BMC Veterinary Research· 2025Q1
İvmeölçer, jiroskop ve entegre sensör modelleri kullanılarak bireysel süt sığırı davranışlarının sınıflandırılması
Classification of individual dairy cow behaviors using accelerometer, gyroscope, and integrated sensor models
- 13atıf
- Q1SCImago
- 2025yıl
Kısa özet
Rastgele Orman modellerinde ivmeölçer ve jiroskop verilerinin birleştirilmesi, tek sensörlü modellere kıyasla süt sığırı davranış sınıflandırmasını (yatma, ayakta durma, yeme, yürüme) %15 oranında iyileştirdi, özellikle statik davranışlar için.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Dört ana süt sığırı davranışı (yatma, ayakta durma, yeme, yürüme) sınıflandırmak için ivmeölçer ve jiroskop verileri birleştirildi.
- Her iki sensör tipini entegre eden Rastgele Orman modelleri, tek sensörlü modellerden sürekli olarak daha iyi performans göstererek sınıflandırma doğruluğunu artırdı.
- Yatma davranışı düşük, kararlı sinyaller gösterirken, yeme davranışı sensör eksenlerinde en fazla değişkenliği sergiledi.
- GyroY ve GyroZ, sırasıyla yeme ve yürüme sırasında en yüksek dönme aktivitesini yakaladı.
- Sensör füzyonu, özellikle yatma ve ayakta durma gibi statik davranışların sınıflandırılmasını iyileştirdi.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
BACKGROUND: Automated behavior monitoring is increasingly important in precision dairy farming, supporting early disease detection, welfare assessment, and productivity optimization. Although accelerometers effectively detect postural changes, they have limited capacity to capture rotational or transitional movements. Gyroscopes provide complementary angular velocity data that may enhance classification of complex behaviors. However, their combined use remains underexplored, particularly at the individual cow level. This study aims to evaluate the performance of accelerometer, gyroscope, and combined sensors models for classifying four key cow behaviors: lying, standing, eating, and walking at the individual animal level. RESULTS: Over 780,000 labeled observations were obtained from seven dairy cows monitored over 90 days. Lying behavior consistently produced low, stable signals across all axes of accelerometer and gyroscope, while eating showed the greatest variability, particularly along the X and Y axes. Significant axis-specific and behavior-specific differences were observed (p < 0.05), with GyroY and GyroZ capturing the highest rotational activity during eating and walking. Signal vector magnitudes effectively distinguished behaviors, with lying showing the lowest values and eating the highest. Random Forest models combining accelerometer and gyroscope data consistently outperformed single-sensor approaches, particularly for classifying lying and standing behaviors. Although eating and walking exhibited lower sensitivity, sensor fusion improved classification robustness across individuals. CONCLUSION: The integration of accelerometer and gyroscope data enhanced classification accuracy, particularly for static behaviors. Axis-specific signal patterns and individualized modeling revealed critical insights into behavior differentiation and cow-specific variability. These findings support the development of scalable, sensor-based monitoring systems tailored to precision livestock management.
Yazarların özeti; kaynağından alınmıştır. BMC Veterinary Research, 2025 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Small AnimalsVeterinary