Az állattenyésztőknek állandó kihívással kell szembesülniük az állatok viselkedésének figyelemmel kísérésével a betegség vagy sérülés jeleit illetően.

A probléma megoldására a Nebraskai Egyetem interdiszciplináris csapata precíziós technológiát fejlesztett ki, amely segít a gyártóknak folyamatosan figyelemmel kísérni az állatokat, és az adatokat felhasználni minőségük javítására. A csoportba Nebraska villamosmérnökei és számítógépes tudósai, valamint állattani tudósok tartoznak, akik technológiai rendszert fejlesztettek ki sertések videofelvételeinek felhasználásával.

A rendszer éjjel-nappal feldolgozza az állattenyésztő gazdaságoktól kapott videóanyagokat, és a „gépi tanulás” adatelemzési módszert használja, amely statisztikai algoritmusokkal segíti a számítógépes rendszereket kifejezett programozás nélkül. Azonosítja az egyes sertéseket, és adatokat szolgáltat azok napi tevékenységeiről, például ételről, italról és mozgásról.

Ezen adatok alapján a rendszer megbecsüli azt is, hogy az egyes sertések mennyit súlya és milyen gyorsan növekszik. „Rendszerünk a tipikus viselkedés modelljét nyújtja” - mondta Eric Psota, egyetemi docens, elektromos és számítógépes mérnöki tanár. „Ha egy állat eltér ettől a mintától, ez jele lehet annak, hogy valami nincs rendben. Ez megkönnyíti a problémák észlelését, még mielőtt azok túl nagyok lennének a javításhoz. ”

A csapat mély tanulási hálózatok segítségével hozta létre rendszerét, amely egy olyan gépi tanulási forma, amely több millió tényezővel és paraméterrel rendelkezik. A sertések mindkét oldalának azonosításához a hálózatok nagy és kicsi képeket dolgoznak fel, elforgatják és egyéb módon átalakítják.

A csapat füljelzőket használ az azonosításhoz, de arra törekszik, hogy támaszkodjon olyan egyedi fizikai tulajdonságokra, mint például a fül alakja, miközben megőrzi a gyártók kiegészítő címkézési munkáját. Noha a rendszert sertések azonosítására fejlesztették ki, algoritmusai más állatállománytípusokhoz, például szarvasmarha, ló, kecske és juh felhasználhatók.