一项发表在《动物科学杂志》上的研究表明，通过运用分析方法，且利用表型和基因数据可以预测猪待屠宰即出栏时的年龄。

　　人工智能和机器学习正在使精密农业变得更加复杂。荷兰格罗宁根大学伯努利数学、计算机科学和人工智能研究所的科学家正在使用人工智能来预测猪待屠宰的年龄（也就是预测每只猪饲喂到目标体重的时候）。

　　荷兰格罗宁根大学研究人员AhmadAlsahaf（以下称“Alsahaf”）等为研究预测猪出栏年龄，依靠表型和遗传数据等，可以正确预测猪的生长，就像预测饲料成本和畜栏空间需求一样。体重增长率预测也可以确定哪些增长率因素影响更重要。

　　然而，科学家们指出，由于个体猪生长方式的自然变化，预测增长率并不容易。为了解决这个问题，该团队使用机器学习——随机森林（RF）回归分析方法来检验个体猪的相关数据。

　　Alsahaf说，他们之所以选择了RF回归分析方法，是因为这种方法适合于研究目的。“它属于一系列基于决策树的算法，结果很容易解释。”他解释道，但可以使用其他同样有效的分析方法。研究人员使用RF回归分析方法得出的“变量重要性评分”来衡量不同类型的输入数据在进行预测时的重要性。

　　研究测量33000只纯种大白猪的不同生长阶段的个体体重，数据由育种公司提供。科学家们还利用该公司的表型数据（如后期体重，猪的性别，垫料信息，出生体重和平均产仔数等），预估育种值以及谱系和谱系-遗传关系。

　　该研究具体预测个体猪达到120公斤屠宰体重或出栏体重的年龄。将研究人员的统计分析结果与每只猪达到120公斤的实际年龄进行比较，表明该方法的准确度非常高。这已经可以为养殖场提供优势。

　　该研究还表明，体重测量（包括出生、断奶和育肥阶段测量体重）是预测目标产量的最有效特征。

　　Alsahaf解释说，个体猪的生长预测是一个新的研究领域，希望未来的研究可以 使用人工智能准确预测猪的出栏年龄进一步完善团队现在的工作。

　　据Alsahaf介绍，必须大规模收集其他相关数据来提高预测的准确性，特别是在猪的不同生命阶段进行更多的重量测量，并预计相应的采食量，来提高增长率预测的精确度。

　　当被问及早期护理、温度和空气质量控制等生产实践对商品猪的体重增长率有多大影响时，Alsahaf表示个人无法评论，“我认为在未来的研究中这项探索将很有趣，但确保在不同农场和地区之间收集数据的一致性还是一个挑战。”