کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4759130 1421110 2017 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Automatic detection of suckling events in lamb through accelerometer data classification
ترجمه فارسی عنوان
تشخیص خودکار رویدادهای شیردهی در گوسفند از طریق طبقه بندی داده های شتاب سنج
کلمات کلیدی
شتاب سنج طبقه بندی الگو، نظارت بر رفتار گوسفند، شبکه های حسگر بی سیم،
ترجمه چکیده
ما در یک مطالعه تجربی با هدف ایجاد چارچوب برای تشخیص خودکار قسمت های شیردهی در بره گزارش می کنیم. سوکلی تبدیل شدن به یک عنصر مهم از رفتار حیوان است، چرا که در اوایل دوره توسعه آن رخ می دهد و به طور مستقیم با پیش بینی های اساسی موفقیت آن ارتباط دارد. هدف ما ایجاد یک دستگاه ارزان قیمت، بی نظیر، بدون تعمیر و نگهداری و صرفه جویی در انرژی بود که به راحتی قابل اتصال به گوسفند بود که به طور قابل اعتماد قسمت های شیرین را تشخیص می داد و به صورت بیسیم به یک نقطه جمع آوری داده گزارش می داد. ما نشان می دهیم که شیردهی با امضای ساده و متمایز شتاب مشخص می شود که امکان تشخیص این رویداد را با تکنیک های نسبتا ساده فراهم می کند که به راحتی قابل اجرا در میکروکنترلرهای کم پایان است. ما یک الگوریتم برای این هدف پیشنهاد می کنیم و عملکرد آن را در داده های شتاب حاصل از حیوانات در محیط مزرعه ارزیابی می کنیم. الگوریتم ما قادر به تشخیص 95٪ از همه قسمت های (واقعی) شیرده با کمتر از 10٪ نشان می دهد نادرست است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
We report on an experimental study aimed at establishing a framework for automated detection of suckling episodes in lamb. Suckling turns out to be an important element of the animal's behavior, because it occurs early in its development cycle and is directly linked to the fundamental predictors of its success. Our objective was to build an inexpensive, unobtrusive, maintenance-free, and energy-efficient device easily attachable to the lamb that would reliably detect suckling episodes and report them wirelessly to a data collection point. We demonstrate that suckling is characterized by a rather simple and distinguished acceleration signature which makes it possible to detect the event with relatively simple techniques easily implementable within low-end microcontrollers. We propose an algorithm to this end and assess its performance on acceleration data obtained from animals in a farm environment. Our algorithm has been able to detect 95% of all (actual) suckling episodes with less that 10% false indications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers and Electronics in Agriculture - Volume 138, 1 June 2017, Pages 137-147
نویسندگان
, ,