A kutatók gépi látórendszerrel rögzítették és azonosították a növendéksertések testhelyzeteit, valamint táplálkozási szokásait. Az adatokat öt különálló kategóriába sorolták, amelyek a normál körülményeket, a rossz szellőzéssel kombinált hőstresszt, az önálló hőstresszt, a Salmonella typhimurium fertőzéssel párosuló hőstresszt, valamint a hőstresszt követő felépülési szakaszt fedték le. A rendszert kilenc különböző anomália-detektáló algoritmussal, köztük döntési fával, Random Foresttel, XGBoosttal és támogatóvektor-géppel tesztelték.

Normál körülmények között a sertések intenzívebben táplálkoztak, és ritkábban ittak. Hőstressz hatására ugyanakkor megnőtt a fekvéssel és ivással töltött idő, miközben az állás és a táplálkozás gyakorisága visszaesett. Amikor a hőstresszhez elégtelen szellőzés is társult, a fekvő és ivó magatartás még hangsúlyosabbá vált, ami a hőszabályozásra adott fokozott válaszreakcióra utal.

A hőstressz és a Salmonella-fertőzés együttes jelenléte tovább mérsékelte a táplálkozási aktivitást, miközben a fekvő testhelyzet aránya nőtt. A felépülési szakaszban az állás, az ülés, a táplálkozás és az ivás egyaránt visszatért a magasabb aktivitási szintre.

A normál és a kóros viselkedés elkülönítésében a döntési fa algoritmus bizonyult a leghatékonyabbnak, ami a szakértők szerint alkalmassá teheti a modellt a valós idejű anomália-detektálásra. A többosztályos osztályozás során - azaz az egyes stresszforrások egymástól való megkülönböztetésénél - az XGBoost érte el a legjobb összteljesítményt, bár a fertőzési és felépülési fázis kisebb mintaszámú kategóriáiban gyengébben szerepelt. A kutatók összegzése szerint a gépi látáson alapuló viselkedéselemzés képes pontosan azonosítani a sertéseket érő konkrét stresszhatásokat, ami a precíziós állattartásban az automatizált egészségügyi és jóléti felügyeleti rendszerek alapjául szolgálhat.