豬場咬尾行為早期自動監(jiān)測預(yù)警研究（下）

張振玲 （編譯）

(徐州生物工程職業(yè)技術(shù)學(xué)院動物工程系，江蘇 徐州 221006)

2 結(jié)果

2.1 咬尾暴發(fā)情況

斷奶后（16～41 d）(平均f標(biāo)準(zhǔn)誤差＝28.2f9.3），23組不斷尾豬中有15組（占65.2%）暴發(fā)咬尾，其中有5起咬尾發(fā)生在斷奶圈，10起在保育圈。

2.2 咬尾損傷隨時間推移的評分情況

共記錄12 440個咬尾損傷。圖1顯示了暴發(fā)組平均咬尾損傷評分在咬尾暴發(fā)前后數(shù)周的占比情況。

咬尾暴發(fā)前幾周，傷害和新鮮度分?jǐn)?shù)開始增加，而腫脹和尾部長度分?jǐn)?shù)僅在暴發(fā)之前或之后才增加。在暴發(fā)前后2周，非暴發(fā)組豬的損傷評分為0的平均比率仍保持在0.6～0.7（暴發(fā)前2周為0.677f0.064；前1周為0.663f0.061；暴發(fā)1周后為0.709 9f0.067 1；2周后為0.592 9f0.069 3），這一比例在暴發(fā)組顯著下降（暴發(fā)前2周為0.556f0.061 6，前1周為0.375f0.375；暴發(fā)1周后 為 0.198f0.062 7，2周后為 0.206 5f0.068 2）（圖1）。線性混合模型揭示了不斷尾處理的咬尾損傷極為顯著（F1，7＝ 24.98，P＝ 0.002）、不斷尾處理周數(shù)（F3，50＝ 9.53；P＜ 0.001）以及兩者之間的交互作用均極為顯著（F3，50＝ 8.01，P＜ 0.001）。LSD 方差分析顯示對照組與處理組比較，除暴發(fā)前2周差異不顯著外，其余周差異均顯著（P＜0.05）。

圖1 15組不同咬尾損損傷評分在咬尾暴發(fā)前后數(shù)周平均占比圖

2.3 3D數(shù)據(jù)采集

收集到的3D數(shù)據(jù)為1 200 d（23組h52.2 d），但由于各種技術(shù)原因，僅收集962 d，其中827 d用于分析（其中有135 d尾姿數(shù)據(jù)不到100，故分析中舍棄)。通過機器視覺算法，共獲得2 152 101個3D尾姿測量數(shù)據(jù)結(jié)果，但每天的數(shù)量變化很大。1 d中數(shù)據(jù)最多為20 371，平均（±標(biāo)準(zhǔn)誤）為2 237（±2 746）。其中，尾角測量值為0?時的占58.2%（3D 0；1 251 601次），表明尾姿過低，不能檢測到角度。角度0?～30?占19.3%（3D 1；416 250 次 )，30?～ 60?占 14.9%（3D 2；321 552次 ），60?～ 90?占7.6%（3D 3 162 698次 )。

2.4 2D視頻數(shù)據(jù)進(jìn)行3D數(shù)據(jù)驗證

3名觀察者共產(chǎn)生926個3D尾姿數(shù)據(jù)（圖2）。該算法擅長識別低靠身體的尾部（并且很好地識別低懸垂尾部），均屬低尾姿。人眼識別為卷尾（302頭）的被3D算法準(zhǔn)確識別為低尾姿267頭（3D 0），占88.4%（267/302）。人眼識別為未卷尾（624條）被準(zhǔn)確地識別為尾姿不低（3D 1，2或 3），占66.8%（417/624）?？ǚ綑z驗顯示卷尾與3D 0（低尾姿）極顯著相關(guān)（χ2=248.5，P<0.001）。因此，該算法的總體準(zhǔn)確率（正確識別684/總926）為73.9%。對于低尾姿，該算法識別為3D 0的準(zhǔn)確率為53.4%（71/133）。若將卷尾和下垂尾的視覺識別合起來，將其識別為3D 0，則該算法的靈敏度為77.7%，特異性為72.3%，準(zhǔn)確率為74.8%。在檢測到的474次3D 0低尾姿中，有71.3%屬卷尾或低姿松弛，高尾姿有56.2%（50/89）被正確識別為3D 2或3D 3。盡管經(jīng)常觀察到卷尾（386/926=41.7%的人眼檢查率），但3D算法處理得不太好，在所有3D類別中識別率相當(dāng)均勻（圖2）。

2.5 咬尾暴發(fā)群前后3D低尾姿情況

圖2 人眼檢查2D數(shù)據(jù)（縱坐標(biāo)）驗證3D尾姿數(shù)據(jù)（橫坐標(biāo)）的條形圖

在15個暴發(fā)組中，繪制了相對于咬尾暴發(fā)日的3D 0低尾姿日占比（圖3）。每組可用數(shù)據(jù)25 ～ 51 d（ 平 均 41.93f7.95 d），擬合的簡單多項回歸模型具有極顯著 意 義（F2，543=101.33，P <0.001；R2=26.9；表2）線性項和二次冪項均有極顯著性差異（線性估計為33.2h104，P <0.001；二次冪項估計為 -2.5h104，P <0.001）。正的線性項表示3D 0（低尾姿）隨時間推移而增加，而負(fù)二次項則表示數(shù)據(jù)正在下降（呈倒u形；圖3），反映了隨咬尾暴發(fā)臨近，低尾姿比例增加，然后在采取各種緩解措施以減少咬尾的情況下，暴發(fā)后低尾姿下降。擬合第二類回歸模型，每組擬合單條直線（F44,501=42.97，P<0.001），擬合效果較好（R2=77.2）。在15個咬尾暴發(fā)組中，有13組線性關(guān)系顯著（P<0.05），其中9組呈正相關(guān)，3 D 0（低尾姿）隨時間推移而增加，4例呈負(fù)相關(guān)。11組具有顯著的二次冪（非線性相關(guān)）（P<0.05），其中10組具有負(fù)的二次冪系數(shù)，表明3D 0（低尾姿）與時間呈倒 U 關(guān)系（圖3）。一組有一個正二次項表示 U 形的。

2.6 暴發(fā)組中咬尾暴發(fā)前3D 0低尾姿情況

對15個暴發(fā)組，每一天低尾姿（3D 0）的比例與暴發(fā)前的數(shù)據(jù)進(jìn)行擬合（用于分析的數(shù)據(jù)如圖3所示，位于y軸的左側(cè)），在此分析中，每組有1～37 d的可用數(shù)據(jù)（平均20.87f9.87）。這些數(shù)據(jù)擬合的簡單多項回歸模型間具有顯著的相關(guān)性（F2，243=54.3，P <0.001；R2=30.3)。正線性項（193.3h104，P <0.001）表明低尾姿豬的比例在咬尾暴發(fā)前有所增加，而二次正相關(guān)系數(shù)（3.6h104，P<0.001）則呈上升趨勢。模型擬合各組的獨立直線，總體擬合度較好（F41，204=32.4，P<0.001；R2=84.0），其中 8條呈顯著正線性相關(guān)（6條不顯著），8條具有顯著的正二次系數(shù)（非線性，二次函數(shù)））。

圖3 咬尾暴發(fā)前后數(shù)天不同組的低尾姿（3D 0）的比例

2.7 暴發(fā)組中咬尾暴發(fā)前1周和2周3D低尾姿比較

有足夠資料可用于分析的10個暴發(fā)組（第2周和第1周至少有2天的數(shù)據(jù)），低尾姿豬的比例（3D 0）在暴發(fā)前第1周（0.562f0.009）極顯著高于暴發(fā)前第 2周（0.473f0.009，F(xiàn)1,107=47.5，P <0.001；圖 4）。

此結(jié)果得到了同一數(shù)據(jù)回歸分析的支持（極顯著）（F1,107=67.6，P <0.001）。 正 的 回 歸 系 數(shù)（0.013f0.002）表明在暴發(fā)前14 d低尾的比例增加。

2.8 暴發(fā)組與對照組間3D低尾姿的比較

圖4 在暴發(fā)前的若干天檢測到低尾姿（3 D 0）的比例

采用線性混合模型，比較各批次內(nèi)暴發(fā)組和對照組在暴發(fā)前第2周、前第1周、暴發(fā)后第1周、后第2周的咬尾發(fā)生情況。在校正了生長階段對咬尾暴發(fā)極顯著影響（斷奶階段=0.53f0.09，保育 階 段 =0.63f0.09；F1,215=126.5，P <0.001）后，暴發(fā)組豬的低尾姿率顯著高于對照豬（F1,5=7.47，P =0.046；圖5）。最小顯著性差異檢驗顯示，暴發(fā)組與對照組豬在咬尾暴發(fā)前第1周、暴發(fā)后第1和第2周間的低尾姿差異顯著（P <0.05）。有極顯著的時間處理交互作用（F3，93= 29.5，P＜ 0.001），低尾姿隨時間的推移而增加，而對照組則不是。

2.9 3D低尾姿作為損傷評分預(yù)測指標(biāo)

采用線性混合模型，確定各組（包括暴發(fā)組和對照組）的3D低尾姿與尾部損傷的總體關(guān)系。表2中的負(fù)效應(yīng)系數(shù)表明，當(dāng)?shù)臀沧溯^少時（3D 0），有較多未受傷尾（損傷0、新鮮0、腫脹0）或輕微損傷尾（損傷1或2）。相比之下，表2中的正的系數(shù)表明，較低的尾部（3D 0）預(yù)示更大比例的受損尾部（損傷評分3或4）、新鮮受傷的尾部（新鮮度評分1、4或5）或減少的尾部長度（長度1）。

3 討論

咬尾在某種程度上是不可預(yù)測的，何時暴發(fā)仍然是變化和難以預(yù)測的。

圖5 咬尾暴發(fā)前2周和后2周3D低尾姿(3D 0) 占比的估計均值（±標(biāo)準(zhǔn)誤）

表2 尾部損傷評分與3D低尾數(shù)據(jù)的關(guān)系

本研究第1個目的是用觀察者對尾部姿態(tài)的視覺評估來驗證3D尾部姿態(tài)檢測算法。算法性能并不完美，而且對于最常見的尾部姿態(tài)如尾巴卷曲，顯然算法還有改進(jìn)的余地。只有3D 0是足夠可靠的可以用于進(jìn)一步分析。第2個目的是確定是否自動檢測到（3D 0）低尾姿在咬尾暴發(fā)前發(fā)生變化。回歸分析表明，低尾姿率在咬尾暴發(fā)前有所增加且呈上升趨勢，在暴發(fā)后再次下降。當(dāng)對咬尾暴發(fā)前的2周進(jìn)行比較時，有證據(jù)表明，從前2周到前1周，以及在14 d內(nèi)，低尾姿數(shù)都在增加。這些結(jié)果也為其他作者所提出的咬尾暴發(fā)前低尾姿勢確實增加提供支持，并可用作咬尾暴發(fā)的預(yù)警信號。第3個目的是比較咬尾暴發(fā)組和非暴發(fā)組（對照組）的3D尾部姿勢數(shù)據(jù)。在咬尾暴發(fā)前前1周和暴發(fā)1周和2周后，即使考慮了不同生長階段的影響，暴發(fā)組的低尾率也高于對照組。這為使用這種技術(shù)作為咬尾預(yù)警信號的想法提供了進(jìn)一步的支持。盡管對照并非完全沒有尾巴受傷，但這些暴發(fā)組與對照組的低尾姿確實存在差異。增加暴發(fā)組和對照組之間尾部損傷程度對比的方法是使用高水平的環(huán)境富集材料，以降低對照組咬尾風(fēng)險。然而，這種環(huán)境變化本身可能會影響到尾巴姿勢以致于引起困擾，而且咬尾的不可預(yù)測性和群體間的變異性可能仍然會導(dǎo)致一些尾巴損傷和環(huán)境富集的對照圈咬尾的暴發(fā)。第4個目的是確定不同時間和不同組群的3D尾部姿勢數(shù)據(jù)與尾部損傷評分之間是否存在普遍的關(guān)系。這一分析忽略了暴發(fā)組和對照組之間的區(qū)別。一系列線性混合模型顯示3D尾部姿勢數(shù)據(jù)與尾部損傷評分之間有顯著的關(guān)系：當(dāng)組中有許多未受傷的豬，或輕度受傷的豬時，檢測到有較少的低尾姿（3D 0）。當(dāng)該組中有更多受傷的豬時，低尾姿比例更大。圖3中的倒“U”圖也反映了隨著暴發(fā)越來越近而低尾姿增加，以及當(dāng)采取措施停止進(jìn)一步的咬尾以使尾巴（損傷）恢復(fù)時，咬尾暴發(fā)后低尾姿下降。

有些研究發(fā)現(xiàn)在咬尾暴發(fā)之前，豬的活動增加了。因此，豬的活動情況也有作為預(yù)警信號的潛力。從原理上講，每天3D尾巴檢測的數(shù)量可以作為豬行為活動的代表，因為豬必須站在攝像機下才能被檢測到，但是由于每天檢測到數(shù)據(jù)變化很大，也無法分析這一點。檢測到尾姿次數(shù)的多變性有各種可能的原因。所有的攝像頭都連接到一臺PC上，因此系統(tǒng)可同時從所有圈中獲取數(shù)據(jù)。相機所能捕捉到圈里豬的數(shù)量可能會有所不同。豬尾部運動量（如尾部擺動）可能在幾天內(nèi)有所變化在，這可能會影響到檢測數(shù)據(jù)。在整個項目進(jìn)行過程中，對數(shù)據(jù)捕獲和尾部姿態(tài)檢測算法作了一些優(yōu)化，因此不可用而舍棄的數(shù)據(jù)也減少了，并在以后的批次中檢測到的數(shù)據(jù)量也增加了，但每天的檢測次數(shù)仍然是可變的。

本項研究就是找出豬早期咬尾信號，這個信號對于豬農(nóng)來說要足夠早以便識別咬尾暴發(fā)跡象并采取措施。本研究咬尾暴發(fā)的標(biāo)準(zhǔn)是：在圈外確認(rèn)有3頭有新鮮傷口的豬，或者一頭或多頭尾巴流血，或者有明顯的咬尾行為。尾部評分?jǐn)?shù)據(jù)（基于從圈內(nèi)對尾部的密切觀察）顯示，至少暴發(fā)前1～2周，尾部損傷的跡象逐漸增加（圖1）。其他研究者對暴發(fā)使用了不同的定義或標(biāo)準(zhǔn)。Zonderland等人分析了單頭豬只水平的數(shù)據(jù)，并表明豬尾巴在從沒有損壞到小孔咬痕的過渡過程中，以及在從未受傷或有咬痕的尾巴過渡到有明顯的尾部損傷時，更有可能夾在兩腿之間。Lahrmann等采用的標(biāo)準(zhǔn)是每圈內(nèi)出現(xiàn)4頭有受傷的豬（包括正在恢復(fù)的及擦傷）。若我們使用Lahrmann等的定義，很可能會比我們的方法更早地在某些圈暴發(fā)咬尾。 早期 信號中早期的概念顯然與 咬尾 的定義有關(guān)。在咬尾暴發(fā)之前就有明顯的尾巴傷害（因為在尾巴咬傷暴發(fā)之前就有仔細(xì)的尾巴打分），這表明如果結(jié)合尾部姿勢能夠開發(fā)一種自動檢測尾部損傷的方法（如尾巴顏色或尾部溫度），也可以提供咬尾暴發(fā)的早期預(yù)警。

各組（圖3、圖4）之間的低尾姿（3D 0）占比差異較大，這也反映在改進(jìn)的每組擬合回歸模型中。從3D數(shù)據(jù)預(yù)測咬尾暴發(fā)可能是監(jiān)測咬尾的較好方法。有時，隨著時間的推移，尾巴姿勢的趨勢在同齡群體之間會發(fā)生變化，可能與咬尾無關(guān)。特別是，當(dāng)?shù)臀沧耍?D 0）的豬被轉(zhuǎn)到新圈時，它們在對照組和暴發(fā)組中的比例往往會同時顯著增加。顯然，我們還需要了解影響這一 本底 尾姿的因素，這將有助于進(jìn)一步完善預(yù)警系統(tǒng)。例如，尾巴姿勢可能是豬的喚醒狀態(tài)時或情緒狀態(tài)的普通信號，這意味著它可能被其他生理或社會壓力源或疾病狀態(tài)所改變，而不僅僅是早期咬尾的信號。另一擔(dān)憂是，咬尾風(fēng)險的多因素性最有可能意味著某些類型的暴發(fā)可能比其他類型更容易被早期發(fā)現(xiàn)。如果由飲水、料槽、通風(fēng)或供暖故障引起的應(yīng)激而導(dǎo)致的咬尾暴發(fā)，可能會相對更快地發(fā)生。

本研究中尾姿變化和尾部損傷暴發(fā)前的變化與其他研究者所發(fā)現(xiàn)的類似。這些變化加上尾部受傷情況（即使在缺乏高科技手段的情況下），也可以作為豬農(nóng)的咬尾暴發(fā)早期預(yù)警信號（在有足夠時間密切和頻繁地檢查他們的豬的情況下）。提高對早期預(yù)警信號的認(rèn)識和使用可以減少咬尾的不可預(yù)測性，使養(yǎng)豬者更有信心遵守歐盟理事會第2008/120/EC號指令的要求，停止使用斷尾作為預(yù)防咬尾的 殺手锏”。

本研究的發(fā)現(xiàn)為以下設(shè)想提供了 理論證據(jù)”：使用3D攝像機來記錄尾部姿勢可以發(fā)展成一種預(yù)警系統(tǒng)，以防止咬尾暴發(fā)。這一技術(shù)能否商品化，將取決于實時預(yù)測系統(tǒng)能否成功設(shè)計，并取決于該系統(tǒng)的經(jīng)濟(jì)成本和效益。3D相機的成本相對較高，但如果除咬尾預(yù)測外還用于檢測豬的生長、攻擊行為或健康不良行為指標(biāo)等其他重要經(jīng)濟(jì)特性等多功能系統(tǒng)，則使用3D相機在經(jīng)濟(jì)上更為可行

本研究首次表明，利用Time-of- fl ight 3D攝像機和機器視覺算法檢測低尾姿有望提供豬咬尾自動預(yù)警信號。尾姿檢測算法具有足夠的準(zhǔn)確性，低尾姿率隨時間的推移而增加，在暴發(fā)組中高于對照組，且與尾部損傷增加有關(guān)。本研究通過提供有關(guān)動物生長、健康、行為和福利的實時信息，為快速發(fā)展的 精確畜牧養(yǎng)殖業(yè) 領(lǐng)域做出貢獻(xiàn)，利用新技術(shù)為豬場管理決策提供信息。（全文完）