一項發表在《動物科學雜志》上的研究表明，通過運用分析方法，且利用表型和基因數據可以預測豬待屠宰即出欄時的年齡。

　　人工智能和機器學習正在使精密農業變得更加復雜。荷蘭格羅寧根大學伯努利數學、計算機科學和人工智能研究所的科學家正在使用人工智能來預測豬待屠宰的年齡（也就是預測每只豬飼喂到目標體重的時候）。

　　荷蘭格羅寧根大學研究人員AhmadAlsahaf（以下稱“Alsahaf”）等為研究預測豬出欄年齡，依靠表型和遺傳數據等，可以正確預測豬的生長，就像預測飼料成本和畜欄空間需求一樣。體重增長率預測也可以確定哪些增長率因素影響更重要。

　　然而，科學家們指出，由于個體豬生長方式的自然變化，預測增長率并不容易。為了解決這個問題，該團隊使用機器學習——隨機森林（RF）回歸分析方法來檢驗個體豬的相關數據。

　　Alsahaf說，他們之所以選擇了RF回歸分析方法，是因為這種方法適合于研究目的。“它屬于一系列基于決策樹的算法，結果很容易解釋。”他解釋道，但可以使用其他同樣有效的分析方法。研究人員使用RF回歸分析方法得出的“變量重要性評分”來衡量不同類型的輸入數據在進行預測時的重要性。

　　研究測量33000只純種大白豬的不同生長階段的個體體重，數據由育種公司提供。科學家們還利用該公司的表型數據（如后期體重，豬的性別，墊料信息，出生體重和平均產仔數等），預估育種值以及譜系和譜系-遺傳關系。

　　該研究具體預測個體豬達到120公斤屠宰體重或出欄體重的年齡。將研究人員的統計分析結果與每只豬達到120公斤的實際年齡進行比較，表明該方法的準確度非常高。這已經可以為養殖場提供優勢。

　　該研究還表明，體重測量（包括出生、斷奶和育肥階段測量體重）是預測目標產量的最有效特征。

　　Alsahaf解釋說，個體豬的生長預測是一個新的研究領域，希望未來的研究可以 使用人工智能準確預測豬的出欄年齡進一步完善團隊現在的工作。

　　據Alsahaf介紹，必須大規模收集其他相關數據來提高預測的準確性，特別是在豬的不同生命階段進行更多的重量測量，并預計相應的采食量，來提高增長率預測的精確度。

　　當被問及早期護理、溫度和空氣質量控制等生產實踐對商品豬的體重增長率有多大影響時，Alsahaf表示個人無法評論，“我認為在未來的研究中這項探索將很有趣，但確保在不同農場和地區之間收集數據的一致性還是一個挑戰。”