論文の概要: From Manual Observation to Automated Monitoring: Space Allowance Effects on Play Behaviour in Group-Housed Dairy Calves

• arxiv url: http://arxiv.org/abs/2602.00111v1
• Date: Mon, 26 Jan 2026 23:32:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:32.946294
• Title: From Manual Observation to Automated Monitoring: Space Allowance Effects on Play Behaviour in Group-Housed Dairy Calves
• Title（参考訳）: 手動観察から自動モニタリングへ:群飼養子牛の遊び行動に及ぼす空間の影響
• Authors: Haiyu Yang, Heidi Lesscher, Enhong Liu, Miel Hostens,
• Abstract要約: 本研究はオランダの14の商業農場における60羽の集団飼育乳牛における空間許容度と遊び行動の関係について検討した。 映像観察は詳細なエトグラムを用いて分析され、演奏は観察期間(%OP)のパーセンテージとして表現された。 コンピュータビジョンパイプラインは、6つの農場で108時間から手動のアノテーションで訓練され、保持されたテストデータで検証された。
• 参考スコア（独自算出の注目度）: 0.3548564242395522
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Play behaviour serves as a positive welfare indicator in dairy calves, yet the influence of space allowance under commercial conditions remains poorly characterized, particularly at intermediate-to-high allowances (6-20 m2 per calf). This study investigated the relationship between space allowance and play behaviour in 60 group-housed dairy calves across 14 commercial farms in the Netherlands (space range: 2.66-17.98 m2 per calf), and developed an automated computer vision pipeline for scalable monitoring. Video observations were analyzed using a detailed ethogram, with play expressed as percentage of observation period (%OP). Statistical analysis employed linear mixed models with farm as a random effect. A computer vision pipeline was trained on manual annotations from 108 hours on 6 farms and validated on held-out test data. The computer vision classifier achieved 97.6% accuracy with 99.4% recall for active play detection. Calves spent on average 1.0% of OP playing reflecting around 10 minutes per 17-hour period. The space-play relationship was non-linear, with highest play levels at 8-10 m2 per calf (1.6% OP) and lowest at 6-8 m2 and 12-14 m2 (<0.6% OP). Space remained significant after controlling for age, health, and group size. In summary, these findings suggest that 8-10 m2 per calf represents a practical target balancing welfare benefits with economic feasibility, and demonstrate that automated monitoring can scale small annotation projects to continuous welfare assessment systems.
• Abstract（参考訳）: 遊び行動は乳牛の肯定的な福祉指標として機能するが、商業的条件下でのスペース・コンパタンスの影響は、特に中～ハイ・コンパタンス(カルフあたり6〜20m2)において、いまだに不十分である。 本研究では、オランダの14の商業農場(空間範囲2.66-17.98 m2/calf)における60匹の集団飼育乳牛の空間許容性と遊び行動の関係について検討し、スケーラブルなモニタリングのための自動コンピュータビジョンパイプラインを開発した。 ビデオ観察は詳細なエトグラムを用いて分析され,遊びは観察期間のパーセンテージ(%OP)として表現された。 統計分析では、ランダムな効果として農作物を用いた線形混合モデルを用いた。 コンピュータビジョンパイプラインは、6つの農場で108時間から手動のアノテーションで訓練され、保持されたテストデータで検証された。 コンピュータビジョン分類器は97.6%の精度を達成し、99.4%のリコールでアクティブプレイの検出が可能となった。 牛は平均1.0%のOPを17時間あたり約10分プレイした。 スペースプレイの関係は非直線的であり、プレイレベルは8-10 m2 per calf (1.6% OP)、最低は6-8 m2 と 12-14 m2 (<0.6% OP)であった。 空間は、年齢、健康、グループサイズをコントロールした後も重要なままであった。 以上より, カルフあたり8～10m2は, 経済的実現性にともなう福祉給付の現実的目標であり, 自動モニタリングにより, 小型アノテーションプロジェクトを継続的福祉評価システムに拡張できることが示唆された。

関連論文リスト

• Explainable Admission-Level Predictive Modeling for Prolonged Hospital Stay in Elderly Populations: Challenges in Low- and Middle-Income Countries [65.4286079244589]
  長期滞在期間 (pLoS) は, 院内感染のリスクに関連する重要な要因である。 入院レベルの患者と病院の診療データを用いて, pLosの予測モデルを開発し, 解説する。
  論文  参考訳（メタデータ） (2026-01-07T23:35:24Z)
• A Domain-Adapted Lightweight Ensemble for Resource-Efficient Few-Shot Plant Disease Classification [0.0]
  ドメイン適応型MobileNetV2モデルとMobileNetV3モデルを組み合わせた数ショットの学習手法を提案する。 分類タスクには、注意機構を付加したBi-LSTM分類器を通す。 1発から15発のパフォーマンスを継続的に改善し、15発で98.23+-0.33%に達した。 また、以前のSOTAの精度も96.4%向上し、15ショットの学習で99.72%を記録した。
  論文  参考訳（メタデータ） (2025-12-15T15:17:29Z)
• Token-Level Inference-Time Alignment for Vision-Language Models [58.41370989069588]
  VLM(Vision-Language Models)は、現代のマルチモーダルインテリジェンスの重要なバックボーンとなっている。 本稿では,基本VLMを凍結し,その分布を近似する報酬モデルをトレーニングする軽量フレームワークTITAを提案する。 推測中、暗黙の選好信号は報酬モデルと目標VLMの対数確率比として抽出され、密集した自己回帰フィードバックが得られる。
  論文  参考訳（メタデータ） (2025-10-20T09:58:03Z)
• Vision transformer-based multi-camera multi-object tracking framework for dairy cow monitoring [0.06282171844772422]
  本研究は,屋内飼育のホルスタイン・フリーズ産乳牛を対象とした,独自のマルチカメラリアルタイム追跡システムを開発した。 この技術は最先端のコンピュータビジョン技術を使っており、たとえばインスタンスのセグメンテーションや追跡アルゴリズムを使って牛の活動をシームレスに正確にモニタする。
  論文  参考訳（メタデータ） (2025-08-03T13:36:40Z)
• 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)
• Automating global landslide detection with heterogeneous ensemble deep-learning classification [44.99833362998488]
  地すべりは道路、鉄道、建物、人間の生活などのインフラを脅かす。 危険に基づく空間計画と早期警戒システムは、地すべりから社会へのリスクを減らすための費用対効果の戦略である。 近年,中～高解像度の衛星画像を入力として,深層学習モデルを陸地マッピングに適用している。
  論文  参考訳（メタデータ） (2023-09-12T10:56:16Z)
• Speech separation with large-scale self-supervised learning [41.96634125460265]
  WavLMのような自己教師付き学習(SSL)手法は、小規模なシミュレーションに基づく実験において、有望な音声分離(SS)結果を示している。 トレーニング済みデータ(300K時間以上)と微調整データ(10K時間以上)の両方を大規模にスケールアップすることで、SSLベースのSSの探索を拡張します。
  論文  参考訳（メタデータ） (2022-11-09T20:00:21Z)
• Journaling Data for Daily PHQ-2 Depression Prediction and Forecasting [47.93070579578704]
  我々は,新たに収集した時系列データセット上で,アクティブに収集されたデータを用いて,毎日のPHQ-2スコアを予測し,予測する可能性を探る。 PHQ-2 スコアの日次予測には 1.417 の MAE が最適である。 これは、うつ病モニタリングアプリケーションにアクティブに収集されたデータを組み込むことで得られる付加価値を示す。
  論文  参考訳（メタデータ） (2022-05-06T17:47:05Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• T-LEAP: occlusion-robust pose estimation of walking cows using temporal information [0.0]
  乳牛の健康障害である乳腺は、乳牛の歩行を分析して一般的に検出される。 モデルが自動的に画像やビデオの解剖学的ランドマークをローカライズすることを学ぶので、牛の歩行はポーズ推定モデルを使用してビデオで追跡することができます。 ほとんどの動物のポーズ推定モデルは静的であり、ビデオはフレームごとに処理され、時間的情報を使用しない。
  論文  参考訳（メタデータ） (2021-04-16T10:50:56Z)

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。