論文の概要: Livestock feeding behavior: A tutorial review on automated techniques
for ruminant monitoring
- arxiv url: http://arxiv.org/abs/2312.09259v2
- Date: Mon, 18 Dec 2023 21:01:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 21:38:15.614746
- Title: Livestock feeding behavior: A tutorial review on automated techniques
for ruminant monitoring
- Title(参考訳): 家畜の給餌行動:反響モニタリングの自動化技術に関するチュートリアルレビュー
- Authors: Jos\'e Chelotti, Luciano Martinez-Rau, Mariano Ferrero, Leandro
Vignolo, Julio Galli, Alejandra Planisich, H. Leonardo Rufiner and Leonardo
Giovanini
- Abstract要約: 本論文は,反響者の摂食行動の分析に関する最初のチュートリアルスタイルのレビューである。
給餌行動に関連する信号を計測・分析するための主要なセンシング手法と主要な技術を評価する。
また、価値ある情報を提供する自動監視システムの可能性を強調している。
- 参考スコア(独自算出の注目度): 34.82692226532414
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Livestock feeding behavior is an influential research area for those involved
in animal husbandry and agriculture. In recent years, there has been a growing
interest in automated systems for monitoring the behavior of ruminants. Despite
the developments accomplished in the last decade, there is still much to do and
learn about the methods for measuring and analyzing livestock feeding behavior.
Automated monitoring systems mainly use motion, acoustic, and image sensors to
collect animal behavioral data. The performance evaluation of existing methods
is a complex task and direct comparisons between studies are difficult. Several
factors prevent a direct comparison, starting from the diversity of data and
performance metrics used in the experiments. To the best of our knowledge, this
work represents the first tutorial-style review on the analysis of the feeding
behavior of ruminants, emphasizing the relationship between sensing
methodologies, signal processing and computational intelligence methods. It
assesses the main sensing methodologies (i.e. based on movement, sound,
images/videos and pressure) and the main techniques to measure and analyze the
signals associated with feeding behavior, evaluating their use in different
settings and situations. It also highlights the potentiality of automated
monitoring systems to provide valuable information that improves our
understanding of livestock feeding behavior. The relevance of these systems is
increasingly important due to their impact on production systems and research.
Finally, the paper closes by discussing future challenges and opportunities in
livestock feeding behavior monitoring.
- Abstract(参考訳): 家畜の飼育行動は、畜産と農業に関わる人々にとって重要な研究分野である。
近年,反響者の行動を監視する自動化システムへの関心が高まっている。
過去10年間に達成された進歩にもかかわらず、家畜の摂食行動を測定する方法や分析方法について学ぶことはまだまだたくさんある。
自動監視システムは、主に動き、音響、画像センサーを使用して動物の行動データを収集する。
既存の手法の性能評価は複雑な作業であり,研究間の直接比較は困難である。
実験で使用されるデータやパフォーマンス指標の多様性から、いくつかの要因が直接比較を妨げている。
本研究は, 放射能の摂食行動の分析に関する最初のチュートリアルスタイルのレビューであり, センシング手法, 信号処理, 計算知能手法の関係を強調した。
主な感知方法(動き、音、画像、映像、圧力に基づく)と、摂食行動に関連する信号を計測し分析する主要な技術を評価し、異なる設定や状況におけるそれらの使用を評価する。
また、家畜の給餌行動の理解を深めるための貴重な情報を提供する自動監視システムの可能性を強調した。
これらのシステムは、生産システムや研究に影響を及ぼすため、ますます重要になっている。
最後に、家畜の給餌行動モニタリングにおける今後の課題と機会について論じる。
関連論文リスト
- Computer Vision for Primate Behavior Analysis in the Wild [61.08941894580172]
ビデオに基づく行動監視は、動物の認知と行動を研究する方法を変える大きな可能性を秘めている。
今でも、エキサイティングな見通しと、今日実際に達成できるものの間には、かなり大きなギャップがある。
論文 参考訳(メタデータ) (2024-01-29T18:59:56Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳(メタデータ) (2022-07-20T13:37:57Z) - Review on Social Behavior Analysis of Laboratory Animals: From
Methodologies to Applications [0.0]
従来の視覚的手法,統計的手法,深層学習手法を網羅し,多様な行動検出アルゴリズムを探索する。
本研究の目的は、動物行動の効率的な検出方法のひっかき傷を生物学者に与え、関連する研究を徹底的に調査することである。
論文 参考訳(メタデータ) (2022-06-25T13:40:35Z) - Automated Mobility Context Detection with Inertial Signals [7.71058263701836]
本研究の主な目的は,日常の運動機能の遠隔監視のためのコンテキスト検出について検討することである。
本研究の目的は、ウェアラブル加速度計でサンプリングされた慣性信号が、歩行関連活動を屋内または屋外に分類するための信頼性の高い情報を提供するかを理解することである。
論文 参考訳(メタデータ) (2022-05-16T09:34:43Z) - Self-supervised Video Object Segmentation by Motion Grouping [79.13206959575228]
動きの手がかりを利用して物体をセグメンテーションできるコンピュータビジョンシステムを開発した。
本稿では,光フローフレームを一次オブジェクトと背景に分割するトランスフォーマーの簡単なバリエーションを紹介する。
提案したアーキテクチャを公開ベンチマーク(DAVIS2016, SegTrackv2, FBMS59)で評価する。
論文 参考訳(メタデータ) (2021-04-15T17:59:32Z) - Dairy Cow rumination detection: A deep learning approach [0.8312466807725921]
交配行動は、畜産の発展と収量を追跡するための重要な変数です。
現代のアタッチメントデバイスは、牛にとって侵襲的で、ストレスがあり、不快である。
本研究では,CNN(Convolution Neural Network)に基づくディープラーニングモデルを用いた革新的なモニタリング手法を提案する。
論文 参考訳(メタデータ) (2021-01-07T07:33:32Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳(メタデータ) (2020-07-07T17:19:56Z) - Sensor Data for Human Activity Recognition: Feature Representation and
Benchmarking [27.061240686613182]
HAR(Human Activity Recognition)の分野は、監視装置(センサなど)から取得したデータを取得し、分析することに焦点を当てている。
我々は、異なる機械学習(ML)技術を用いて、人間のアクティビティを正確に認識する問題に対処する。
論文 参考訳(メタデータ) (2020-05-15T00:46:55Z) - Machine learning approaches for identifying prey handling activity in
otariid pinnipeds [12.814241588031685]
本稿では,アザラシの捕食行動の同定に焦点をあてる。
考慮すべきデータは、アザラシに直接取り付けられたデバイスによって収集された3D加速度計と深度センサーのストリームである。
機械学習(ML)アルゴリズムに基づく自動モデルを提案する。
論文 参考訳(メタデータ) (2020-02-10T15:30:08Z) - End-to-End Models for the Analysis of System 1 and System 2 Interactions
based on Eye-Tracking Data [99.00520068425759]
本稿では,よく知られたStroopテストの視覚的修正版において,様々なタスクと潜在的な競合事象を特定するための計算手法を提案する。
統計的分析により、選択された変数は、異なるシナリオにおける注意負荷の変動を特徴付けることができることが示された。
機械学習技術は,異なるタスクを分類精度良く区別できることを示す。
論文 参考訳(メタデータ) (2020-02-03T17:46:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。