Early detection of diarrhoea in weaned piglets from individual feed, water and weighing data - Archive ouverte HAL Access content directly
Conference Papers Year :

Early detection of diarrhoea in weaned piglets from individual feed, water and weighing data

Détection précoce des diarrhées chez les porcelets sevrés à partir des données d'abreuvement, d'alimentation et de poids

(1) , (1) , (1) , (1)
1
Johan Thomas
  • Function : Correspondent author
  • PersonId : 1156573

Connectez-vous pour contacter l'auteur
Michel Marcon
  • Function : Author
Anne Hémonic
  • Function : Author

Abstract

Detecting diseases early in pig farming is a promising way to help breeders monitor animal health, reduce antibiotic use and treat sick animals in a targeted manner. This study analysed individual water and feed consumption as a function of the live weight of weaned piglets and its relation to diarrhoea. Data were collected from 15 batches of 102 piglets each, using specific automata (i.e. connected feeders, connected drinkers, automatic weighing stations, RFID ear tags), and piglet health status was monitored daily. Analysis used seven machine learning methods. Mean water and feed consumption of healthy pigs did not differ significantly among weight categories, except in week five, due to atypical water consumption by a heavy pig. In addition, mean water consumption did not differ significantly between healthy and sick piglets, either on the day that diarrhoea was observed or two days before. However, mean feed consumption of healthy piglets and those with diarrhoea did differ significantly from day 4-9 post-weaning and even 24 and 48 h before the onset of clinical signs. Nevertheless, the machine-learning methods tested did not provide effective early detection of diarrhoea, due to insufficient sensitivity and specificity of results (74% and 58%, respectively) for field use. In future studies, new parameters such as automatic measurement of body temperature or location of piglets in the pen by image analysis could improve the performance of these methods.
Détection précoce des diarrhées chez les porcelets sevrés à partir des données d'abreuvement, d'alimentation et de poids La détection précoce de pathologies en élevage porcin est une piste prometteuse pour aider les éleveurs à surveiller la santé des animaux, réduire les usages d'antibiotiques et traiter de façon ciblée les animaux malades. L'objectif de cette étude est d'évaluer la valeur prédictive des consommations individuelles d'eau et d'aliment, en fonction du poids vif, pour détecter précocement l'apparition de diarrhée chez des porcelets sevrés. Quinze lots de 102 porcs, logés dans des cases équipées de nourrisseurs, abreuvoirs et bascules connectées, ont été identifiés individuellement par des boucles RFID et leur état sanitaire a été suivi quotidiennement. Les résultats ont montré que les consommations moyennes d'eau et d'aliment des porcs sains n'ont pas été significativement différentes selon leur catégorie de poids (lourd, moyen, léger), sauf en cinquième semaine en lien avec le niveau d'abreuvement atypique d'un porc lourd. Par ailleurs, aucune différence significative n'a été observée entre les consommations moyennes d'eau des animaux sains et malades, ni le jour de l'observation de la diarrhée ni deux jours avant. A l'inverse, une différence significative a été notée entre les consommations alimentaires moyennes des porcelets sains et diarrhéiques sur la première période du post-sevrage, à la fois le jour même d'apparition de la diarrhée, 24 heures et 48 heures avant. Néanmoins, les méthodes d'apprentissage automatique testées n'ont pas permis une détection précoce des diarrhées de manière efficace, les résultats de sensibilité et de spécificité étant insuffisants (respectivement 74 et 58 %) pour une utilisation pertinente sur le terrain. Pour les études futures, de nouveaux paramètres comme la mesure automatique de la température corporelle ou la localisation des porcelets dans la case par analyse d'images pourraient améliorer les performances de ces méthodes. Early detection of diarrhoea in weaned piglets from individual feed, water and weighing data Detecting diseases early in pig farming is a promising way to help breeders monitor animal health, reduce antibiotic use and treat sick animals in a targeted manner. This study analysed individual water and feed consumption as a function of the live weight of weaned piglets and its relation to diarrhoea. Data were collected from 15 batches of 102 piglets each, using specific automata (i.e. connected feeders, connected drinkers, automatic weighing stations, RFID ear tags), and piglet health status was monitored daily. Analysis used seven machine learning methods. Mean water and feed consumption of healthy pigs did not differ significantly among weight categories, except in week five, due to atypical water consumption by a heavy pig. In addition, mean water consumption did not differ significantly between healthy and sick piglets, either on the day that diarrhoea was observed or two days before. However, mean feed consumption of healthy piglets and those with diarrhoea did differ significantly from day 4-9 post-weaning and even 24 and 48 h before the onset of clinical signs. Nevertheless, the machine-learning methods tested did not provide effective early detection of diarrhoea, due to insufficient sensitivity and specificity of results (74% and 58%, respectively) for field use. In future studies, new parameters such as automatic measurement of body temperature or location of piglets in the pen by image analysis could improve the performance of these methods.
Fichier principal
Vignette du fichier
s09.pdf (1.19 Mo) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-03752685 , version 1 (17-08-2022)

Identifiers

  • HAL Id : hal-03752685 , version 1

Cite

Johan Thomas, Yvonnick Rousselière, Michel Marcon, Anne Hémonic. Détection précoce des diarrhées chez les porcelets sevrés à partir des données d'abreuvement, d'alimentation et de poids. 54es Journées de la Recherche Porcine, Ifip; Inrae, Feb 2022, en ligne, France. ⟨hal-03752685⟩

Collections

INRAE JRP
7 View
3 Download

Share

Gmail Facebook Twitter LinkedIn More