کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8875355 | 1623647 | 2018 | 10 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Cattle behaviour classification from collar, halter, and ear tag sensors
ترجمه فارسی عنوان
طبقه بندی رفتار گاو از حسگرهای یقه، هاله و
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تجزیه و تحلیل داده سنسور، دسته بندی رفتار گاو، سنسور برای ردیابی رفتار گاو،
ترجمه چکیده
در این مقاله، نتیجه حاصل از مجموعه ای از آزمایشات با هدف طبقه بندی رفتار گاو بر اساس داده های سنسور خلاصه می شود. هر حیوان سنسورها تولید داده های سری شتاب سنج سری را روی یک گردن بر روی گردن در پشت سر گذاشتند، در سمت چپ که در پشت سر پشت دهان و یا بر روی گوش با استفاده از یک تگ قرار دارد. هدف مطالعه این بود که چگونه داده های سنسور از مکان های مختلف می تواند طیف وسیعی از رفتارهای گاو معمول را طبقه بندی کند. داده ها جمع آوری شده و رفتارهای حیوانی (چریدن، ایستادن یا سرگیجه) در یک فرایند معمول مشاهده شد. از ویژگی های آماری از داده های سنسور محاسبه شده و الگوریتم های یادگیری ماشین آموزش داده شده است تا هر رفتار را طبقه بندی کنند. تست های طبقه بندی بر روی مجموعه های مستقل تست مستقل محاسبه می شود. تجزیه و تحلیل بر اساس آزمایش های طبقه بندی رفتاری نشان داد که قرار دادن سنسورهای مختلف می تواند دقت طبقه بندی را به دست بیاورد اگر فضای ویژگی (نشان دادن الگوهای حرکت) بین آموزش و آزمایش حیوان مشابه است. در این مقاله این تحلیل ها به طور جدی مورد بحث قرار خواهد گرفت و می تواند به عنوان یک راهنما برای مطالعات آینده عمل کند.
موضوعات مرتبط
علوم زیستی و بیوفناوری
علوم کشاورزی و بیولوژیک
علوم کشاورزی و بیولوژیک (عمومی)
چکیده انگلیسی
In this paper, we summarise the outcome of a set of experiments aimed at classifying cattle behaviour based on sensor data. Each animal carried sensors generating time series accelerometer data placed on a collar on the neck at the back of the head, on a halter positioned at the side of the head behind the mouth, or on the ear using a tag. The purpose of the study was to determine how sensor data from different placement can classify a range of typical cattle behaviours. Data were collected and animal behaviours (grazing, standing or ruminating) were observed over a common time frame. Statistical features were computed from the sensor data and machine learning algorithms were trained to classify each behaviour. Classification accuracies were computed on separate independent test sets. The analysis based on behaviour classification experiments revealed that different sensor placement can achieve good classification accuracy if the feature space (representing motion patterns) between the training and test animal is similar. The paper will discuss these analyses in detail and can act as a guide for future studies.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Processing in Agriculture - Volume 5, Issue 1, March 2018, Pages 124-133
Journal: Information Processing in Agriculture - Volume 5, Issue 1, March 2018, Pages 124-133
نویسندگان
A. Rahman, D.V. Smith, B. Little, A.B. Ingham, P.L. Greenwood, G.J. Bishop-Hurley,