Nielsen J, Gammelgård F, Lund SM, Præstekær ASB, Vinterberg Frandsen A, Strandqvist C, Nielsen MH, Olsen RN, Pagh S, Faddersbøll TL, Pertoldi C. · Animals : an open access journal from MDPI · 2026

Olfactory Enrichment of Captive Pygmy Hippopotamuses with Applied Machine Learning.

Resumo em português

O hipopótamo-pigmeu (Choeropsis liberiensis, Morton, 1849) é classificado como Vulnerável pela União Internacional para a Conservação da Natureza (IUCN). Comparado a outros grandes mamíferos ameaçados, esta espécie permanece relativamente pouco estudada e novos achados indicam possíveis preocupações com o bem-estar, enfatizando a necessidade de mais pesquisas sobre o bem-estar da espécie em instituições zoológicas. Uma abordagem para melhorar o bem-estar em cativeiro é por meio do enriquecimento ambiental. Este estudo investigou os efeitos do enriquecimento olfativo em três indivíduos de hipopótamos-pigmeus por meio de análise comportamental e visualização em mapa de calor. Utilizando amostragem focal contínua, vários comportamentos foram influenciados pelos estímulos, com resultados mostrando uma diminuição geral da inatividade e um aumento no engajamento ambiental e interação, particularmente por meio do comportamento de farejamento. Para aprimorar a quantificação comportamental, técnicas de aprendizado de máquina foram aplicadas a dados de vídeo, comparando a classificação manual e automatizada de comportamentos usando o programa de estimativa de pose SLEAP. Quatro comportamentos — Ficar em Pé, Locomoção, Alimentação/Busca de Alimento e Deitar-se — foram comparados. Uma matriz de confusão, orçamentos de tempo e o Coeficiente de Concordância de Kendall (W) foram usados para avaliar o acordo entre os métodos. Os resultados mostraram um forte e moderado acordo entre as anotações manuais e automatizadas, para a fêmea e o filhote, respectivamente. Isso demonstra o potencial da automação para complementar observações comportamentais em monitoramentos futuros de bem-estar.

Resumo original em inglês

The pygmy hippopotamus ( Choeropsis liberiensis , Morton, 1849) is classified as Endangered by the International Union for the Conservation of Nature (IUCN). Compared to other large, threatened mammals, this species remains relatively understudied and new findings indicate potential welfare concerns, emphasizing the need for further research on the species welfare in zoological institutions. One approach to improving welfare in captivity is through environmental enrichment. This study investigated the effects of olfactory enrichment on three individual pygmy hippopotamuses through behavioral analysis and heat-map visualization. Using continuous focal sampling, several behaviors were influenced by the stimuli, with results showing a general decrease in inactivity and an increase in environmental engagement and interaction, particularly through scenting behavior. To further enhance behavioral quantification, machine learning techniques were applied to video data, comparing manual and automated behavior classification using the pose estimation program SLEAP. Four behaviors Standing , Locomotion , Feeding/Foraging , and Lying Down were compared. A confusion matrix, time budgets, and Kendall's Coefficient of Concordance (W) were used to assess agreement between methods. The results showed a strong and moderate agreement between manual and automated annotations, for the female and calf, respectively. This demonstrates the potential of automation to complement behavioral observations in future welfare monitoring.

Espécies citadas

• Choeropsis liberiensis