed4Food, les dindes de Hendrix Genetics ont été équipées d'accéléromètres avancés. Les capteurs produisent des informations sur la vitesse et l'orientation de la dinde. Les chercheurs ont pu déterminer les heures de début et de fin d'une étape grâce au « machine learning ». Ce modèle de détection de pas permet une détection de pas rapide et précise dans de grands ensembles de données. Les chercheurs veulent maintenant déterminer les caractéristiques de chaque étape pour prédire les scores de course de la dinde.
Publication
Ces résultats sont publiés (en accès libre) dans un numéro spécial de Frontiers Genetics:High-Throughput Phenotyping in the Genomic Improvement of Livestock. L'article de Bouwman et al. est intitulé :Détection automatisée de pas dans les données d'unité de mesure inertielle des dindes. Ce travail a été réalisé au sein de Breed4Food en étroite collaboration avec Hendrix Genetics (Boxmeer) et les étudiants PDEng de la Jheronimus Academy of Data Science (Den Bosch).
