Prediction of Illness in Sheep on Body Temperature

Abstract

Hvert år gresser tusenvis av sau på sommerbeite. Mens denne praksisen er god utnyttelse av utmark og har gode helsefordeler for sauen er det ikke uten problemer. Når sau er på beite blir det vanskelig å ha en god oversikt over sauens helsetilstand og å oppdage sykdom eller skade. Sykdom kan medføre nedsatt vekst og i alvorlige tilfeller død. Både nedsatt vekst og dødsfall sørger for nedsatt omsetning for bonden.

Verktøy som kan forutsi, varsle og gi informasjon om helsen til gressende sau kan være til stor hjelp for bonden. Antall dyr per bonde er økende i forbindelse med økte krav om effektivitet og sammenslåing av gårder, hjelpemidler for overvåking av sauens helse blir da mer nødvendig for å sørge for god dyrevelferd. Hjelpemidler kan også lede til økt omsetning for bonden dersom de forhindrer dødsfall og/eller nedsatt vekst.

I denne tesen har vi analysert temperatur data, innsamlet fra lam på sommerbeite. Basert på disse analysene har vi forsøkt å lage modeller og programvare for å detektere unormaliteter og sykdom i sau. Disse modellene er testet og sammenlignet, og viser nytte av å modellere for den circadiske rytmen og dens endringer over tid.

Each year thousands of sheep are free range grazing during the summer. While this practice is good utilization of land and has many health benefits for sheep, it is not without it's troubles. When the sheep are on free range pastures it becomes incredibly difficult to have a good understanding of the individual sheep's health and welfare, and to detect illness or injuries. Illness can lead to slower growth, and in serious cases to death, which both would cause loss of revenue for the farmer.

Tools that could predict, warn, and give information of the health and welfare of the grazing sheep could be of immense value to farmers, especially as farms and the amount of livestock per farmer is increasing. Not only could such tools improve animal welfare, but also possibly lead to increased farmer revenue.

In this thesis we have analyzed temporal data, collected from lamb during a period where the lamb were on a free range pasture. Based on these analyses we have tried to make models and software that could be able to detect abnormalities and detect illness in sheep. These models were tested against benchmarks and compared, showing advantages for models that take the circadian rhythm and its changes in consideration.