使用机器学习方法监测牛犊在牛犊接触系统中养的牛犊的多种行为
Seong-Jin Kim1, Xue-Cheng Jin1, Rajaraman Bharanidharan2
1Asia Pacific Ruminant Institute, Icheon 17385, Republic of Korea.
Animals : an open access journal from MDPI
|November 27, 2024
概括
这项研究开发了一种机器学习系统,使用领部传感器来监测断奶前小牛的行为,如食和撒谎. 这项技术对改善小牛的福利和早期发现健康问题充满希望.
科学领域:
- 动物行为和动物福利
- 机器学习在农业中的应用
- 传感器技术 传感器技术
背景情况:
- 监测断奶前小牛的行为对于牛小牛接触 (CCC) 系统的健康,福利和成长至关重要.
- 现有的监测方法可能是劳动密集型的,可能无法捕捉整个行为谱.
- 需要客观的,持续的监测,以优化生产和促进早期疾病检测.
研究的目的:
- 开发和验证基于机器学习的技术,用于同时监测未断奶牛犊的多种行为.
- 为了在CCC系统中采集数据,使用带有加速度计和陀螺仪的领贴传感器.
- 用先进的算法对与食相关的行为,姿势状态和咳事件进行分类.
主要方法:
- 收集的传感器数据 (三轴加速度,角速度) 和视频记录来自两个农场的78只牛犊.
- 使用LightGBM算法对行为进行分类,分为与食相关的,姿势和咳类别.
- 使用混矩阵,AUC-ROC和皮尔森相关系数 (r) 评估模型性能.
主要成果:
- 模型1准确地分类了天然哺乳 (99.10%准确度),反 (97.36%) 和养 (95.76%).
- 模型2优异地分类了躺 (97.98%准确率) 和站 (97.98%) 的状态.
- 模型3在识别咳事件方面取得了合理的表现 (88.88%的准确率).
结论:
- 机器学习和挂在领上的传感器为监测多个小牛行为提供了强大的工具.
- 这项技术可以大大帮助优化生产管理,并在CCC系统中实现早期疾病检测.
- 经过验证的模型为先进的,自动化的动物福利和健康监测提供了基础.
