[INPA论文]一种多传感器产犊检测方法
文摘
科学
2024-06-19 10:28
北京
A multi-sensor approach to calving detection
Anita Z. Chang *, David L. Swain, Mark G. Trotter Institute for Future Farming Systems, School of Health, Medical, and
Applied Sciences, Central Queensland University, Rockhampton, Australia澳大利亚中央昆士兰大学健康、医学和应用科学学院未来农业系统研究所
|
https://doi.org/10.1016/j.inpa.2022.07.002
传统的牲畜监测方法需要有经验的人员观察动物的行为或手动测量动物的产量,这些传统的监测方法往往是劳动密集型的,因此在经济上或物理上并不总是可行的。此外,使用这种方法进行监测依赖于观察者有足够的经验,能够识别与感兴趣的事件(如产犊、疾病或发情)相关的关键行为变化。传感和通信技术的最新发展意味着现在可以使用精密畜牧技术远程监测动物,牲畜远程监测系统的出现为提高农场生产力、效率和福利提供了许多可能性,这些系统的一个潜在应用是检测产犊事件。
1.五个传感器源(加速度计、GNSS、反刍算法、WOW、天气)的数据依次组合并使用SVM进行分析,以评估多源模型是否比单源模型更好地用于分娩检测;2.利用GNSS、反刍和天气数据的最佳模型可以检测出奶牛的分娩日期。这项研究于2018年10月在贝尔蒙特研究站进行,位于澳大利亚昆士兰州罗克汉普顿以北26公里处,在32公顷的围场中放牧了40头贝尔蒙特红母牛(图1所示)。实验期间,动物已被确认怀孕并有望分娩,每天观察动物四次,以确定是否有新牛犊出现。从小牛出生到找到小牛的最长时间是12小时,作为日常管理的一部分,农场经理对动物进行了初步观察,随后的所有检查都由第一作者进行。图1 40头贝尔蒙特红牛的初产奶牛被安装了加速度计耳标和GNSS项圈
分析了所有40只动物的数据,从加速度计、GNSS、反刍算法和天气数据中获得的特征以日和小时为尺度生成,每天都会生成WOW的特征,创建了三种类型的特征:基础特征、群体比较特征(DH)和自我比较特征(DS)。基本特征是指直接从加速度计、GNSS、反刍、WOW和天气数据中得出的指标(如表1所示)。生成比较特征,以确定相对于畜群其余成员和前一天个体动物表现的行为的指标变化,群体比较特征是通过将个体特征与该时间段内群体其余部分的平均值进行比较来计算的。表1 每天计算24个基本特征、24个群体比较特征和24个自我比较特征使用GNSS、反刍算法和天气数据的所有线图和模型的平均准确性和灵敏度最高(表2)。该模型能够正确预测9头奶牛中8头的产犊(敏感性),并正确预测所有非产犊天数(特异性)(表2)。五个传感器源(加速度计、GNSS、反刍算法、WOW、天气)的数据依次组合并使用SVM进行分析,以评估多源模型是否比单源模型更好地用于分娩检测。结果表明,利用GNSS、反刍和天气数据的最佳模型可以检测出9头奶牛中的8头奶牛的分娩日期,并且没有对非产犊天数的错误分类。GNSS衍生的特征是基准模型中最重要的贡献者,在排名最高的指标中占有重要地位。鉴于本研究中描述的样本量相对较小,需要进一步研究以调查报告结果在不同胎次、品种和生产系统中的可重复性。其他的研究可以集中在确定是否可以通过监测反刍行为来预测小牛的产犊,以及调查如何将产后奶牛的行为作为小牛健康的代表。
引用格式:
Chang, A.Z., Swain, D.L., & Trotter, M.G. A multi-sensor approach to calving detection. Information Processing in Agriculture, 2024, 11(1): 45-64.
编辑:张松
校对:鲁娜
审核:付学谦
日期:2024年6月19日
《农业信息处理(英文)》,创刊于2014年,由中国农业大学主办,李道亮教授主编,已被ESCI、EI、Scopus、DOAJ、中国科学引文数据库(CSCD)等数据库检索。2019年入选《中国科技期刊卓越行动计划》之高起点新刊项目,2020年入选中国农林核心期刊(A类)目录,2023年正式被ESCI(Emerging Sources Citation Index)收录,将于2024年收获第一个期刊影响因子。《WJCI报告》学科排名位居全球TOP5%或学科排名TOP3,影响因子7.908。2023年Citescore为21.1,在林学领域排名第2,在水生科学领域排名第3,在农学作物科学领域排名第3,在动物科学与动物学领域排名第4,在计算机科学及应用领域排名第15。主要刊载最新信息技术在农业的应用,包括:农业物联网、农业人工智能和大数据、农业机器人、农业能源与控制、农业供应链与管理、空间信息技术、信息技术在现代农业工程的应用和其他农信息化技术。推文投稿:欢迎INPA作者/农业信息领域学者,撰写发表的/感兴趣的INPA论文公众号推文,一同打造INPA微信公众号精彩内容。纪尚一,s20233081809@cau.edu.cn鲁娜,B20233080715@cau.edu.cn