使用LORA-WAN传感器实时监测放牧牛,通过每日距离步行指标来提高检测动物福利影响的精度
Shelemia Nyamuryekung'e1, Glenn Duff2, Santiago Utsumi2
1Division of Food Production and Society, Norwegian Institute of Bioeconomy Research (NIBIO), PB 115, N-1431 Ås, Norway.
Animals : an open access journal from MDPI
|August 26, 2023
概括
结合GPS和加速度计数据,通过精确跟踪牛的移动来改善动物福利监测. 这种传感器融合方法增强了不运动的检测,这对于评估放牧牲畜的福祉至关重要.
科学领域:
- 动物科学动物科学
- 传感器技术 传感器技术
- 生物测试是一种生物测试.
背景情况:
- 准确的动物福利监测取决于可靠的传感器数据.
- 全球定位系统 (GPS) 和加速度计数据用于跟踪动物的移动.
- 区分静态和移动动物状态对于福利评估至关重要.
研究的目的:
- 为了比较单独使用GPS数据的距离计算方法与GPS和加速度计数据的组合.
- 评估动物移动跟踪的不同数据处理技术的准确性.
- 为了确定传感器融合用于检测放牧牛的不动性的有效性.
主要方法:
- 使用GPS和三轴加速度计的追踪器在七天内以1分钟间隔 (运动) 和15分钟间隔 (GPS) 收集数据.
- 三种方法计算了每天的距离:原始GPS (RawDist),校正GPS (CorrectedDist) 和校正GPS,不包括无运动时期 (CorrectedDist_Act).
- 单向ANOVA分析了基于追踪器放置的距离变化:室内,室外和动物安装.
主要成果:
- 原始GPS数据显示,不同位置的距离计算没有差异.
- 纠正的GPS距离因位置而异,静态室内追踪器由于GPS错误显示非零距离.
- 整合运动数据的CorrectedDist_Act方法产生了因位置而异的距离,静态追踪器显示零距离.
结论:
- GPS和加速度计数据的传感器融合显著提高了动物运动跟踪的准确性.
- 排除与无运动相关的GPS数据对于福利监测中可靠的距离计算至关重要.
- 这种综合方法提高了不运动的检测,提供了对牧场牛的动物福利更好的洞察力.
