Continuous welfare assessment of dairy cows at individual level : A farmer-oriented tool based on normal daily ranges of sensor-recorded traits
Gomez Herrera, Yaneth Rocio (Universitat Autònoma de Barcelona. Departament de Ciència Animal i dels Aliments)
Blasco Andreo, Natàlia (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Llabrés Brustenga, Artemis (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Chow, Hing Fai Kevin (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Serra-Sagristà, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Berteselli, Greta Veronica (Dipartimento di Medicina Veterinaria e Scienze Animali. Università Degli Studi di Milano)
Canali, Elisabetta (Università Degli Studi di Milano. Dipartimento di Medicina Veterinaria e Scienze Animali)
Manteca Vilanova, Xavier (Universitat Autònoma de Barcelona. Departament de Ciència Animal i dels Aliments)
Llonch, Pol (Universitat Autònoma de Barcelona. Departament de Ciència Animal i dels Aliments)

Data:	2026
Resum:	Animal welfare on farms is currently assessed using human-evaluation protocols, which provide a single record of herd condition at a specific moment. Integrating sensor-based data and farm records, continuous information on each animal's welfare can be obtained. This study aims to create an algorithm to assess individual dairy cow welfare, contributing to the goal of building a platform to inform producers and consumers about dairy cattle welfare. It was built based on the Five Domains model of animal welfare. 221 cows from four commercial free-stall barn farms in Spain and Italy were fitted with accelerometry collars and rumen boluses and monitored for 92 days. Individual data were collected daily. Accelerometers recorded time spent ruminating, eating, lying, walking, and standing within a 24-h interval. Boluses recorded rumen pH and temperature every 10 min, averaged over 24 h. Farm records included parity, veterinary treatments, and milk conductivity. The model provides a daily global welfare index per cow, categorised into health, nutrition, and environment scores. Behaviour and mental state were not included due to a lack of relevant sensor data. Scores range from 0 to 10, indicating the likelihood of the cow experiencing welfare-compromising conditions. Normal thresholds, based on scientific literature, were set for each trait. The algorithm detected daily deviations in traits, assuming that cows with welfare issues deviate from normal behavioural and physiological patterns. When a cow's welfare index decreased, affected domains could be identified, enabling farmers to address potential welfare issues and implement corrective measures.
Nota:	Altres ajuts: acords transformatius de la UAB
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Llengua:	Anglès
Document:	Article ; recerca ; Versió publicada
Matèria:	Precision livestock farming ; Unsupervised machine learning ; Welfare index ; Animal-based indicators ; Accelerometer ; Rumen bolus
Publicat a:	Biosystems Engineering, Vol. 262 (February 2026) , art. 104365, ISSN 1537-5129

DOI: 10.1016/j.biosystemseng.2025.104365

10 p, 2.1 MB

El registre apareix a les col·leccions:
Documents de recerca > Documents dels grups de recerca de la UAB > Centres i grups de recerca (producció científica) > Enginyeries > Group on Interactive Coding of Images (GICI)
Articles > Articles de recerca
Articles > Articles publicats