Прогнозирование проблем при отеле до осеменения
Небольшой процент коров сталкивается с осложнениями при отеле, и селекционеры хотели бы заранее знать, какие животные находятся в группе риска. Используя обширный набор данных голландской компании по разведению крупного рогатого скота CRV, специалисты по информатике из Гронингенского университета с помощью искусственного интеллекта разработали прогностическую модель, которая теоретически может вдвое сократить количество проблемных отелов. Результаты опубликованы в Preventive Veterinary Medicine.
Данные для селекции
Разведение скота — это наука о данных. Компании предоставляют семя быков и регистрируют успешность их потомства. Данные об удоях коров и многих других характеристиках собираются и хранятся в огромной базе данных вместе с генетической информацией. Это позволяет присваивать животным «расчетную племенную ценность» и находить оптимальные пары для спаривания.
Прогноз до осеменения
Один из аспектов разведения — рождение телят. Примерно в 3,3% случаев возникают осложнения при отеле (дистоция). Существующие модели прогнозируют риск дистоции, но используют данные, доступные только после осеменения. Целью новой работы было создать модель, предсказывающую риск до осеменения.
Создание модели
Исследователи получили от CRV большой набор данных о коровах и быках. Сначала с помощью машинного обучения был создан пробный модель. После проверки, что ключевые факторы риска имеют смысл, была построена полная модель.
Основные вызовы:
- Очистка и компиляция доступных данных.
- Дисбаланс данных: только 3,3% беременных коров испытывают дистоцию.
Для решения проблемы дисбаланса было создано множество сбалансированных подвыборок данных, которые затем агрегировали для обучения модели. Тестирование на данных, не использовавшихся при обучении, показало, что модель работает значительно лучше случайного предсказания.
Потенциал и применение
Расчеты показали, что в идеальных условиях модель может примерно вдвое снизить риск дистоции. Однако это требует идеального сочетания быка и коровы, что не всегда возможно.
Тем не менее, модель позволяет фермерам и селекционной компании оценить риск конкретного спаривания до осеменения. Это важно, поскольку все предыдущие модели требовали информации, собранной уже после осеменения, что не позволяло по-настоящему предотвращать осложнения.