Tilbake til søkeresultatene

BIONÆR-Bionæringsprogram

Genes2behave - Using vision-related behavioral traits in commercial breeding programs for pigs.

Alternativ tittel: Genes2behave - Bruk av atferdsegenskaper basert på videoteknologi i avlsprogram for gris

Tildelt: kr 6,8 mill.

Prosjektnummer:

321409

Søknadstype:

Prosjektperiode:

2021 - 2025

Midlene er mottatt fra:

Geografi:

Dårlig økonomi og økt etterspørsel fra forbrukere etter kjøtt produsert med god dyrevelferd har endret rammene for svineproduksjonen. Gårdene er større og med høyere dyrebelegg. manuelt arbeid har blitt automatisert og dyr-menneske interaksjonene er færre. Dette er faktorer som påvirker miljøet grisen lever i og det er derfor viktig at avlsselskapene har informasjon om grisens atferd for å sikre at grisen er rolige, sosiale og velfungerende i det sosiale miljøet de holdes i. Det vil si å minimere skadelig atferd som for eksempel halebiting og aggresjon og stimulere til positive atferder som lek og utforskende atferd. De siste års framgang innen bruk av videoteknologi, kunstig intelligens (AI) og maskinlæring (ML) på ulike fagområder har gitt nye muligheter for å registrere grisens atferd i bingen. I dette prosjektet har vi som mål å registrere atferd hos griser som påvirker dyrevelferd, produksjonseffektivitet og produktkvalitet og å utvikle et rutineprogram for å kunne ta i bruk atferdsegenskaper fra video inn i vårt avlsprogram. Det er nå 12 binger med kameraovervåking på Norsvin Delta. Data materialet lagres i en skyløsning. Prosjektet har kommet godt i gang med å annotere videobilder (1200 stk). Disse er brukt for å trene modeller for gjenkjenning av griser, sporing av griser og gjenkjenning av kroppsdeler hos griser. Kroppsdelene som er identifisert er hale, kryss, skulder, høyre og venstre øre og nese. Videre skal prosjektet knytte metadata fra fôringsstasjonene om dyrets ID inn i den samme modellen som identifiserer andre trekk ved grisen. Arbeidet med identifikasjon av ulike atferder registrert med kamera har akkurat begynt, eksempelvideoer er gjennomgått og arbeidet med å finne gode løsninger for hvordan disse kan defineres er startet.

Poor economy and increased consumer demand for animal welfare friendly meat production has changed the framework for pig production. The farms are bigger with high animal turn-over. Manual work is automatized, the group sizes are increasing, and the human-animal interactions are reduced. These factors are all creating the framework for the environment pigs are kept in. It is therefore crucial that breeding companies have information about behaviour to evolve the pig breeds to be calm, social and well-functioning in their social environment. This means to minimize antagonistic and damaging behaviours such as aggression and tail biting and stimulate to optimal behaviours such as play, positive interactions and exploration. Advances in vision technologies, artificial intelligence (AI) and machine learning (ML) have offered new opportunities to measure behavioural traits. In this project we aim to measure behavioural traits in pigs that influence animal welfare, production efficiency and product quality in order to establish a routine pipeline for implementation of behavioural traits in our breeding program. This will be achieved using novel techniques within artificial intelligence, machine learning and digitization of pig behaviour through videos. From videos, the project shall identify novel behavioural traits relevant for genomic selection. The project will therefore develop models for efficient storage of informative images from video and develop models for predicting different behavioural traits. When the automated recording of behaviour is established and available - genomic analyses of the new traits will be performed to identify heritable traits relevant for implementation in the breeding program. Introducing a novel digital pipeline from video to breeding value for behavioural traits is essential in terms of improving the animal welfare and profit in pig production, but also our breeding programs and competetive advantage in an international market.

Aktivitet:

BIONÆR-Bionæringsprogram