相关实验视频
Updated: Jun 24, 2026
10:07
Thermal Imaging to Study Stress Non-invasively in Unrestrained Birds
Published on: November 6, 2015
13.4K
一种基于XGBoost的预测方法,用于肉羊运输压力,使用可穿戴的光电传感器和红外温度计
Ruiqin Ma1, Runqing Chen2, Buwen Liang2
1National Research Facility for Pheontypic and Genotypic Analysis of Model Animals (BEIJING), China Agricultural University, Beijing 100083, China.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
这项研究开发了一种生物信号监测系统,使用可穿戴传感器来评估羊的运输压力. 机器学习模型,特别是XGBoost,准确地预测了压力水平,改善了动物福利和肉质.
科学领域:
- 动物科学动物科学
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 运输压力对活羊的健康和肉质有负面影响.
- 目前在运输过程中监控绵羊的现有方法是不够的.
- 胡羊被选为肉羊研究的模型.
研究的目的:
- 开发一种系统的方法来检测,处理和建模在运输过程中羊的生物信号.
- 准确评估和分类肉类绵羊的运输压力.
- 提高绵羊运输的可靠性和安全性.
主要方法:
- 可穿戴传感器 (光电,红外温度) 用于生理和环境监测.
- 核心波形提取和光谱估计确定了关键的传输参数.
- 机器学习算法 (SVC,GBDT,XGBoost) 用于压力分类.
主要成果:
- 支持矢量分类 (SVC) 和梯度提升决策树 (GBDT) 显示出高效.
- 极端梯度提升 (XGB) 模型实现了最高的分类准确性.
- 优化的XGBoost在评估运输压力状态时实现了100%的准确性,整体模型准确性达到94.92%.
结论:
- 开发的生物信号监测和机器学习方法有效预测羊的运输压力.
- 这种方法提高了运输可靠性,并减少了与羊运输相关的风险.
- 这些发现解决了监督绵羊运输和确保肉类质量控制的挑战.
