Automatisch monitoren van eet- en drinkpatronen van vleesvarkens: naar een waarschuwingssysteem voor productiviteits-, gezondheids- en welzijnsproblemen bij individuele varkens

Varkenshouders streven naar een maximale opbrengst en een optimale welzijns- en gezondheidsstatus van hun dieren. Dit vereist een goede opvolging van elk individueel dier om gezondheids-, welzijns- en productiviteitsproblemen snel op te sporen. Dit wordt momenteel gedaan door een visuele controle van de dieren. Door economische motieven is er een trend naar steeds grotere boerderijen en groepen dieren in de varkenssector. Dit bemoeilijkt de visuele controle en maakt dit zeer arbeidsintensief. Daarom werd in dit doctoraat een waarschuwingssysteem ontwikkeld om automatisch problemen bij vleesvarkens op te sporen en zo de varkenshouder te ondersteunen bij zijn activiteiten.
Het doel is om opkomende productiviteits-, gezondheids- en welzijnsproblemen te signaleren aan de varkenshouder. Veranderingen in het dagelijks eet- en drinkpatroon van een individueel varken kunnen gebruikt worden om deze problemen op te sporen. Daarom werden standaard voeder- en drinksystemen uitgerust met een Hoog Frequent (HF) Radio Frequentie Identificatie (RFID) systeem om dit gedrag automatisch op te meten. Elk varken kreeg een passieve RFID transponder met een uniek nummer in het oor. De metingen van de RFID systemen werden uitgebreid gevalideerd door middel van gedragsobservaties. Een etend of drinkend varken bleek niet continu geregistreerd te worden. Uit metingen van het bereik van het RFID systeem kon worden besloten dat de RFID registraties met onregelmatige tussenpozen van enkele seconden gebeurden doordat de ogenblikkelijke positie en oriëntatie van de transponders ten opzichte van de antenne het meetbereik veranderen.
Uit de registraties van de RFID transponders aan de voederbak of drinknippel kunnen het aantal, de duur en het tijdstip van eet- en drinkbeurten worden afgeleid. Daarvoor dienden er eerst eet- en drinkbezoeken geconstrueerd te worden uit de ruwe RFID data. De optimale methode hiervoor bleek het gebruik van ‘bezoekcriteria’ te zijn. Verschillende variabelen van het eet- en drinkpatroon werden vervolgens berekend op basis van de RFID registraties en vergeleken met de observaties. Er werden correlaties gevonden tussen verscheidene geobserveerde en RFID gebaseerde eet- en drinkvariabelen. Voor de duur van eten en drinken werden de hoogste correlaties behaald, zowel met de duur van de RFID bezoeken als met het aantal RFID registraties. Ook waterverbruik kon geschat worden op basis van het RFID systeem aan de drinknippels.
Vier waarschuwingssystemen werden ontwikkeld om veranderingen op te sporen in het eetgedrag van individuele varkens. Als variabelen in de detectie-algoritmes werden het aantal registraties en het gemiddelde interval tussen eetbezoeken gekozen. Voor elke variabele werden zowel vaste limieten (constant voor alle varkens en gedurende de hele periode) als Synergistische Controle (SGC) limieten (individueel en tijdsafhankelijk) opgesteld. Het concept van Synergistische Control laat toe om normale variatie in het eet- en drinkpatroon van elk varken, zoals leeftijdseffecten, te onderscheiden van abnormale variatie gerelateerd met problemen. Elk varken wordt hierbij gebruikt als zijn eigen referentie en de opgestelde limieten zijn varken-specifiek, wat maakt dat mogelijke problemen op individueel niveau worden opgespoord.
Abnormale punten gedetecteerd door de waarschuwingssystemen werden dagelijks gesignaleerd onder de vorm van een ‘attentie’ als een varken een bepaalde limiet overschreed. Een validatie van de waarschuwingssystemen werd uitgevoerd door de attenties te vergelijken met uitgebreide observaties van een groep varkens. Dagelijks werden de correcte en foutieve attenties en het aantal gemiste problemen bepaald. De beste resultaten werden bereikt door de Synergistische Controle-limieten toe te passen op het aantal registraties en door het gebruik van historische data om het waarschuwingssysteem te initialiseren. Hiermee werd een sensitiviteit van 66 %, specificiteit van 98 %, accuraatheid van 97 % en precisie van 67 % bereikt voor alle gezondheids-, welzijns- en productiviteitsproblemen gedetecteerd door de observatoren. De gemiddelde tijd tot de eerste foutieve attentie was 82 dagen voor individuele varkens en ernstige problemen werden gemiddeld na 1.1 dag gedetecteerd.
Verder onderzoek is nodig om de toegevoegde waarde van een automatisch waarschuwingssysteem voor de varkenshouder te kwantificeren op verschillende vlakken (e.g. gezondheid, productie, efficiëntie, arbeid, kost, welzijn, antibioticagebruik). De attenties van de systemen werden nu vergeleken met problemen gedetecteerd door observatoren. Er is echter nog geen info beschikbaar over welke problemen een varkenshouder zelf zou detecteren (en wanneer) en welke problemen het belangrijkst zijn om te detecteren (e.g. omdat een behandeling nodig is, of moeilijk om visueel te detecteren). Toekomstig onderzoek is ook nodig om de sensitiviteit en de precisie van het waarschuwingssysteem te verbeteren. Hierbij zouden de optimale combinaties van variabelen en waarschuwingssystemen de resultaten kunnen verbeteren. Ook de automatische monitoring van het drinkpatroon van de varkens zou hierbij in rekening kunnen gebracht worden.