探索机器学习算法的潜力与惯性传感器用于山羊欺骗检测的使用相关
Pedro Gonçalves1, Maria do Rosário Marques2, Ana Teresa Belo2
1Instituto de Telecomunicações, Escola Superior de Tecnologia e Gestão de Águeda, Universidade de Aveiro, 3830-193 Aveiro, Portugal.
Animals : an open access journal from MDPI
|March 28, 2024
概括
这项研究引入了一种新的机器学习系统,使用可穿戴传感器自动检测山羊出生. 该系统准确地识别了玩笑事件,使得及时干预和改善动物福利.
科学领域:
- 动物科学动物科学
- 生物技术是生物技术.
- 机器学习 机器学习
背景情况:
- 自主动物出生识别有助于及时的人类干预,保护母亲和后代的健康.
- 可穿戴惯性传感器为动物监测提供了一种低成本,不那么侵入性的方法.
- 现有的商业解决方案专注于牛,让像山羊这样的小反动物没有自动化出生检测.
研究的目的:
- 利用惯性传感和机器学习开发一款用于山羊的自动分娩监测器.
- 在网络边缘设备上实现系统,以便实时触发警报.
- 评估不同检测算法的准确性和计算成本.
主要方法:
- 开发了两个概念漂移检测技术和七个笑话检测机制.
- 利用数据分类模型来检测出生事件.
- 测试并比较基于准确性和计算成本的算法性能.
主要成果:
- 概念漂移算法在玩笑检测方面无效.
- 基于分类算法的静态学习模型成功地检测到玩笑,即使是不平衡和小数据集.
- 开发的算法在开玩笑前四小时显示了行为变化,以61%的准确度识别了开玩笑的小时.
结论:
- 机器学习模型显示出开发具有成本效益的,边缘部署的山羊自动出生监测系统的前景.
- 由于其计算效率,该系统对边缘设备的适用性很高.
- 预计随着更大的数据集,学习过程将进一步改进.
