姿勢行動の画像分析による豚の熱快適性の評価

姿勢行動は、複雑な環境要因に対する動物の不可欠な反応です。群れ、互いにほぼ接触し、広がり、それぞれ冷たく、快適で、暖かい/熱い感覚を受けているグループ飼育された動物の一般的な姿勢行動です。これらの姿勢パターンは、動物の世話人によって日常的に使用されており、動物の熱快適性を評価し、環境環境または管理スキームを調整します。ただし、この手動調整アプローチには、動物の快適行動の解釈における世話人の間で、毎日の不連続性と不一致の固有の制限があります。このプロジェクトの目標は、豚の熱快適性を評価し、動物の健康と生産効率を高めるために適切な環境調整を行う新しい自動化された画像分析システムを探求することでした。この論文では、提案された目標の達成に向けた進歩と進行中の作業について説明します。姿勢画像のニューラルネットワーク（NN）分析による若い豚の熱快適状態を分類する可能性を最初に調べました。姿勢行動画像の特定の特徴選択を、対応する熱快適状態を寒さ、快適、または暖かいと分類するように訓練された3層NNへの入力として使用することの調査が含まれていました。この研究で検討した分類の重要なステップである画像機能の選択には、フーリエ係数（FC）、モーメント（M）、周囲および面積（P＆A）、および処理されたバイナリ姿勢画像のMとP＆Aの組み合わせが含まれます。結果は陽性であり、MとP＆AをNNへの入力機能として組み合わせて、最高の正しい分類速度を生成しました。その後の作業には、自動画像セグメンテーション、モーション検出、および分類での使用に適した行動画像の選択を可能にするハードウェアと計算アルゴリズムの開発が含まれていました。サーモグラフを使用して、豚の姿勢行動と豚の生理学的反応の関係を定量化する作業が進行中です。結果は、NNの客観的なトレーニングを促進することが期待されているため、熱快適状態の姿勢画像ベースの評価の精度を改善します。また、リアルタイムアプリケーションのために分析と評価アルゴリズムをコンピューターコードに実装する作業も進行中です。

Postural behavior is an integral response of animals to complex environmental factors. Huddling, nearly contacting one another on the side, and spreading are common postural behaviors of group-housed animals undergoing cold, comfortable, and warm/hot sensations, respectively. These postural patterns have been routinely used by animal caretakers to assess thermal comfort of the animals and to make according adjustment on the environmental settings or management schemes. This manual adjustment approach, however, has the inherent limitations of daily discontinuity and inconsistency between caretakers in interpretation of the animal comfort behavior. The goal of this project was to explore a novel, automated image analysis system that would assess the thermal comfort of swine and make proper environmental adjustments to enhance animal wellbeing and production efficiency. This paper describes the progress and on-going work toward the achievement of our proposed goal. The feasibility of classifying the thermal comfort state of young pigs by neural network (NN) analysis of their postural images was first examined. It included exploration of using certain feature selections of the postural behavioral images as the input to a three-layer NN that was trained to classify the corresponding thermal comfort state as being cold, comfortable, or warm. The image feature selections, a critical step for the classification, examined in this study included Fourier coefficient (FC), moment (M), perimeter and area (P&A), and combination of M and P&A of the processed binary postural images. The result was positive, with the combination of M and P&A as the input feature to the NN yielding the highest correct classification rate. Subsequent work included the development of hardware and computational algorithms that enable automatic image segmentation, motion detection, and the selection of the behavioral images suitable for use in the classification. Work is in progress to quantify the relationships of postural behavior and physiological responses of pigs using thermographs. The results are expected to facilitate objective training of NN, hence improving the accuracy of the postural image-based assessment of the thermal comfort state. Work is also in progress to implement the analysis and assessment algorithms into computer codes for real-time application.