| 報告時間：2024-10-23 |
| 報告地點：大四教室 |
| 指導老師：江信毅 |
| 學生：何依頻 |
| 摘要 |
|
隨著現代乳牛養殖技術的發展，群體飼養和自動餵奶系統（Automated Milk Feeders, AMF）的應用越來越普及。AMF不僅能提高勞動力管理效率，還能提供動物更大的行為自由，符合動物福利的需求。然而，群體飼養模式下的個體健康監測仍然是一項挑戰。對於離乳前小牛而言，早期發現和預防疾病至關重要，及時診斷疾病可以顯著降低發病率和死亡率，從而提升整體生產效益。本研究於美國中西部地區的一家乳牛場進行，共有951頭荷蘭母犢牛參與實驗。時間從2018年7月到2019年5月，小牛每週進行健康評分，做為Data 1，並利用每週健康評分及治療紀錄作為Data 2，同時收集AMF系統的餵養行為數據。利用generalized linear model、random forest以及gradient boosting machine等3種方法預測健康狀況，建構16個模型，目的為利用AMF系統收集的餵養行為數據和機器學習演算法來預測離乳前小牛疾病。研究結果顯示，每週的健康評分不足以精確預測犢牛的健康狀況。結合日常治療紀錄和 AMF 系統數據，可生成準確的預測演算法。其中，RF和GBM在健康狀況預測中的表現最佳，Data 2 的 F1 分數分別為0.784和0.775。結果顯示機器學習能夠有效識別與疾病相關的具體餵養行為，預測群養小牛的健康狀況，進而減少牧場對犢牛的目視觀察需求並改善小牛健康。 |
|