Precision livestock farming technologies have been widely researched over the last decade. These technologies help in monitoring animal health and welfare parameters in a continuous, automated fashion. Under this umbrella of precision livestock farming, this study focuses on activity classification and body weight prediction in pigs. Activity monitoring is essential for understanding the health and growth of pigs. To automate this task effectively, we propose efficient and accurate sensor-based deep learning (DL) solutions. Among these, the 2D Residual Networks emerged as the best performing model, achieving an accuracy of 95.6%. This accuracy was 15.6% higher than that of other machine learning approaches. Additionally, accurate pig weight estimation is crucial for pork production, as it provides valuable insights into growth rates, disease prevalence, and overall health. Traditional manual methods of estimating pig weights are time-consuming and labor-intensive. To address this issue, we propose a novel approach that utilizes deep learning techniques on depth images for weight prediction. Through a custom image preprocessing pipeline, we train DL models to extract meaningful information from depth images for weight prediction. Our findings show that XceptionNet gives promising results, with a mean absolute error of 2.82 kg and a mean absolute percentage error of 7.42%. In comparison, the best performing statistical model, support vector machine, achieved a mean absolute error of 4.51 kg mean absolute percentage error of 15.56%. / Master of Science / With the increasing demand for food production in recent decades, the livestock farming industry faces significant pressure to modernize its methods. Traditional manual tasks such as activity monitoring and body weight measurement have been time-consuming and labor-intensive. Moreover, manual handling of animals can cause stress, negatively affecting their health. To address these challenges, this study proposes deep learning-based solutions for both activity classification and automated body weight prediction. For activity classification, our solution incorporates strategic data preprocessing techniques. Among various learning techniques, our deep learning model, the 2D Residual Networks, achieved an accuracy of 95.6%, surpassing other approaches by 15.6%. Furthermore, this study also compares statistical models with deep learning models for the body weight prediction task. Our analysis demonstrates that deep learning models outperform statistical models in terms of accuracy and inference time. Specifically, XceptionNet yielded promising results, with a mean absolute error of 2.82 kg and a mean absolute percentage error of 7.42%, outperforming the best statistical model by nearly 8%.

A method of continuously monitoring weight would aid producers by ensuring all pigs are gaining weight and increasing the precision of marketing pigs thus saving money. Electronically monitoring weight without moving the pigs to the scale would eliminate a stress-generating source. Therefore, the development of methods for monitoring the physical conditions of animals from a distance appears as a necessity for obtaining data with higher quality. In pigs\' production, animals\' weighing is a practice that represents an important role in the control of the factors that affect the performance of the herd and it is an important factor on the production\'s monitoring. Therefore, this research aimed to extract weight data of pigs through depth images. First, a validation of 5 Kinect &reg; depth sensors was completed to understand the accuracy of the depth sensors. In addition, equations were generated to correct the dimensions\' data (length, area and volume) provided by these sensors for any distance between the sensor and the animals. Depth images and weights of finishing pigs (gilts and barrows) of three commercial lines (Landrace, Duroc and Yorkshire based) were acquired. Then, the images were analyzed with the MATLAB software (2016a). The pigs on the images were selected by depth differences and their volumes were calculated and then adjusted using the correction equation developed. Also, pigs\' dimensions were acquired for updating existing data. Curves of weight versus corrected volumes and corrected dimensions versus weight were adjusted. Equations for weight predictions through volume were adjusted for gilts and barrows and for each of the three commercial lines used. A reduced equation for all the data, without considering differences between sexes and genetic lines was also adjusted and compared with the individual equations using the Efroymson\'s algorithm. The result showed that there was no significant difference between the reduced equation and the individual equations for barrows and gilts (p<0.05), and the global equation was also no different than individual equations for each of the three sire lines (p<0.05). The global equation can predict weights from a depth sensor with an R2 of 0,9905. Therefore, the results of this study show that the depth sensor would be a reasonable approach to continuously monitor weights. / Um método de monitoramento contínuo da massa corporal de suínos auxiliaria os produtores, assegurando que todos os animais estão ganhando massa e aumentando a sua precisão de comercialização, reduzindo-se perdas. Obter eletronicamente a massa corporal sem mover os animais para a balança eliminaria uma fonte geradora de estresse. Portanto, o desenvolvimento de métodos para monitorar as condições físicas dos animais à distância se mostra necessário para a obtenção de dados com maior qualidade. Na produção de suínos, a pesagem dos animais é uma prática que representa um papel importante no controle dos fatores que afetam o desempenho do rebanho e o monitoramento da produção. Portanto, esta pesquisa teve como objetivo extrair, automaticamente, dados de massa de suínos por meio de imagens em profundidade. Foi feita, primeiramente, uma validação de 5 sensores de profundidade Kinect &reg; para compreender seu comportamento. Além disso, foram geradas equações para corrigir os dados de dimensões (comprimento, área e volume) fornecidos por estes sensores para qualquer distância entre o sensor e os animais. Foram obtidas imagens de profundidade e massas corporais de suínos e crescimento e terminação (fêmeas e machos castrados) de três linhagens comerciais (Landrace, Duroc e Yorkshire). Em seguida, as imagens foram analisadas com o software MATLAB (2016a). Os animais nas imagens foram selecionados por diferenças de profundidade e seus volumes foram calculados e depois ajustados utilizando a equação de correção desenvolvida. Foram coletadas, ainda, dimensões dos animais para atualização de dados existentes. Curvas de massa versus volumes corrigidos e de dimensões corrigidas versus massa, foram ajustadas. Equações para predição de massa a partir do volume foram ajustadas para os dois sexos e para as três linhagens comerciais. Uma equação reduzida, sem considerar as diferenças entre sexos e linhagens, também foi ajustada e comparada com as equações individuais utilizando o algoritmo de Efroymson. O resultado mostrou que não houve diferença significativa entre a equação reduzida e as equações individuais tanto para sexo (p <0,05), quanto para linhagens (p <0,05). A equação global pode predizer massas a partir do volume obtido com o sensor, com um R2 de 0,9905. Portanto, os resultados deste estudo mostram que o sensor de profundidade é uma abordagem razoável para monitorar as massas dos animais.

Bakgrund: Lantbruket står inför stora framtida utmaningar som t.ex. stora befolkningsökningar och minskade jordbruksarealer. Ett förslag för att lösa en del av problemet och öka effektiviteten inom lantbruket är att implementera och använda olika digitala tjänster och produkter. Ett av koncepten för den digitala tekniken som har lyfts fram av bland annat EU är Smart farming. Konceptet är brett och innefattar många olika tekniska lösningar, varav en av dessa är kameraövervakning av boskapsdjur. Frågeställning: Har de lantbrukare som använder kameraövervakning av boskapsdjur upplevt en förändring av sin livskvalitet och har användningen av tekniken medfört några ekonomiska effekter? Metod: Ett kvalitativt angreppssätt valdes där sex lantbrukare intervjuades i semistrukturerade intervjuer. Resultat: De medverkande lantbrukarna var överlag positiva till kameraövervakningssystemen och flera av lantbrukarna anser att tekniken möjliggjort att de kunnat spara tid och att djur i viss utsträckning kunnat räddats. Flera av lantbrukarna menar också att användandet av kameraövervakningssystemen lett till positiva effekter gällande deras livskvalitet, där det framför allt var möjligheten att kunna spendera mer tid med familj och ökad flexibilitet som var bidragande. Slutsatser: Undersökningens resultat tyder på att kameraövervakningssystemen kan spara tid och pengar för lantbrukarna och att den upplevda livskvaliteten förbättras. Den grupp respondenter i undersökningen som upplevde störst effekter av kameraövervakningen var mindre lantbruk. Kameraövervakningen användes till flera olika ändamål, t.ex. brottsförebyggande, kalvning, personalsäkerhet, övervakning av foderbord, lösdrift samt gård och ägor.

The observation, control and the maintenance of the physical condition of sows in acceptable levels are critical to maintain the animal welfare and production in appropriate standards. Lameness causes pain making locomotion difficult. However, lameness is a common disorder in sows that causes negative impacts in both welfare and production. Since the animals that demonstrate this problem, have a smaller number of born-alive piglets, fewer gestation per year and are removed from the herd at a younger age than the ideal. In addition, it is industry practice to limit feed sows to ensure that they remain at an ideal condition score. It is known that, during gestation, each sow should receive a different amount of food according to its body condition. Underweight animals have nutritional deficiency and lower number of piglets per litter. On the other hand, overweight sows have an abnormal development of mammary glands, reducing the amount of milk produced during lactation, causing economic losses. However, moving sows to group gestation makes it difficult to monitor condition score in gestating sows. Both the detection of lameness and the classification of body condition are currently assessed using subjective methods, which is time consuming and difficult to accurately complete. Therefore, the early recognition of animals that present physical condition outside the standards is important to prevent production losses caused by both the aggravation of the conditions presented and the impact on the animals\' welfare. The objective of this project is to obtain three characteristics (body condition score, mass and backfat thickness) through depth images, that proved to be effective on the acquisition of these features in other animals (boars and cows). The second objective is to develop a method for early detection of lameness using the kinematic approach, that has been generating good results and which difficulties have the potential to be reduced by using depth images instead of the method of reflective markers currently used. To predict body condition, a multiple linear regression was obtained using the minor axis of the ellipse fitted around sow\'s body, the width at shoulders, and the angle, of the last rib\'s curvature. To predict backfat, a multiple linear regression was performed using the height of last rib\'s curvature, the perimeter of sow\'s body, the major axis of the ellipse fitted around sow\'s body, the length from snout to rump, and the predicted body condition score. It was possible to obtain the body mass with a simple linear regression using the projected volume of the sows\' body. For lameness detection, three models presented the best accuracy (76.9%): linear discriminant analysis, fine 1-nearest neighbor, and weighted 10-nearest neighbors. The input variables used on the models were obtained from depth videos (number, time, and length of steps for each of the four regions analyzed - left and right shoulders and left and right hips; total walk time; and number of local maxima for head region). As a result of these studies, it has been demonstrated that a depth camera can be used to automate the weight, condition score, backfat thickness, and lameness acquisition/detection in gestating and lactating sows. / A observação, o controle e a manutenção das condições físicas de matrizes suínas em níveis aceitáveis são fundamentais para manter o bem-estar animal e a produção em padrões adequados. A claudicação causa dor e dificuldade de locomoção e, no entanto, é uma desordem comum em matrizes suínas que, além do impacto negativo no bem-estar, gera, também, grandes impactos na produção, uma vez que os animais que demonstram esse problema, apresentam um menor número de leitões nascidos vivos, menor número de partos por ano e são removidas do rebanho a uma idade mais jovem do que a ideal. Sabe-se, ainda, que, durante a gestação, cada matriz deve receber uma quantidade de ração diferenciada de acordo com sua condição corporal. Animais abaixo do peso apresentam deficiência nutricional e menor número de leitões nascidos por ninhada. Já as matrizes com excesso de peso apresentam um desenvolvimento anormal das glândulas mamárias, reduzindo a quantidade de leite produzida durante a lactação, acarretando em perdas econômicas. Tanto a detecção da claudicação quanto a classificação da condição corporal são feitos por meios subjetivos e dependentes da opinião pessoal do tratador, o que pode gerar divergências entre as classificações dadas por cada indivíduo. Destaca-se, portanto, a importância do reconhecimento precoce de animais que apresentam condições físicas fora dos padrões exigidos, visando a prevenção de perdas produtivas causadas tanto pelo agravamento das condições apresentadas quanto pelo grande impacto no bem-estar dos animais. Tendo-se isso em vista, o presente trabalho visou obter três características (escore de condição corporal, massa corporal e espessura de toucinho) por meio de imagens em profundidade, que se mostraram eficazes na obtenção dessas características em outros animais (suínos machos não- castrados e vacas leiteiras). Além disso, buscou-se desenvolver um método para a detecção precoce de claudicação em matrizes suínas, utilizando-se a abordagem da cinemática dos animais, que vem dando bons resultados e cujas dificuldades têm potencial para serem sanadas por meio do uso de imagens em profundidade em vez do método de marcadores reflexivos utilizado atualmente. Para predizer a condição corporal, uma regressão linear múltipla foi obtida usando o menor eixo da elipse ajustada ao redor do corpo da matriz suína, a largura dos ombros e o ângulo da curvatura da última costela. Para predizer a espessura de toucinho, foi realizada uma regressão linear múltipla usando a altura curvatura da última da costela, o perímetro do corpo da matriz, o maior eixo da elipse ajustada, o comprimento do focinho à cauda e o escore predito da condição corporal. Foi possível obter a massa corporal com uma regressão linear simples usando o volume projetado do corpo das matrizes. Para detecção de claudicação, três modelos apresentaram a melhor precisão (76,9%): análise discriminante linear, 1 vizinho mais próximo e 10 vizinhos mais próximos. As variáveis de entrada utilizadas nos modelos foram obtidas a partir de vídeos em profundidade (número, tempo e comprimento de passos para cada uma das quatro regiões analisadas-ombros esquerdo e direito e quadris esquerdo e direito; tempo total de caminhada e número de máximos locais para a região da cabeça). Como resultado desses estudos, observou-se que câmeras em profundidade podem ser utilizadas na automação de medidas de peso, condição corporal, espessura de toucinho e claudicação de matrizes suínas.

A method of continuously monitoring weight would aid producers by ensuring all pigs are gaining weight and increasing the precision of marketing pigs thus saving money. Electronically monitoring weight without moving the pigs to the scale would eliminate a stress-generating source. Therefore, the development of methods for monitoring the physical conditions of animals from a distance appears as a necessity for obtaining data with higher quality. In pigs\' production, animals\' weighing is a practice that represents an important role in the control of the factors that affect the performance of the herd and it is an important factor on the production\'s monitoring. Therefore, this research aimed to extract weight data of pigs through depth images. First, a validation of 5 Kinect &reg; depth sensors was completed to understand the accuracy of the depth sensors. In addition, equations were generated to correct the dimensions\' data (length, area and volume) provided by these sensors for any distance between the sensor and the animals. Depth images and weights of finishing pigs (gilts and barrows) of three commercial lines (Landrace, Duroc and Yorkshire based) were acquired. Then, the images were analyzed with the MATLAB software (2016a). The pigs on the images were selected by depth differences and their volumes were calculated and then adjusted using the correction equation developed. Also, pigs\' dimensions were acquired for updating existing data. Curves of weight versus corrected volumes and corrected dimensions versus weight were adjusted. Equations for weight predictions through volume were adjusted for gilts and barrows and for each of the three commercial lines used. A reduced equation for all the data, without considering differences between sexes and genetic lines was also adjusted and compared with the individual equations using the Efroymson\'s algorithm. The result showed that there was no significant difference between the reduced equation and the individual equations for barrows and gilts (p<0.05), and the global equation was also no different than individual equations for each of the three sire lines (p<0.05). The global equation can predict weights from a depth sensor with an R2 of 0,9905. Therefore, the results of this study show that the depth sensor would be a reasonable approach to continuously monitor weights. / Um método de monitoramento contínuo da massa corporal de suínos auxiliaria os produtores, assegurando que todos os animais estão ganhando massa e aumentando a sua precisão de comercialização, reduzindo-se perdas. Obter eletronicamente a massa corporal sem mover os animais para a balança eliminaria uma fonte geradora de estresse. Portanto, o desenvolvimento de métodos para monitorar as condições físicas dos animais à distância se mostra necessário para a obtenção de dados com maior qualidade. Na produção de suínos, a pesagem dos animais é uma prática que representa um papel importante no controle dos fatores que afetam o desempenho do rebanho e o monitoramento da produção. Portanto, esta pesquisa teve como objetivo extrair, automaticamente, dados de massa de suínos por meio de imagens em profundidade. Foi feita, primeiramente, uma validação de 5 sensores de profundidade Kinect &reg; para compreender seu comportamento. Além disso, foram geradas equações para corrigir os dados de dimensões (comprimento, área e volume) fornecidos por estes sensores para qualquer distância entre o sensor e os animais. Foram obtidas imagens de profundidade e massas corporais de suínos e crescimento e terminação (fêmeas e machos castrados) de três linhagens comerciais (Landrace, Duroc e Yorkshire). Em seguida, as imagens foram analisadas com o software MATLAB (2016a). Os animais nas imagens foram selecionados por diferenças de profundidade e seus volumes foram calculados e depois ajustados utilizando a equação de correção desenvolvida. Foram coletadas, ainda, dimensões dos animais para atualização de dados existentes. Curvas de massa versus volumes corrigidos e de dimensões corrigidas versus massa, foram ajustadas. Equações para predição de massa a partir do volume foram ajustadas para os dois sexos e para as três linhagens comerciais. Uma equação reduzida, sem considerar as diferenças entre sexos e linhagens, também foi ajustada e comparada com as equações individuais utilizando o algoritmo de Efroymson. O resultado mostrou que não houve diferença significativa entre a equação reduzida e as equações individuais tanto para sexo (p <0,05), quanto para linhagens (p <0,05). A equação global pode predizer massas a partir do volume obtido com o sensor, com um R2 de 0,9905. Portanto, os resultados deste estudo mostram que o sensor de profundidade é uma abordagem razoável para monitorar as massas dos animais.

京都大学 / 新制・課程博士 / 博士(農学) / 甲第25349号 / 農博第2615号 / 新制||農||1108(附属図書館) / 京都大学大学院農学研究科地域環境科学専攻 / (主査)教授 近藤 直, 准教授 小川 雄一, 教授 飯田 訓久 / 学位規則第4条第1項該当 / Doctor of Agricultural Science / Kyoto University / DGAM

L’amélioration de l’efficience alimentaire des animaux peut contribuer à un élevage plus durable par la réduction des ressources utilisées et des rejets associés. Les caractères qui déterminent l’efficience alimentaire des vaches laitières restent mal identifiés. Le projet se propose donc d’identifier les facteurs biologiques associés à la variabilité interindividuelle de l’efficience alimentaire des vaches laitières. La variation d’efficience alimentaire a été estimée avec l’ingéré résiduel, classiquement défini comme la variabilité résiduelle de l’énergie nette ingérée corrigée pour l’énergie nette du lait, l’entretien et les variations de réserves corporelles. Cet ingéré résiduel inclut par définition toutes les erreurs de mesure. Pour réduire ces erreurs, la note d’état corporel, qui classiquement se fait par notation visuelle, a été automatisée et de nombreux autres caractères candidats ont été mesurés fréquemment dans un environnement stable sur quasiment toute la lactation.La variabilité de l’ingéré résiduel ne représentait que 8% de la variabilité de l’ingéré mesuré, dont 58,9% étaient associés à de l’efficience et non de l’erreur. L’étude de la répétabilité de cet ingéré résiduel au cours de la lactation suggère d’éviter les 7 premières quinzaines au profit du milieu de lactation. Parmi tous les caractères mesurés, le comportement alimentaire, la température ruminale, la variation des réserves corporelles et l’activité expliquaient 58,9% de la variabilité de l’ingéré résiduel. Les effets de plusieurs de ces caractères semblent confondus. Leur lien de causalité av / Achieving higher feed efficiency of animals is expected to improve animal production sustainability through reduction of the used resources and of the associated emissions. The traits determining feed efficiency remain poorly understood. The present project aimed therefore at identifying the biological factors associated with feed efficiency differences in lactating dairy cows. Feed efficiency variation was estimated with the traditional residual intake, which was defined as the residual variability of net energy intake which is not explained by net energy required for lactation, maintenance and body reserves change. This residual intake includes by definition all measurement errors. To reduce these errors, body condition score, which is commonly measured visually, has been automated and several other candidate traits were measured frequently in a steady environment for almost whole lactation.Residual intake variability represented only 8% of intake variability in our study, among which only 58.9% were found to be associated with feed efficiency variability and not to errors. The repeatability analysis of the residual intake throughout the lactation suggested to avoid the 7 first lactation fortnights, and rather to focus on lactation middle. Among all measured traits, feeding behaviour, rumen temperature, body reserves change and activity explained 58.9% of residual intake variability. Many of these traits seemed confounded with others, which claimed for the need for further work to properly define their causal relationship with feed efficiency, especially focussing on di

A constante influência humana em atividades de manejo animal, além de aumentar os custos de produção, torna-se uma adicional fonte geradora de estresse sobre os animais. Nesse sentido, é necessária a busca pelo desenvolvimento de métodos alternativos de acompanhamento, à distância e em tempo real, das condições físicas dos animais, em conjunto com o controle das instalações. Para a identificação da condição de conforto ou estresse calórico dos animais, alguns indicativos podem vir a auxiliar, tais como a temperatura retal (TR), sendo esse um bom indicador da temperatura do núcleo corporal, bem como, a frequência respiratória (FR). Porém, com a crescente preocupação em relação ao bem-estar animal, vários questionamentos são feitos acerca de métodos invasivos, motivando a busca por alternativas à mensuração da TR. Surge então, como variável alternativa, a temperatura da superfície corporal, buscando-se correlacioná-la com a TR e FR. Sendo assim, com essa pesquisa objetivou-se identificar a região mais adequada da superfície corporal dos suínos, em fase de creche, que apresente a melhor correlação com a TR e FR. Para tal, foi conduzido um experimento, dividido em duas etapas: etapa 1) pré-experimento, sendo conduzido com dois animais em câmara climática, variando-se as condições de temperatura e testando-se métodos de fixação de sensores e coleta de dados inicialmente propostos; e etapa 2) experimento principal. Este último foi conduzido em uma câmara climática, com cinco leitões da raça Landrace x Large White, com 30 dias de idade, provenientes de uma mesma ninhada e do mesmo sexo (fêmea). Variaram-se as condições de temperatura no interior da câmara climática de 14°C a 35,5°C, de modo a atingir situações de estresse tanto por frio quanto por calor, sendo calculada a entalpia para os propósitos do presente estudo. O delineamento estatístico utilizado foi o inteiramente casualizado, com um único fator, a entalpia ambiente, com sete níveis (31,26; 39,56; 51,12; 59,24; 74,82; 82,96; 94,26 kJ.kg de ar seco-1). Foram realizadas medidas repetidas em intervalos de 30 minutos, em seis diferentes regiões corporais: cabeça (A), paleta (B), lombo (C), pernil (D), orelha (E) e timpânica (F). Para as regiões de A a E foram utilizados dois métodos de medida diferentes: datalogger de temperatura Thermochron iButton® - DS1921G e outro via termômetro de infravermelho Fluke® 566. Para a região F, utilizou-se um termômetro de infravermelho de testa e ouvido G-Tech - T1000. Todos com cinco repetições das medidas para cada variável, em cada situação ambiente. Com os resultados obtidos foi possível propor equações de regressão múltipla para a TR e FR, sendo esta última apontada pela análise de componentes principais como a melhor candidata a correlações com as temperaturas da superfície corporal e por ser um bom indicador da situação de estresse térmico. Por meio desses resultados foi possível observar que a região timpânica mostrou-se como a melhor opção para acompanhamento tanto da TR quanto da FR via termômetro de infravermelho (TiF), enquanto que ao utilizar sensores de temperatura da superfície corporal, a melhor opção foi a orelha (TbE) para predição de TR, e a região do lombo (TbC) para predição de FR. / Human constant influence in handling activities, besides raising production costs, becomes another stress source for the animals. In this sense, it becomes necessary the development of alternative methods, that can remotely monitor, in real time, animal\'s physical conditions, together with remote facilities control. In terms of identifying comfort or stressful thermal situations for animals, some indicators can be handy, such as rectal temperature (RT), which is a good indicator of the core body temperature, as well as, the respiratory rate (RR). Although, with the raising concerns about animal welfare, several questions are raised against invasive methods, encouraging the search for alternatives to RT measuring. The determination of body surface temperature values, trying to correlate them to RT and RR, emerges as an alternative. Thus, it\'s aimed, with this research, to identify the most adequate swine body surface region, in nursery phase, which presents better correlation with RT and RR. For that, an experiment was conducted, divided in two stages: stage 1) pre-experiment, being conducted with two animals in a climate chamber, varying temperature conditions and testing sensor fixation and data collection methods previously proposed; and stage 2) main experiment. The last one was conducted in a climate chamber, with five Landrace x Large White piglets, 30 days aged, from the same litter and of the same sex (female). Temperature conditions inside the chamber were varied from 14°C to 35.5°C, attaining stressful situations both for cold and heat, being calculated the enthalpy for this study purposes. The statistical design used was the completely randomized, with one factor only, the ambient enthalpy, in seven levels (31.26; 39.56; 51.12; 59.24; 74.82; 82.96; 94.26 kJ.kg of dry air-1). Repeated measures were taken in 30 minutes intervals, in six different body regions: head (A), shoulder (B), loin (C), ham (D), ear (E) and tympanic (F). For regions from A to E, two different methods were used: temperature datalogger Thermochron iButton® - DS1921G and infrared thermometer Fluke® 566. For region F, a forehead and ear infrared thermometer G-Tech - T1000 was used. All of them had five replicates of measures for each variable, in each environment situation. With the obtained data, it was possible to propound multiple regression equations for RT and RR, the last one being shown by principal components analysis as a better candidate to correlate to body surface temperatures and because it\'s a good indicator of the animal\'s thermal stress situation. By means of these results it was possible to observe that the tympanic region arises as the better option for monitoring RT and RR through infrared thermometer (TiF), while when using body surface temperature sensors, the best option was the ear (TbE) for predicting RT, and the loin region (TbC) for predicting RR.

As tecnologias baseadas em sensores estão cada vez mais disponíveis e podem ser usadas para coletar informações detalhadas sobre o comportamento animal. Com esta informação é possível avaliar o ritmo circadiano de variáveis comportamentais e monitorar sua resposta. A identificação de variações na resposta deste ritmo tem o potencial de detectar problemas de saúde e questões de bem-estar animal. O objetivo deste trabalho foi estudar os ritmos circadianos comportamentais como uma nova abordagem para monitorar ovelhas em sistemas extensivos e estudar a emissão de metano, eficiência alimentar e crescimento de novilhos de corte. Este trabalho foi composto por dois experimentos (ovinos e bovinos). Foram utilizados cochos automatizados e sensores de atividade baseados em acelerômetro para coletar informações detalhadas do comportamento ingestivo (bovinos) e do comportamento de atividade (ovinos e bovinos), juntamente com as características de desempenho animal. Estes dados foram utilizados para calcular a percentagem de comportamento cíclico harmônico/sincronizado a cada período de 24 h. Essa porcentagem é chamada de grau de acoplamento funcional (DFC) e é calculada com uso de um período móvel de sete dias. No experimento com ovinos, um total de 29 ovelhas Scottish Blackface foram monitoradas por quatro semanas em cada estação do ano, em sistema extensivo nas terras altas da Escócia. Dados meteorológicos foram coletados diariamente. Modelos estatísticos de regressão com efeito aleatório foram utilizados para avaliar a variação da resposta entre indivíduos. Houve uma forte dinâmica criada pelas estações do ano e pelo ciclo produtivo/fisiológico das ovelhas. Durante a primavera e o verão, o desvio padrão do DFC foi um melhor estimador do ganho de peso quando comparado ao índice de moção. A combinação da análise do DFC e o agrupamento de indivíduos com base em sua resposta às variáveis ambientais oferece potencial para obter informações relevantes para o manejo do rebanho. O experimento de bovinos foi conduzido com duas dietas contrastantes (volumoso: concentrado 8:92 e 50:50) e duas raças (40 mestiços Charolês e 40 Luing). Os padrões diurnos de ingestão e atividade foram altamente sincronizados. O ritmo circadiano da atividade foi importante para explicar as diferentes emissões de metano entre indivíduos, independente da raça ou dieta, e também teve ligação com a eficiência alimentar e o crescimento dos novilhos. Este trabalho mostra a importância dos ritmos circadianos comportamentais e como essas abordagens podem melhorar a qualidade e o significado dos dados provenientes de sensores automatizados. / Sensor-based technologies are becoming increasingly available and can be used to gather detailed information about animal behaviour. With this information it is possible to assess animal behavioural circadian rhythm and monitor its response. Identifying breakdowns of this rhythm has the potential to detect health problems and animal welfare issues. The aim of this work was to study the behavioural circadian rhythms as a novel approach to monitor sheep in extensive systems and to study the differences between beef steers production traits, in methane emission, feed efficiency and growth. This work consisted of two experiments, one dealing with sheep in an extensive system and the other with housed beef steers. Automated feed intake equipment and accelerometer-based activity sensors were used to collect detailed information on feed intake (for cattle) and activity behaviour (for sheep and cattle), alongside animal performance characteristics. These data were used to calculate the percentage of cyclic behaviour that is harmonic/synchronized to each 24 h period as Degree of Functional Coupling (DFC) shown within rolling seven day periods. In the sheep experiment, in total twenty-nine Scottish Blackface ewes were monitored for four consecutive weeks in each season across a full year, in an extensive system on Scottish upland pastures. Weather data were collected daily. Random regression statistical models were used to assess between-individual variation in response to the weather. There was a strong dynamic created by the seasons and by the production and physiological cycle in sheep in these high latitude systems. Over the spring and summer period, the variation in the response of DFC was a better estimator of BWG (Body Weight Gain) than the use of a simple motion index. The combination of circadian rhythm analysis and the clustering of individuals into groups based around their regression response to environmental variables provides considerable potential to glean information relevant for group and individual animal management. The cattle experiment was conducted with two contrasting diets (concentrate-based and mixed diet) and two breeds (40 crossbred Charolais and 40 purebred Luing). The diurnal patterns of feeding and activity behaviours were strong and highly synchronised. Activity rhythmicity was well suited to show up differences between individual methane emissions independent of breed or diet, and it was also well related to important production traits as feed efficiency and growth of beef steers. This work shows the importance of the behavioural circadian rhythms and that these approaches may enhance the quality and meaningfulness of data coming from automated sensors.

As tecnologias baseadas em sensores estão cada vez mais disponíveis e podem ser usadas para coletar informações detalhadas sobre o comportamento animal. Com esta informação é possível avaliar o ritmo circadiano de variáveis comportamentais e monitorar sua resposta. A identificação de variações na resposta deste ritmo tem o potencial de detectar problemas de saúde e questões de bem-estar animal. O objetivo deste trabalho foi estudar os ritmos circadianos comportamentais como uma nova abordagem para monitorar ovelhas em sistemas extensivos e estudar a emissão de metano, eficiência alimentar e crescimento de novilhos de corte. Este trabalho foi composto por dois experimentos (ovinos e bovinos). Foram utilizados cochos automatizados e sensores de atividade baseados em acelerômetro para coletar informações detalhadas do comportamento ingestivo (bovinos) e do comportamento de atividade (ovinos e bovinos), juntamente com as características de desempenho animal. Estes dados foram utilizados para calcular a percentagem de comportamento cíclico harmônico/sincronizado a cada período de 24 h. Essa porcentagem é chamada de grau de acoplamento funcional (DFC) e é calculada com uso de um período móvel de sete dias. No experimento com ovinos, um total de 29 ovelhas Scottish Blackface foram monitoradas por quatro semanas em cada estação do ano, em sistema extensivo nas terras altas da Escócia. Dados meteorológicos foram coletados diariamente. Modelos estatísticos de regressão com efeito aleatório foram utilizados para avaliar a variação da resposta entre indivíduos. Houve uma forte dinâmica criada pelas estações do ano e pelo ciclo produtivo/fisiológico das ovelhas. Durante a primavera e o verão, o desvio padrão do DFC foi um melhor estimador do ganho de peso quando comparado ao índice de moção. A combinação da análise do DFC e o agrupamento de indivíduos com base em sua resposta às variáveis ambientais oferece potencial para obter informações relevantes para o manejo do rebanho. O experimento de bovinos foi conduzido com duas dietas contrastantes (volumoso: concentrado 8:92 e 50:50) e duas raças (40 mestiços Charolês e 40 Luing). Os padrões diurnos de ingestão e atividade foram altamente sincronizados. O ritmo circadiano da atividade foi importante para explicar as diferentes emissões de metano entre indivíduos, independente da raça ou dieta, e também teve ligação com a eficiência alimentar e o crescimento dos novilhos. Este trabalho mostra a importância dos ritmos circadianos comportamentais e como essas abordagens podem melhorar a qualidade e o significado dos dados provenientes de sensores automatizados. / Sensor-based technologies are becoming increasingly available and can be used to gather detailed information about animal behaviour. With this information it is possible to assess animal behavioural circadian rhythm and monitor its response. Identifying breakdowns of this rhythm has the potential to detect health problems and animal welfare issues. The aim of this work was to study the behavioural circadian rhythms as a novel approach to monitor sheep in extensive systems and to study the differences between beef steers production traits, in methane emission, feed efficiency and growth. This work consisted of two experiments, one dealing with sheep in an extensive system and the other with housed beef steers. Automated feed intake equipment and accelerometer-based activity sensors were used to collect detailed information on feed intake (for cattle) and activity behaviour (for sheep and cattle), alongside animal performance characteristics. These data were used to calculate the percentage of cyclic behaviour that is harmonic/synchronized to each 24 h period as Degree of Functional Coupling (DFC) shown within rolling seven day periods. In the sheep experiment, in total twenty-nine Scottish Blackface ewes were monitored for four consecutive weeks in each season across a full year, in an extensive system on Scottish upland pastures. Weather data were collected daily. Random regression statistical models were used to assess between-individual variation in response to the weather. There was a strong dynamic created by the seasons and by the production and physiological cycle in sheep in these high latitude systems. Over the spring and summer period, the variation in the response of DFC was a better estimator of BWG (Body Weight Gain) than the use of a simple motion index. The combination of circadian rhythm analysis and the clustering of individuals into groups based around their regression response to environmental variables provides considerable potential to glean information relevant for group and individual animal management. The cattle experiment was conducted with two contrasting diets (concentrate-based and mixed diet) and two breeds (40 crossbred Charolais and 40 purebred Luing). The diurnal patterns of feeding and activity behaviours were strong and highly synchronised. Activity rhythmicity was well suited to show up differences between individual methane emissions independent of breed or diet, and it was also well related to important production traits as feed efficiency and growth of beef steers. This work shows the importance of the behavioural circadian rhythms and that these approaches may enhance the quality and meaningfulness of data coming from automated sensors.