Support-Vektor-Maschinen: intelligente Hilfsmittel zur Erkennung von Mastitis

Mastitis ist einer der Hauptgründe für den Rückgang sowohl der Milchleistung als auch der Milchqualität, was zu erheblichen Einkommensverlusten für Milchschafhalter führt. Unter normalen hygienischen Bedingungen in der Schafhaltung liegt die Prävalenz klinischer Mastitis bei etwa 5 % der Herde. Leider ist dies nur die Spitze des Eisbergs, während der unter Wasser liegende Teil des Eisbergs durch subklinische Mastitis repräsentiert wird, die in einigen Fällen 65 % oder mehr erreichen kann. Die aktuelle Untersuchung präsentiert einen alternativen Ansatz zur Vorhersage des Vorliegens einer Euterentzündung bei Milchschafen durch die Anwendung von Support Vector Machines (SVMs), einer Teildisziplin im Bereich der künstlichen Intelligenz. Der Milchlaktosegehalt (MLC) und die elektrische Leitfähigkeit der Milch (MEC) werden als prädiktive Variablen und die somatische Zellzahl der Milch (MSCC) als Klassifikator verwendet. Die verwendeten Daten wurden aus einer 10-jährigen historischen Datenbank des ARAS-Labors (Sardischer Regionalverband der Landwirte) gesammelt. Die SVMs haben eine Sensitivität und Spezifität von 62 % bzw. 75 % gezeigt. Daher könnte die Verwendung von SVMs als erstes Screening-System zur Erkennung von Euterentzündungen das Verfahren vor der Durchführung teurer und zeitaufwändiger bakteriologischer Analysen vereinfachen.

Autorentext

Djangsou Hagassou wurde am 04.02.1982 im Tschad geboren, wo er seine Kindheit verbrachte. Im Jahr 2000 kam er zum Studium nach Italien. Er erwarb 2009, 2012 und 2016 den B.Sc., M.Sc. und Ph.D. an der Universität Sassari, Fakultät für Landwirtschaft, Italien. Im Jahr 2016 erhielt er ein Forschungsstipendium der Universität Sassari zum Thema "Erkennung subklinischer Mastitis bei sardischen Milchschafen".