Exploratory Study on Mastitis Identification in Bovine Udders Using Thermography

Víctor Emmanuel Olmi Louzada; Matheus de Freitas Oliveira Baffa; Sandra Helena Gabaldi Wolf; Isabele Pessoa Ribeiro; Lucas Grassano Lattari

doi:10.22456/2175-2745.150930

Authors

Víctor Emmanuel Olmi Louzada Instituto Federal Sudeste de Minas (IF Sudeste MG) https://orcid.org/0009-0005-8523-765X
Matheus de Freitas Oliveira Baffa Universidade de São Paulo (USP) https://orcid.org/0009-0005-8523-765X
Sandra Helena Gabaldi Wolf Centro Universitário de Adamantina (FAI)
Isabele Pessoa Ribeiro Centro Universitário de Adamantina (FAI)
Lucas Grassano Lattari Instituto Federal Sudeste de Minas (IF Sudeste MG)

DOI:

https://doi.org/10.22456/2175-2745.150930

Keywords:

bovine mastitis, infrared thermography, machine learning, imaging diagnosis, precision animal science

Abstract

Subclinical mastitis is one of the most prevalent and costly diseases in dairy farming, being laborious to detect by traditional methods. This exploratory study proposes a computational system for the early identification of subclinical mastitis in cattle by integrating infrared thermography (IRT) and machine learning (ML) algorithms. From thermal images of udders from Girolando and Jersey cows, 226 shape, texture, and statistical features were extracted. Various ML classifiers were evaluated, with emphasis on SVM models with polynomial and RBF kernels, which achieved AUC values around 97%, demonstrating a high ability to discriminate between healthy and diseased animals. The Extra Trees model reached 100% sensitivity, demonstrating IRT as a promising screening tool. The results validate IRT combined with ML as a non-invasive, low-cost, and automatable approach for monitoring herd health.

Downloads

Download data is not yet available.

References

[1] USDA. Dairy: World Markets and Trade. Washington, D.C.: [s.n.], 2023. Relatório técnico. Acesso em: 25 out. 2025. Disponível em: ⟨https://apps.fas.usda.gov/psdonline/circulars/dairy.pdf⟩.

[2] EMBRAPA. Relatório anual da produção de leite no Brasil. Juiz de Fora, MG: [s.n.], 2024. Relatório institucional. Acesso em: 25 out. 2025. Disponível em: ⟨https://www.embrapa.br/gado-de-leite⟩.

[3] CARVALHO, G. R. 10 reflexões sobre competitividade e desafios do leite brasileiro. In: EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA GADO DE LEITE (Ed.). Anuário Leite 2024. São Paulo: Texto Comunicação Corporativa, 2024. p. 16–19.

[4] PEGORARO, L. M. C. (Ed.). Biosseguridade na bovinocultura leiteira. Brasília, DF: Embrapa, 2018.

[5] FRANCO, A. B. et al. Mastite bovina e as suas consequências na saúde pública. PUBVET, v. 16, n. 10, p. 1–10, oct 2022.

[6] SCHWARZ, D. et al. A review of the most common and emerging technologies for the diagnosis of subclinical mastitis in dairy cows. Animals, v. 11, n. 6, p. 1761, jun 2021.

[7] RUEGG, P. L. A 100-year review: Mastitis detection, management, and prevention. Journal of Dairy Science, v. 100, n. 12, p. 10381–10397, 2017.

[8] ZHAO, K. et al. An automatic recognition of subclinical mastitis in dairy cattle based on infrared thermography and machine learning. Computers and Electronics in Agriculture, v. 182, p. 106001, mar 2021.

[9] HOVINEN, M. et al. Detection of clinical mastitis with the help of a thermal camera. Journal of Dairy Science, v. 91, n. 12, p. 4592–4598, dec 2008.

[10] COLAK, A. et al. Short Communication: Early detection of mastitis using infrared thermography in dairy cows. Journal of Dairy Science, v. 91, n. 11, p. 4244–4248, 2008.

[11] OLIVEIRA, A. V. D. et al. Termografia infravermelha como técnica para detecção de mastite bovina subclinical. Arquivo Brasileiro de Medicina Veterinária e Zootecnia, v. 74, n. 6, p. 992–998, 2022.

[12] METZKER, C. A. et al. Uso da termografia infravermelha para diagnóstico de mastite clínica e subclínica em vacas girolando. Pesquisa Veterinária Brasileira, v. 40, n. 8, p. 752–758, ago 2020.

[13] RIBEIRO, I. P. et al. Termografia infravermelha na detecção de mastite clínica e subclínica em bovinos de leite: comparação entre as raças Girolando e Jersey. Ciência Animal Brasileira, v. 24, p. e–76726P, 2023.

[14] BORCHERS, M. R.; CHANG, Y. M.; WADSWORTH, B. A. A systematic review of machine learning and computer vision in dairy cattle. Journal of Dairy Science, v. 104, n. 12, p. 13005–13026, dec 2021.

[15] SILVA, A. S. et al. Ferramenta para segmentação e classificação de mastite bovina em imagens termográficas. In: Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde. Porto Alegre: Sociedade Brasileira de Computação, 2021. p. 336–347. Evento Online.

[16] ZANINELLI, M. et al. First evaluation of infrared thermography as a tool for the monitoring of udder health status in farms of dairy cows. Sensors, v. 18, n. 3, p. 862, 2018.

[17] WATZ, S. et al. Technical note: Automatic evaluation of infrared thermal images by computerized active shape modeling of bovine udders challenged with Escherichia coli. Journal of Dairy Science, v. 102, n. 5, p. 4541–4545, 2019.

[18] CARACUSCHANSKI, M. Uso de aprendizado de máquina para predição da etiologia infecciosa da mastite em sistemas de ordenha robótica. Tese (Tese de Doutorado) — Universidade Federal de Minas Gerais, Belo Horizonte, 2023.

[19] FREITAS, P. P. Diagnóstico automático da ceratoconjuntivite infecciosa bovina usando imagens termográficas e redes neurais convolucionais. Dissertação (Dissertação de Mestrado) — Universidade Estadual Paulista “Júlio de Mesquita Filho”, São José do Rio Preto, 2019.

[20] SILVA, L. H. G. Detecção da mastite subclínica bovina em imagens termográficas utilizando transferência de aprendizado sequencial e otimização bayesiana. Dissertação (Dissertação de Mestrado) — Universidade Federal de Campina Grande, Campina Grande, 2023.

[21] COELHO, L. P. Mahotas: Open source software for scriptable computer vision. Journal of Open Research Software, v. 1, n. 1, p. e3, 2013.

[22] ALZUBAIDI, L. et al. Review of deep learning: concepts, cnn architectures, challenges, applications, future directions. Journal of Big Data, Springer, v. 8, n. 1, p. 53, 2021.