文献

J-GLOBAL ID：202202251743691613   整理番号：22A0324488

自動搾乳システムを用いた農場におけるリカレントニューラルネットワークによる乳房炎検出【JST・京大機械翻訳】

Mastitis detection with recurrent neural networks in farms using automated milking systems

著者 (10件)： Naqvi S. Ali (Department of Production Animal Health, Faculty of Veterinary Medicine, University of Calgary, Calgary, AB, Canada) ,  Naqvi S. Ali (Department of Community Health Sciences, Cumming School of Medicine, University of Calgary, Calgary, AB, Canada) ,  King Meagan T.M. (Department of Animal Biosciences, Ontario Agricultural College, University of Guelph, Guelph, ON, Canada) ,  King Meagan T.M. (Department of Animal Science, Faculty of Agricultural and Food Sciences, University of Manitoba, Winnipeg, MB, Canada) ,  Matson Robert D. (Department of Animal Biosciences, Ontario Agricultural College, University of Guelph, Guelph, ON, Canada) ,  DeVries Trevor J. (Department of Animal Biosciences, Ontario Agricultural College, University of Guelph, Guelph, ON, Canada) ,  Deardon Rob (Department of Production Animal Health, Faculty of Veterinary Medicine, University of Calgary, Calgary, AB, Canada) ,  Deardon Rob (Department of Mathematics and Statistics, Faculty of Science, University of Calgary, Calgary, AB, Canada) ,  Barkema Herman W. (Department of Production Animal Health, Faculty of Veterinary Medicine, University of Calgary, Calgary, AB, Canada) ,  Barkema Herman W. (Department of Community Health Sciences, Cumming School of Medicine, University of Calgary, Calgary, AB, Canada)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 192  ページ： Null  発行年： 2022年 
JST資料番号： T0337A  ISSN： 0168-1699  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 乳腺炎は酪農業における最も重要な疾患である。カナダにおける自動搾乳システム(AMS)の広範な採用により,AMS農場における乳腺炎の自動検出の必要性が増加している。本研究の主目的は,AMSを用いた農場の乳牛における臨床乳腺炎(CM)の検出のための再発ニューラルネットワーク(RNN)モデルを開発することである。生産者記録処理記録とAMSデータをカナダの7つの行政区で合計89の酪農場から3つの期間にわたって収集した。CMの検出のための効果的なモデル開発に加えて,本研究は,乳牛がCM陽性と考慮され,モデルの実用的な実装をガイドすると,診断の日に異なる窓を評価した。また,乳および行動特性,乳牛形質および農場レベル/環境変数を含む変数の多数のサブセットを比較し,モデル性能に対する重要性および影響を決定した。データは,それぞれ66と23の農場からのすべての記録から成る訓練と保持試験セットにランダムに分けられた。また,モデル開発のために訓練セットに10倍の内部交差検証を採用した。診断の時間の異なる窓を比較するとき,記録された診断の3日前のCM陽性としての動物を考慮することは,89.8%(範囲:83.3~96.0%)の1症例感度と84.3%(範囲:83.4~85.8%)の1日特異性を有するCMの,最もタイムリーで効果的な検出をもたらした。これらの感度と特異性のレベルは,行動変数と農場レベル/環境変数の包含が,乳形質のみを使用する限界性能改善を提供するけれども,すべての記録された変数とそれらの毎日の変動を使用するとき達成された。モデルの成績は,83.5%(範囲:77.9~86.3%)の1ケース感度と80.4%(範囲:78.1~82.4%)の1日特異性を有する保持試験セットで悪化し,これは訓練データで遭遇する農場特異的不均一性によるようであった。重症CMの90%以上(前CM基準での乳温度の上昇により定義)が,このモデルにより同定され,最も即時の治療を必要とするCMの検出に対する効果的な性能を示した。体細胞数,搾乳間隔の日変化および乳温度は,モデル予測への影響によって定義される3つの最も重要な変数として同定された。搾乳形質に加えて,トップ20変数の8つが行動測定であり,それらがCMの検出において役割を果たすことを示唆した。毎日の分散も20の最も重要な変数のうちの8つを表し,CM発症が動物における突然の日内変化と関連することを示した。結論として,本研究は,RNNがAMS農場で規則的に測定される多数の変数を統合することによってCMを効果的に検出することができるが,CM検出モデルから典型的に除外されることを示す。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ロボット ,  *ニューラルネットワーク ,  *搾乳 ,  乳牛 ,  カナダ ,  *乳腺炎 ,  生産者 ,  モデル ,  *農場 ,  飼育管理施設 ,  *機械搾乳 ,  酪農 ,  再発
準シソーラス用語： 特異性 ,  体細胞スコア ,  酪農場 ,  *自動搾乳 , 【Automatic Indexing@JST】

著者キーワード (5件)： 乳腺炎 ,  検出 ,  ロボット搾乳システム ,  ニューラルネットワーク ,  酪農

分類 (2件)： 牛  (FD02020Y) ,  細菌による動物の伝染病  (FE02023A)

タイトルに関連する用語 (4件)： 自動搾乳 ,  農場 ,  リカレントニューラルネットワーク ,  乳房炎