पशु विज्ञान और पशुधन उत्पादन जर्नल खुला एक्सेस

अमूर्त

वाणिज्यिक सेटिंग में एम्बेडेड माइक्रोकंप्यूटर-आधारित फोर्स प्लेट का उपयोग करके सो लंगड़ापन वर्गीकरण पेड़ों का विकास

केजे स्टैल्डर, बीएम मैकनील, जेए काल्डेरोन डियाज़, जेडी स्टॉक, टीडी पार्सन्स, डीएल बीम, एके जॉनसन, सीई ब्रंस और जेबी नीमी

पृष्ठभूमि और उद्देश्य: इस अध्ययन के उद्देश्य थे: 1) बल प्लेट द्वारा मापे गए प्रत्येक पैर द्वारा लगाए गए बलों और एक वाणिज्यिक झुंड के लिए लागू स्थितियों के तहत दृष्टिगत रूप से मूल्यांकित लंगड़ापन की डिग्री के बीच संबंधों की जांच करना, और 2) बल प्लेट आउटपुट के आधार पर एक स्वचालित लंगड़ापन पहचान एल्गोरिथ्म विकसित करना।

विधियाँ और निष्कर्ष: माइक्रोकंप्यूटर-आधारित एम्बेडेड फ़ोर्स प्लेट सिस्टम प्रत्येक व्यक्तिगत अंग द्वारा उत्पन्न बल को मापकर लंगड़ापन का पता लगाने के लिए एक वस्तुनिष्ठ दृष्टिकोण प्रदान करता है। फ़ोर्स प्लेट डिवाइस को इलेक्ट्रॉनिक सो फीडर (ESF) के भीतर स्थापित किया गया था और 21 दिनों की अवधि में एक गतिशील समूह में रखे गए 120 बहु-प्रसूति गर्भाधान करने वाली सूअरों के एक उपसमूह की निगरानी करने के लिए उपयोग किया गया था। प्रत्येक दिन सूअर खाने के लिए एक-एक करके ESF स्टेशन में प्रवेश करते थे। कई बार जब सूअर सीधा खड़ा होता था और डिवाइस के सभी चतुर्थांशों पर दबाव डालता था, तो प्रत्येक पैर द्वारा लगाया गया बल प्रति सेकंड एक बार दर्ज किया जाता था। सूअरों को साप्ताहिक आधार पर चार-बिंदु पैमाने (0=सामान्य से 3=गंभीर रूप से लंगड़ा) का उपयोग करके लंगड़ापन की उपस्थिति के लिए दृष्टिगत रूप से स्कोर किया गया और इस दृश्य मूल्यांकन के आधार पर गैर-लंगड़ा (स्कोर ≤ 1) या लंगड़ा (स्कोर ≥ 2) के रूप में वर्गीकृत किया गया। बल प्लेट डेटा को गैर-लंगड़े और लंगड़े की समान श्रेणियों में वर्गीकृत करने के लिए इष्टतम निर्णय वृक्ष की पहचान करने के लिए रैंडम फ़ॉरेस्ट नामक एक समूह सीखने की विधि का उपयोग किया गया था। दृश्य स्कोरिंग और बल प्लेट परिणामों के बीच समझौते के स्तर को मापने के लिए एक कप्पा सांख्यिकी परीक्षण का उपयोग किया गया था। लंगड़ापन की स्थिति में परिवर्तन, साथ ही प्रत्येक पहचान विधि के लिए लंगड़ापन की पहचान के पहले दिन का भी विश्लेषण किया गया। वर्गीकरण वृक्ष में सात चर शामिल किए गए थे, जिसमें 2 पिछले पैरों पर लागू बलों के बीच अंतर को सबसे अधिक भार दिया गया था। दो लंगड़ापन पहचान विधियों ने 95% मामलों में एक ही लंगड़ापन वर्गीकरण दिया और पर्याप्त सहमति थी (कप्पा सांख्यिकी = 0.79; P<0.05)। हालांकि, वर्गीकरण वृक्ष एल्गोरिथ्म ने दृश्य स्कोरिंग प्रणाली (P<0.001) की तुलना में लगभग 5 दिन पहले लंगड़ापन का पता लगाया। इसके अतिरिक्त, समूह में प्रवेश के समय से सूअरों की लंगड़ाहट की तुलना करने पर, लंगड़ापन स्कोरिंग विधि की परवाह किए बिना पहले सप्ताह के बाद लंगड़ापन में वृद्धि देखी गई।

निष्कर्ष: लंगड़ापन का पता लगाना आम तौर पर व्यक्तिपरक दृश्य मूल्यांकन पर आधारित होता है, जिसके लिए समय, प्रशिक्षण की आवश्यकता होती है, और यह व्यक्तियों के बीच और भीतर पक्षपातपूर्ण हो सकता है। परिणाम दर्शाते हैं कि व्यावसायिक झुंड पर लागू स्थितियों के तहत, बल प्लेट साप्ताहिक दृश्य लंगड़ापन मूल्यांकन की तुलना में जल्दी लंगड़ापन का पता लगा सकती है।

कीवर्ड: सूअर; लंगड़ापन का पता लगाना; बल प्लेट; वजन वितरण