Umělá inteligence se využívá ke zlepšení řízení zdraví, welfare a užitkovosti prasat. Kromě zpracování a vyhodnocení velkého množství dat získaných například vážením zvířat či spotřeby krmiva může tato technologie například zpracovávat zvuková nebo vizuální data automaticky zachycená na farmě.

Prvním příkladem je systém SoundTalks. Software a systém umělé inteligence vyvinutý belgickou společností SoundTalks vytvořily globální databázi respiračních dat, ze které se systém AI neustále učí. Technologie monitorování zvuku se na farmách s chovem prasat používá k nepřetržitému poslouchání a zaznamenávání jakýchkoli příznaků respiračních potíží, které jsou známkami špatného zdravotního stavu nebo diskomfortu. Pro každé monitorovací zařízení v kotci se v reálném čase generuje respirační skóre. Jakékoli významné anomálie nebo odchylky od normálního „kašlacího vzorce“ jsou signalizovány pomocí barevně kódovaného semaforu. Chovatelé procházející mezi prasaty mají jasné vizuální upozornění, pokud se zelené světlo monitoru změní na oranžové nebo červené. Producenti si také mohou data prohlížet online na dálku. Každý monitor je upevněn 2 m nad hlavami prasat a zaznamenává zvuk v oblasti o průměru 20 m, obvykle pokrývající 250–350 výkrmových prasat nebo 500–550 odstavčat.

Monitoring zdraví a welfare

Ve fázi výzkumného projektu je systém nazvaný IntelliPig. Výzkumná studie využívá umělou inteligenci k monitorování výrazů obličeje jednotlivých prasat a jejich vztahu k jejich emocionálnímu stavu. Vyvíjený systém IntelliPig si klade za cíl zlepšit management chovu prasat a poskytovat včasná varování před problémy se zdravím a welfare. Systém je založen na rozpoznávání jemných změn v obličeji, které jsou, spolu s držením těla, součástí toho, jak spolu prasata komunikují. Systém IntelliPig je schopen zachytit známky bolesti nebo úzkosti prostřednictvím změn, jako je zúžení nebo rozšíření očí. Každá kamera automaticky zachycuje obrazy obličeje prasnice, když opouští krmnou stanici. K dispozici jsou také nadzemní kamery monitorující tělesný stav. Rovněž byly vyvinuty algoritmy strojového učení, které dokáží identifikovat jednotlivá prasata pomocí obličejové biometrie, detekovat změny ve výrazu obličeje, které naznačují, zda je prase ve stresu a odhadovat skóre tělesné kondice a hmotnost. Úspěšnost detekce stresu je vyšší než 90 %. Dalším krokem výzkumu je korelace údajů o návštěvě krmítka a příjmu krmiva s údaji o obrazu obličeje na základě emocionálního stavu, porovnání submisivních a dominantních prasnic.

Predikce jatečné hodnoty u vykrmovaných prasat

Třetím příkladem je využití umělé inteligence k predikci jatečné hodnoty vykrmovaných prasat na zvířatech již během jejich výkrmu. Získání dat využitelných v moderních šlechtitelských programech poskytuje významný základ pro přesné genetické hodnocení, precizní výběr a šlechtitelský pokrok. Spolehlivé měření znaků jako je obsah intramuskulárního tuku, tělesná hmotnost a růstové vzorce přímo ovlivňuje efektivitu a úspěšnost šlechtitelských strategií. Tradiční metody se však do značné míry spoléhají na analýzu po porážce, ruční vážení nebo subjektivní vizuální hodnocení, které jsou invazivní, pracné, stresující pro zvířata a nevhodné pro screening v reálném čase, ve velkém měřítku nebo opakovatelný screening. V Číně byl vyvinut modelu hlubokého učení YIP pro přesnou predikci intramuskulárního tuku z ultrazvukových snímků a automatického inteligentního vážícího systému, který monitoruje tělesnou hmotnost volně se pohybujících prasat. Tyto technologie založené na umělé inteligenci společně umožňují získat neinvazivní cestou údaje na živých prasatech. Systém je schopný určit podíl intramuskulárního tuku v pečeni v oblasti beder. Přesnost predikce je více než 95 %.

Prevence zalehnutí selat prasnicí

Posledním příkladem je systém PigTalk 2.0. Tento systém je založen na umělém internetu věcí (AIoT) a technologii rozpoznávání obrazu a jeho cílem je zabránit úhynu selat způsobenému zalehnutím prasnicí. Úhyny selat jsou na farmách významným problémem. Selata často nedostávají po narození řádnou péči nebo jsou prasnicí zalehnuta, což vede k úhynu 2 až 4 selat ve vrhu. To představuje pro chovatele prasat značnou ztrátu. Systém PigTalk má za cíl tento problém řešit. Systém využívá rozpoznávání obrazu ke sledování držení těla prasnice. Aby se zabránilo nechtěnému zalehnutí selat prasnicí, když si náhle lehne, systém aktivuje ventilátor, který selata jemně odtlačí. PigTalk2.0 navíc dokáže detekovat, kdy se prasnice chystá poprvé k porodu, což systému umožňuje upozornit personál farmy, aby zkontroloval zdraví selat a poskytl jim potřebnou péči ihned po narození.

Více se dočtete v článku Ing. Evy Weisbauerové, Ph.D., který najdete v říjnovém čísle časopisu Náš chov.