李喜阳​，刘向东∣基于机器学习方法的母猪高低产分类模型研究

《华中农业大学学报》2021年第3期刊发了华中农业大学动物科学技术学院/农业动物遗传育种与繁殖教育部重点实验室的刘向东副教授团队的研究文章《基于机器学习方法的母猪高低产分类模型研究》。欢迎从我刊官网或中国知网下载阅读！

研究背景

自2018年非洲猪瘟疫情在我国蔓延以来，我国养猪业格局发生了颠覆，行业重新“洗牌”,我国养猪业正式进入后非瘟时代。在尚未有有效的非瘟疫苗问世之前，猪场防非将成为常态化，如何在严峻的防非形势下更好地对母猪进行繁殖管理、预测母猪高低产，及时淘汰低产母猪，最大化猪场的生产效益显得尤为重要。在目前的规模化、集约化养猪生产中，所要处理和分析的数据量愈发庞大，数据结构愈发复杂，传统的数据分析方法已无法满足需求。为此，本研究考虑使用4种不同的机器学习方法构建母猪高低产分类模型，并筛选最优的分类模型，为猪场实现精细化繁殖管理提供参考。

研究成果

数据结构：

本文收集整理了广西某猪场2016—2018年3个母猪群体的生产数据（以A、B、C数据集表示）。三个数据集分别包含出生场地、分娩栏位、品种和不同胎次的产产仔数性状。 

主要研究结果：

基于重要特征构建母猪高低产的最佳分类模型。按照不同的分类标准将母猪产仔数性状进行二元处理，基于筛选出的重要特征，利用4种不同的机器学习方法构建母猪高低产分类模型，比较最佳的分类模型（表3）。

决策树视图分析：

决策树视图分析结果显示出生场地、品种和初生窝重是划分最高产母猪的重要叶节点（图1），利用这些特征预测最高产母猪准确率可达73%~82%。

图1 最高产母猪的视图分析

本研究对已有的生产母猪数据集进行特征筛选，尝试运用4种不同的机器学习方法构建母猪高低产分类模型来对下一胎次的高低产进行预测，其预测准确率在 71%以上，最高可达84%，并利用决策树视图探究了影响母猪高产的相关因素。

然而，本研究也存在一定的局限性，如对于机器学习方法样本量偏小、分类模型的预测准确性不高、模型的泛化能力还有待验证、所收集数据包含的变量较少等。在后续的研究中我们将进一步扩充用于构建模型的数据样本量，收集整理更多的变量，例如母猪的发情间隔、公猪的精液品质、母猪的体况和环境数据等，尝试用更科学的算法来构建模型以提高模型分类准确率，使得机器学习方法能够更好地应用于养猪生产，实现高繁殖力母猪的早期选育。

文章引用

李喜阳，李信颉，赵志超，等. 基于机器学习方法的母猪高低产分类模型研究[J]. 华中农业大学学报，2021，40（3）：221-229.

DOI:10.13300/j.cnki.hnlkxb.2021.03.025

点击阅读原文，更加精彩！

第3期精彩内容



 

水产养殖水下机器人研究进展

狂犬病新型基因工程疫苗研究进展

BiOI/BiOBr异质结催化剂的制备及光催化降解罗丹明B

长江经济带淡水养殖污染负荷特征分析

生物炭对作物氮肥利用率影响的整合分析

手机在线购买期刊
戳“阅读原文”获取更多内容