Quanto è frequente che un suinetto venga schiacciato dalla scrofa durante la lattazione? Questo fenomeno, noto come schiacciamento in sala parto, si rivela essere la causa principale della mortalità pre-svezzamento nei suinetti, portando fino al 55% delle perdite durante il periodo di lattazione. Le implicazioni sono considerevoli, non solo in termini di benessere dei suinetti, ma anche di perdite economiche per l’azienda.
Eliminazione delle gabbie parto
Facendo seguito all'iniziativa dei cittadini europei “End the Cage Age”, guidata da 170 organizzazioni non governative (Ong), che ha raccolto 1,4 milioni di firme da parte dei cittadini dell'UE per chiedere la graduale eliminazione delle gabbie negli allevamenti, il Parlamento Europeo ha proposto la fine dell'allevamento in gabbia entro il 2027.
Questa situazione crea incertezze riguardo allo schiacciamento dei suinetti: gli studi che esaminano il legame tra il benessere delle scrofe, la salute dei suinetti e le prestazioni produttive sono estremamente limitati e mancano protocolli specifici per gestire sistemi di allevamento alternativi alle gabbie. Ciò comporta una perdita di sostenibilità economica nel settore suinicolo e una comprensibile riluttanza nell'abbandonare le tradizionali gabbie.
Il progetto di ricerca
In questo contesto, l'Istituto Zooprofilattico Sperimentale delle Venezie, in collaborazione con l'Università di Torino e la Katholiken University of Leuven, ha avviato un progetto finalizzato allo studio dello schiacciamento dei suinetti in box privi di gabbia parto. Attraverso l'adozione di metodologie innovative, l'obiettivo è sviluppare un sistema in grado di individuare precocemente i suinetti a rischio di schiacciamento e programmare interventi mirati per prevenirlo.
Lo studio si è svolto in una scrofaia convenzionale italiana, dove durante i primi giorni post-parto la scrofa viene confinata in una gabbia parto. Successivamente, tra il quinto e il settimo giorno, la gabbia viene aperta e la scrofa è libera di muoversi nel box insieme ai suinetti. Ogni box era dotato di una telecamera che forniva una visione dall'alto dell'intera area. Sono stati raccolti 154 video di schiacciamenti, di cui 77 avvenuti in gabbia parto chiusa e 77 in gabbia parto aperta.
Per ogni evento di schiacciamento sono stati registrati i dati produttivi della scrofa, i parametri ambientali (temperatura esterna, temperatura del box e del nido, concentrazioni di NH3 e CO2) e i dati gestionali (posizione della lampada, tempo trascorso dall'ultima somministrazione di cibo e le informazioni riguardanti la castrazione e le manipolazioni). Per alcune scrofe è stato valutato lo stato di nutrizione misurando il grasso e il muscolo dorsale al parto e allo svezzamento.
Studio del comportamento durante lo schiacciamento
Il progetto include lo studio del comportamento, condotto attraverso l'utilizzo di Boris (Behavioral Observation Research Interactive Software) 4, un software open-source che consente l'annotazione di eventi su video. È stato elaborato un etogramma per valutare il comportamento della scrofa, dei suinetti coinvolti negli eventi di schiacciamento e degli altri suinetti della nidiata. L’analisi del comportamento è stata condotta da due operatori, ed è stata valutata la concordanza tra le loro valutazioni (coefficiente di Cohen).
Supporto dell’intelligenza artificiale
Parallelamente, è stato sviluppato un modello di computer vision in grado di fare istant segmentation automaticamente, con il fine ultimo di identificare gli schiacciamenti in modo automatico a partire da video. Cos’è la computer vision? È un campo dell’intelligenza artificiale che permette ai computer di ricavare informazioni da input visivi; ha bisogno di molti input per eseguire analisi di dati ripetutamente fino a distinguere e riconosce le immagini. In questo studio gli input sono rappresentati dai fotogrammi estratti dai video. Il nostro modello è stato addestrato con un dataset di 836 immagini in cui i suinetti erano completamente visibili (non schiacciati), e testato con un dataset di 412 immagini in cui si sono verificati eventi di schiacciamento. In ogni fotogramma è stata fatta istant segmentation manualmente, che consiste nel contornare le sagome di scrofa e suinetti, ricostruendo anche le parti non visibili perché “occluse”, ovvero nascoste da altri soggetti (digura 1). I soggetti sono stati poi identificati assegnando ad ognuno un codice univoco.
Fig. 1 - Esempio di fotogramma originale (sinistra) e in cui è stata fatta istant segmentation manualmente (destra).
Analisi di 28 video di schiacciamenti
Ad oggi sono stati analizzati 28 video da entrambi gli operatori ottenendo un coefficiente di Cohen medio pari a 0,931, dimostrando l’appropriatezza dell'etogramma.
L'etogramma valuta fattori di rischio legati alla scrofa, come il tipo di movimento che culmina nello schiacciamento, il tempo impiegato per cambiare posizione, e l’utilizzo di supporti come le pareti del box per sdraiarsi. Per quanto riguarda i suinetti, viene valutato lo stato di salute e l'attività svolta prima dello schiacciamento. Il livello di rischio indica la porzione di suinetto schiacciato al momento dell'evento.
Ricostruzione dei pixel della porzione di suinetto schiacciato
È stato utilizzato un approccio ibrido che ha combinato tecniche di machine learning (apprendimento statistico) e deep learning (reti neurali) per individuare e classificare le “occlusioni. Per la classificazione delle occlusioni sono stati seguiti i seguenti passaggi:
- Riconoscimento ed estrazione delle sagome dei suini (Minimum Bounding Box) usando una rete neurale convoluzionale (Cnn).
- Estensione delle porzioni di sagome dei suinetti che risultavano coperte dalla scrofa.
- Estrazione di un “vettore di features” relative a tali sagome fornito sempre dall’impiego della CNN: indica la direzione in cui si estende la parte occlusa della sagoma.
- Predizione del posizionamento dei singoli pixel relativi ai suini coperti utilizzando il Bayesian Lattice Classifier (Blc). Un algoritmo di apprendimento statistico ha “appreso” la forma dei suini a partire da una serie di 24 template che raffiguravano i suini in diverse posture e angolazioni. In questo modo l’algoritmo riesce a ricostruire i pixel di suinetto occlusi.
- Classificazione dei diversi tipi di occlusione in base alla porzione di suinetto non visibile.
Il metodo appena descritto ha ottenuto risultati di istant segmentation con un livello di precisione (Intersection over Union, IoU) di 0,930, 0,911, 0,888, 0,853 e 0,834, rispettivamente su cinque livelli di occlusione. Rispetto ai metodi ad oggi disponibili, il nostro metodo ha ottenuto risultati migliori. Ciò significa che l’algoritmo riesce a ricostruire i pixel della porzione di suinetto schiacciato, e quindi non visibile, con un ottimo livello di precisione.
Implicazioni pratiche e sviluppi futuri
L'etogramma proposto si è dimostrato uno strumento appropriato per analizzare il comportamento delle scrofe, dei suinetti e della nidiata. L’analisi comportamentale, insieme ai dati ambientali, produttivi e gestionali consente di identificare e studiare in modo accurato i principali fattori di rischio associati agli eventi di schiacciamento. Ciò apre la strada alla definizione di protocolli gestionali mirati per migliorare le condizioni di allevamento delle scrofe in box privi di gabbia parto. I dati dell'analisi video derivanti da questo studio saranno fondamentali per addestrare il computer a valutare autonomamente i rischi nei video e a lanciare un allarme in caso di superamento di una soglia di rischio. Questo consentirà agli operatori di intervenire tempestivamente per prevenire incidenti.
Lo sviluppo di un algoritmo in grado di fare amodal instance segmentation automaticamente rappresenta un passo avanti significativo nel riconoscimento automatico degli schiacciamenti. I promettenti risultati ottenuti e la riduzione del carico di lavoro necessario per il training grazie all'unione delle diverse tecniche di apprendimento, rappresentano un potenziale notevole per migliorare l'efficienza e l'accuratezza delle procedure di monitoraggio e prevenzione degli schiacciamenti.
Leggi l’articolo completo sulla Rivista di Suinicoltura 5/2024
Sfoglia l’edicola digitale e scopri box privi di gabbia parto
