Machine learning models for event prediction and anomaly detection in cattle

Abstract

[Resumo] A presente tese doutoral aborda a implementación e a análise do rendemento de distintas técnicas, algoritmos, e métodos de aprendizaxe automática aplicados ao sector gandeiro bovino español para a detección de patróns de comportamento anómalos asociados a distintos eventos singulares, en concreto a eventos reprodutivos, en vacas de explotacións gandeiras. Concretamente, nas investigacións levadas a cabo empregáronse técnicas de clasificación supervisada e semi-supervisada, comunmente coñecidas como técnicas one-class. Para a monitorización do comportamento do gando, empregáronse colares de monitorización comerciais capaces de detectar en tempo real o comportamento individual do animal. Neste sentido, no presente traballo realízase unha detallada análise comparativa entre o rendemento de diferentes m´etodos e estratexias para comprobar a súa funcionalidade e aplicabilidade neste sector tan específico e complexo. Resulta fundamental destacar que para o desenvolvemento desta tese doutoral contouse coa colaboración da Start-Up galega Innogando que foi a encargada de desenvolver os colares de monitorización, así como de facilitar os datos rexistrados por estes dispositivos. Este traballo de investigación preséntase por compendio de publicacións polo que, no presente documento, recóllese un fío condutor no que se presentan de forma ordenada as tres publicacións publicadas en revistas de impacto recollidas no Journal Citation Report (JCR), mostrando así os avances levados a cabo durante a realización da tese. A primeira contribución presentada, corresponde cunha revisión onde se expón de forma detallada a estado da arte das principais ferramentas e técnicas que se empregan na gandería bovina actual para a detección de diferentes eventos anómalos tales como enfermidades ou procesos reprodutivos. Neste artigo analízase detalladamente os dispositivos, sensores e técnicas baseadas en intelixencia artificial que están a ser máis empregadas na actualidade. Na segunda contribución presentada avalíase e compara o rendemento de diferentes técnicas de clasificación supervisadas para a detección temperá de celo a partir dos datos de actividade rexistrados por un colar de monitorización comercial. Finalmente, no terceiro artigo analízase o rendemento de técnicas one-class para a detección de patróns de celo a partir dos datos de comportamento rexistrados polo colar de monitorización.

[Resumen] La presente tesis doctoral aborda la implementación y el análisis del rendimiento de distintas técnicas, algoritmos, y métodos de aprendizaje automático aplicados al sector ganadero bovino español para la detección de patrones de comportamiento anómalos asociados a distintos eventos singulares, en concreto a eventos reproductivos, en vacas de explotaciones ganaderas. Concretamente, en las investigaciones llevadas a cabo se han empleado técnicas de clasificación supervisada y semi-supervisada, comúnmente conocidas como técnicas one-class. Para la monitorización del comportamiento del ganado, se han empleado collares de monitorización comerciales capaces de detectar en tiempo real el comportamiento individual del animal. En este sentido, en el presente trabajo se realiza un detallado análisis comparativo entre el rendimiento de diferentes métodos y estrategias para comprobar su funcionalidad y aplicabilidad en este sector tan específico y complejo. Resulta fundamental destacar que para el desarrollo de esta tesis doctoral se ha contado con la colaboración de la Start-Up gallega Innogando que ha sido la encargada de desarrollar los collares de monitorización, así como de facilitar los datos registrados por estos dispositivos. Este trabajo de investigación se presenta por compendio de publicaciones por lo que, en el presente documento, se recoge un hilo conductor en el que se presentan de forma ordenada las tres publicaciones publicadas en revistas de impacto recogidas en el Journal Citation Report (JCR), mostrando así los avances llevados a cabo durante la realización de la tesis. La primera contribución presentada, corresponde con una revisión en donde se expone de forma detallada el estado del arte de las principales herramientas y técnicas que se emplean en la ganadería bovina actual para la detección de diferentes eventos anómalos tales como enfermedades o procesos reproductivos. En este artículo se analiza detalladamente los dispositivos, sensores y técnicas basadas en inteligencia artificial que están siendo más empleados en la actualidad. En la segunda contribución presentada se evalúa y compara el rendimiento de diferentes técnicas de clasificación supervisadas para la detección temprana de celo a partir de los datos de actividad registrados por un collar de monitorización comercial. Finalmente, en el tercer artículo se analiza el rendimiento de técnicas one-class para la detección de patrones de celo a partir de los datos de comportamiento registrados por el collar de monitorización.

[Abstract] This doctoral thesis deals with the implementation and performance analysis of different techniques, algorithms, and machine learning methods applied to the Spanish cattle sector to detect anomalous behavior patterns related to different singular events, specifically reproductive events, in cows from cattle farms located in Spain. Particularly, supervised and semi-supervised classification techniques, commonly known as one-class techniques, have been applied in this research. Commercial intelligent collars have been used to detect individual animals’ behavior in real time. In this sense, a detailed comparative analysis of the performance of different methods and strategies is carried out to verify their functionality and applicability in this specific and complex sector. It is essential to highlight that for the development of this doctoral thesis, the Galician Start-Up Innogando has been in charge of developing the monitoring collars and providing the data recorded by these devices. This research work is presented as a compendium of publications, so in this document, there is a common thread in which the three publications published in impact journals included in the Journal Citation Report (JCR) are presented in an orderly manner, thus showing the progress made during the thesis. The first contribution corresponds to a detailed review of the state of the art of the main tools and techniques used in cattle breeding to detect different anomalous events, such as diseases or reproductive processes. This paper analyzes in detail the devices, sensors, and techniques based on artificial intelligence currently being used most. In the second contribution presented, the performance of different supervised classification techniques for early estrus detection from activity data recorded by a commercial monitoring collar is evaluated and compared. Finally, the third paper analyzes the performance of one-class techniques for detecting estrus patterns from the behavioral data recorded by the monitoring collar.