論文の概要: Development of a digital tool for monitoring the behaviour of pre-weaned calves using accelerometer neck-collars
- arxiv url: http://arxiv.org/abs/2406.17352v1
- Date: Tue, 25 Jun 2024 08:11:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-26 15:11:49.075726
- Title: Development of a digital tool for monitoring the behaviour of pre-weaned calves using accelerometer neck-collars
- Title（参考訳）: 加速度計ネックカラーを用いた雑草前子牛の行動監視用デジタルツールの開発
- Authors: Oshana Dissanayake, Sarah E. Mcpherson, Joseph Allyndrée, Emer Kennedy, Pádraig Cunningham, Lucile Riaboff,
- Abstract要約: 30頭の乳牛がネックコラーに取り付けられた3D加速度計を2ヶ月間装備し、同時に撮影された。
この行動には注釈が付され、27.4時間の観測が加速度計のデータと一致した。
2つの機械学習モデルは、子牛の80%のデータを使って調整された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic monitoring of calf behaviour is a promising way of assessing animal welfare from their first week on farms. This study aims to (i) develop machine learning models from accelerometer data to classify the main behaviours of pre-weaned calves and (ii) set up a digital tool for monitoring the behaviour of pre-weaned calves from the models' prediction. Thirty pre-weaned calves were equipped with a 3-D accelerometer attached to a neck-collar for two months and filmed simultaneously. The behaviours were annotated, resulting in 27.4 hours of observation aligned with the accelerometer data. The time-series were then split into 3 seconds windows. Two machine learning models were tuned using data from 80% of the calves: (i) a Random Forest model to classify between active and inactive behaviours using a set of 11 hand-craft features [model 1] and (ii) a RidgeClassifierCV model to classify between lying, running, drinking milk and other behaviours using ROCKET features [model 2]. The performance of the models was tested using data from the remaining 20% of the calves. Model 1 achieved a balanced accuracy of 0.92. Model 2 achieved a balanced accuracy of 0.84. Behavioural metrics such as daily activity ratio and episodes of running, lying, drinking milk, and other behaviours expressed over time were deduced from the predictions. All the development was finally embedded into a Python dashboard so that the individual calf metrics could be displayed directly from the raw accelerometer files.
- Abstract（参考訳）: 子牛の行動の自動モニタリングは、農場で最初の週から動物福祉を評価するための有望な方法である。
この研究が目指すのは
一 加速度計データから機械学習モデルを作成して、雑草前子牛の主な行動の分類し、
(II) モデルの予測から, 雑草前子牛の行動を監視するデジタルツールを設置した。
30頭の乳牛がネックコラーに取り付けられた3D加速度計を2ヶ月間装備し、同時に撮影された。
この行動には注釈が付され、27.4時間の観測が加速度計のデータと一致した。
その後、タイムシリーズは3秒のウィンドウに分割された。
2つの機械学習モデルは、子牛の80%のデータを使って調整された。
(i)11個の手工芸品[モデル1]とを用いて活動行動と不活動行動の分類を行うランダムフォレストモデル
(II)ROCKET特徴量[モデル2]を用いて、横、走、牛乳の飲用とその他の行動の分類を行うRage ClassifierCVモデル。
モデルの性能は、残りの20%の牛からのデータを用いてテストされた。
モデル1は0.92のバランスの取れた精度を達成した。
モデル2は0.84のバランスの取れた精度を達成した。
行動指標として, 日常活動率, ランニング, ライディング, ミルクの摂取状況, その他の行動指標を, 予測値から推定した。
開発はすべてPythonダッシュボードに埋め込まれ、個々のカルフメトリクスを生の加速度計ファイルから直接表示できるようになった。
関連論文リスト
- Accelerometer-Based Multivariate Time-Series Dataset for Calf Behavior Classification [0.7366868731714773]
このデータセットは、アクセラレーション時系列から、事前に織り込まれたふくらはぎの振る舞いを分類するための、使用可能なデータセットである。
乳牛30頭には、生後1週間から13週間、ネックカラーに取り付けられた3D加速度センサーが装着された。
論文 参考訳（メタデータ） (2024-08-20T08:11:54Z) - Evaluating ROCKET and Catch22 features for calf behaviour classification from accelerometer data using Machine Learning models [0.7366868731714773]
アイルランドのホルスタイン・フリーシアンとジャージーの30頭が加速度センサで監視され、27.4時間の注釈付き行動が可能となった。
手作りの機能は機械学習モデルで一般的に使用されるが、ROCKETとCatch22は時系列分類問題のために特別に設計されている。
本研究の目的は,ROCKETとCatch22の機能とハンドクラフト機能の比較である。
論文 参考訳（メタデータ） (2024-04-28T12:23:01Z) - Humanoid Locomotion as Next Token Prediction [84.21335675130021]
我々のモデルは感覚運動軌道の自己回帰予測によって訓練された因果変換器である。
われわれのモデルでは、フルサイズのヒューマノイドがサンフランシスコでゼロショットで歩けることが示されている。
われわれのモデルは、わずか27時間の歩行データで訓練された場合でも現実世界に移行でき、後方歩行のような訓練中に見えないコマンドを一般化することができる。
論文 参考訳（メタデータ） (2024-02-29T18:57:37Z) - Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。
車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。
我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
論文 参考訳（メタデータ） (2023-12-07T18:53:27Z) - Continuous time recurrent neural networks: overview and application to
forecasting blood glucose in the intensive care unit [56.801856519460465]
連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。
重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
論文 参考訳（メタデータ） (2023-04-14T09:39:06Z) - Convolutional Neural Networks for the classification of glitches in
gravitational-wave data streams [52.77024349608834]
我々は、高度LIGO検出器のデータから過渡ノイズ信号(グリッチ)と重力波を分類する。
どちらも、Gravity Spyデータセットを使用して、スクラッチからトレーニングされた、教師付き学習アプローチのモデルを使用します。
また、擬似ラベルの自動生成による事前学習モデルの自己教師型アプローチについても検討する。
論文 参考訳（メタデータ） (2023-03-24T11:12:37Z) - TempNet: Temporal Attention Towards the Detection of Animal Behaviour in
Videos [63.85815474157357]
本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。
TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。
本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
論文 参考訳（メタデータ） (2022-11-17T23:55:12Z) - Sedentary Behavior Estimation with Hip-worn Accelerometer Data:
Segmentation, Classification and Thresholding [1.9402357545481315]
ヒップワーンデータに基づく鎮静行動推定の従来手法は、自由生活状況や主観と対象の変動において、しばしば無効または準最適である。
本稿では,この状況を考慮に入れた局所マルコフ切替モデルを提案し,そのモデルに自然に適合する姿勢分類と摂食行動解析の一般的な手順を提案する。
論文 参考訳（メタデータ） (2022-07-05T05:01:11Z) - STAR: Sparse Transformer-based Action Recognition [61.490243467748314]
本研究は,空間的次元と時間的次元に細かな注意を払っている新しいスケルトンに基づく人間行動認識モデルを提案する。
実験により、トレーニング可能なパラメータをはるかに少なくし、トレーニングや推論の高速化を図りながら、モデルが同等のパフォーマンスを達成できることが示されている。
論文 参考訳（メタデータ） (2021-07-15T02:53:11Z) - Dynamic Time Warping as a New Evaluation for Dst Forecast with Machine
Learning [0.0]
ニューラルネットワークをトレーニングして、発生時刻の暴風雨時指数を1時間から6時間まで予測する。
相関係数とRMSEによるモデルの結果の検査により,最新の論文に匹敵する性能を示した。
2つの時系列が互いに時間的にずれているかどうかを測定するために,新しい手法を提案する。
論文 参考訳（メタデータ） (2020-06-08T15:14:13Z) - Predictive Modeling of Periodic Behavior for Human-Robot Symbiotic
Walking [13.68799310875662]
我々は、インタラクションプリミティブを周期的な運動体制、すなわち歩行に拡張する。
このモデルは、人間の歩行の、データ駆動でカスタマイズされたモデルを学ぶのに特に適していることを示す。
また,ロボット義肢のコントローラーの学習にも,同じフレームワークが利用できることを示す。
論文 参考訳（メタデータ） (2020-05-27T03:30:48Z)
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。