Adapting the feed, the animal and the feeding techniques to improve the efficiency and sustainability of monogastric livestock production systems
Adapting the feed, the animal and the feeding techniques to improve the efficiency and sustainability of monogastric livestock production systems

Prédiction en temps réel du poids vif des porcs en croissance logés en groupe à partir des pesées quotidiennes réalisées avec une bascule automatique

Authors: 
Quiniou N., Marcon M., Brossard L.
Publication date: 
5 February 2019
Full title: 
Prédiction en temps réel du poids vif des porcs en croissance logés en groupe à partir des pesées quotidiennes réalisées avec une bascule automatique
Real-time prediction of individual body weight of group-housed growing pigs from daily measurements with an automatic weighing scale
Publishing information: 
51e Journées de la Recherche Porcine, 5-6 février 2019, Paris, France, A21
Abstract: 

Precision feeding is a promising strategy to improve the efficiency of resource use by improving the adequacy of between nutrient supplies and animal requirements. Technologies that identify each pig within a group (RFID ear tags), weighs it automatically and mixes different diets to adapt the quality of the feed ration on an individual and daily basis (precision feeders) were combined in a decision support system developed in the H2020 Feed-a-Gene project. It also includes a conceptual model to estimate nutritional requirements that relies on prediction of body weight (BW) and BW gain. These day D+1 criteria must be predicted from daily and individual measurements of BW performed up to day D on growing pigs group-housed in a pen equipped with an automatic weighing scale. The BW predicted with the Holt-Winters’ double exponential smoothing model (HWa, with the smoothing parameter a set at 0.6) were compared to measurements performed over 96 days on two groups of 96 pigs. From the 85 and 83 individual growth curves available, the slope of the regression between mean measured and predicted BW averaged 0.98 (R² = 0.99). Based on 9080 and 7662 measured BW available (respectively in each group), mean daily RMSEP regularly varies over time around 4-5% (without any particular event during the trial). Consequently, the accuracy of the prediction method was considered to meet expectations.

L’alimentation de précision est une stratégie prometteuse pour améliorer l’utilisation des ressources. Dans le cadre du projet H2020 Feed-a-Gene, un outil d’aide à la décision (OAD) met en œuvre un logiciel d’estimation des besoins du porc en croissance élevé en groupe à partir des données de consommation et de poids collectées chaque jour par des stations d’alimentation et de pesée. Dans l’approche factorielle d’estimation des besoins en acides aminés (AA), le poids vif (PV) est un déterminant majeur du besoin d’entretien tandis que le besoin de croissance dépend du gain de poids (∆PV). Ainsi, à partir des données disponibles jusqu’au jour J, il est nécessaire de prédire PV et ∆PV au jour J+1 pour déterminer la quantité d’AA à apporter ce jour-là. Pour cela, la dynamique individuelle d’évolution du PV doit donc être décrite à l’aide d’une méthode de prédiction appliquée aux données individuelles disponibles. La méthode de lissage double exponentiel de Holt-Winters (HW0,6 où 0,6 est la valeur du paramètre de lissage) est implémentée dans l’OAD, avec utilisation des 20 derniers PV connus. L’objectif de l’étude est de comparer les PV prédits par la méthode HW0,6 aux PV moyens obtenus chaque jour à partir de la bascule automatique. Un groupe de 83 porcs étudiés pendant 97 jours à la station IFIP de Romillé a généré 7745 PV journaliers individuels. Le calcul de la pente de la régression entre PV prédit et PV mesuré pour chaque porc (en moyenne 0,9898) et de la racine de l’écart quadratique moyen de prédiction (RMSEP < 3 kg sauf évènement ou problème observé) amène à considérer que les résultats de prédiction sont satisfaisants.

Media category: 

Stakeholder platform

Do want to take part in Feed-a-Gene? Register on the Stakeholder Platform!
 
or