Artikkelen er skrevet av Muhammad Umair Hassan, Signe Lovise Thingnes og Øyvind Nordbø, forskere i Norsvin.
Hovedbilde: Øyvind Nordbø og Muhammad Umair Hassan er begge med i forskerteamet som utvikler maskinlæringsmodeller for automatisk gjenkjenning av atferd.
Kombinasjonen av videoovervåkning og kunstig intelligens (KI) brukes i økende grad for å forutsi unormal atferd hos husdyr. I avlsarbeidet baner teknologiene vei for mer målrettet avl for friske og velfungerende griser. Norsvin er nå i ferd med å ta i bruk datamodeller som kan forutsi og registrere uønsket atferd automatisk – hendelser som er vanskelige å fange opp manuelt. Målet er å få flere, sikrere og mer objektive registreringer av ulike atferder slik at vi i fremtida kan inkludere slike uønskede atferder i avlsarbeidet for Landsvin og Duroc.
Hva er uønsket atferd?
Griser kommuniserer sin helse og trivsel ikke bare verbalt. Disse faktorene kommuniseres også gjennom sosiale interaksjoner, kroppsholdninger og bevegelsesmønstre. Uønsket atferd, eller stereotypisk atferd som det heter på fagspråket, er atferd som avviker i mønster, frekvens eller konteksten som de fleste andre dyrene i flokken har. Dette er atferd som typisk oppstår når grisens grunnleggende behov ikke blir dekket, og det kan ha negativ påvirkning på dyrevelferd, helse og produktivitet.
Å avle på atferdsegenskaper er komplisert, da de er vanskelige å måle objektivt. I tillegg er noe atferd mer styrt av genetikk enn andre og de fleste utvikles i samspill med miljøet grisen lever i, altså gjennom læring og erfaring. Men det er her vi håper at AI og maskinlæring kan hjelpe oss med å skaffe nok gode fenotyper på atferd slik at vi også kan inkludere atferd i avlsmålene våre.
Uønsket atferd hos gris skyldes ofte miljøfaktorer som for høy dyretetthet eller manglende miljøberikelse, og kan føre til skader, redusert tilvekst og økt stress – som til slutt går utover lønnsomheten i produksjonen. Slik atferd inkluderer halebiting, ørebiting, stereotypisk bukmassasje og diverse manipulering av innredning (f.eks. gjentatt biting på innredning). Halebiting er et problem som oftest oppstår hos slaktegriser, og regnes som en av de mest skadelige atferdene. Ørebiting og stereotypisk bukmassasje er også tegn på ubehag og stress. Men det kan også være noen genetiske komponenter bak disse atferdene og det er noe av det vi ønsker å undersøke.
Uønsket atferd hos gris
Halebiting er en unormal atferd hvor griser biter hverandres haler. Det kan starte med små bitt i halen som mottaker godtar, men så kan det utvikle seg til alvorlige bittskader og sår. Blod fra åpne sår kan gjøre andre griser interessert i halen og dermed begynner flere å bite. Halebiting er et sammensatt fenomen som kan skyldes manglede sysselsetting, dårlig inneklima, høy dyretetthet, stress, sykdom eller generelle mangler i tilgang på vann, mat eller rotemateriale.
Ørebiting hos gris er en unormal atferd hvor griser biter i hverandres ører, noe som kan føre til sår eller nekrose på ørene hos mottaker. Årsaken til atferden er sammensatt, men skyldes mange av de samme faktorene som fører til halebiting.
Stereotypisk bukmassasje er en unormal atferd som kjennetegnes ved at en gris gjentatte ganger gnir og masserer buken til en annen gris med trynet sitt. Atferden ligner på den ettermassasjen man ser hos spedgris etter de har fått melk. Den er ofte sett hos gris som blir avvendt for tidlig fra mor, men sees også hos eldre gris og kan være en indikasjon på stress.
Haleposisjonen til grisen kan brukes som indikator på trivsel i en gruppe. Mange hengende haler kan være et tidlig tegn på at noe er galt i miljøet, at dyra er syke, eller at det er en halebiter i gruppa.
Gjenkjenning av uønsket adferd
Norsvin utvikler maskinlæringsmodeller hvor data fra videokameraer brukes til å gjenkjenne ulike atferder automatisk. En stor fordel med et fullt automatisert kamerasystem er at det kan gi kontinuerlig og objektiv datainnsamling. Disse dataene vil så kunne brukes inn i avl for bedre adferd, men man kan også se for seg at dette kan brukes i systemer som varsler om mulig uønsket atferd, før detutvikler seg til større utbrudd av for eksempel halebiting. Det gir mulighet for tidligere inngripen i fjøset og dermed bedre dyrevelferd.
Utvikling av KI-modeller
Utviklingsprosessen av KI-modeller har ofte fire faser:
- Annotering
- Dataprosessering
- Modelltrening
- Testing og validering
Annotering er å tillegge dataene ulik informasjon som vi ønsker at modellen skal lære. I dette tilfelle vil dette innebære at en person ser over videosnutter og angir tidspunkt og koordinater for hvor ulike tilfeller av uønsket adferd forekommer. Egenskapene vi har satt søkelys på i dette arbeidet er halebiting, ørebiting, haleposisjon og stereotypisk bukmassasje. Disse registreringene lagres sammen med videoen, og brukes senere inn i trening av modellen.
HALEBITING REGISTRERES: I annoteringsfasen går en person igjennom et videomateriale og angir tidspunkt og koordinater for hvor ulike tilfeller av uønsket adferd forekommer. I dette tilfellet er det halebiting som registreres.
Videoer fra ulike kameraer må så standardiseres og tilpasses dataformatet som kreves av maskinlæringsmodellen. I treningsfasen mates modellen med standardiserte videodata, sammen med tilhørende annoteringer. Ved å se stadig nye eksempler av et fenomen, lærer modellen seg mønstre, og etter hvert blir den i stand til å lære karakteristikker av de ulike fenomenene.
I test- og valideringsfasen måles modellens nøyaktighet på data som modellen ikke har sett før. Typisk vil vi trene modellen på ca. 80 prosent av dataene, og så bruker vi de øvrige 20 prosent til å validere modellen. På den måten kan vi måle nøyaktigheten av modellen og avgjøre om modellen trenger videre forbedring.
Fortsettelse følger!
Foreløpige prediksjoner, både av hale- og ørebiting, stereotyp bukmassasje og hengende hale viser svært god presisjon med modellene vi har utviklet. Følg med for mer om dette temaet.
