論文の概要: EweAcT: Ewe behaviour aligned to accelerometer data for activity monitoring in extensive grazing systems

• arxiv url: http://arxiv.org/abs/2608.09943v1
• Date: Wed, 01 Jul 2026 10:34:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.180434
• Title: EweAcT: Ewe behaviour aligned to accelerometer data for activity monitoring in extensive grazing systems
• Title（参考訳）: EweAcT:大規模放牧システムにおける活動監視のための加速度計データに一致した行動
• Abstract要約: このデータセットは、2021年から2024年の間に生まれた120人のローマ人の女性のために、ビデオ記録から手動で注釈付けされた行動と一致した79時間の3軸加速度計データを含んでいる。 ラ・ファージ実験部隊(UEF, INRAE, Saint-Jean-et-Saint Paul, Aveyron)は、フランス南部の280ヘクタールに250頭の羊を排他的に飼育した。 得られたデータセットは、加速度計データから広範な放牧システムの下で、羊の5つの主要な行動の分類に人工知能モデルを適用するのに使える。
• 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: Monitoring livestock behaviour under extensive conditions would provide valuable insights to assess animal adaption to environmental perturbations in agroecological systems (e.g., heat waves, parasitism, predator attacks). Animal behaviour can be monitored using accelerometer data collected from neck-collars combined with artificial intelligence models. However, large amounts of accelerometer data aligned with annotated behaviours are necessary to develop accurate models of behaviour prediction. In particular, developing reliable models for extensive systems requires data collected across a wide range of representative conditions. The dataset includes 79 hours of tri-axial accelerometer data aligned with behaviours manually annotated from video recordings for 120 Romane ewes born between 2021 and 2024. The ewes were derived from two divergent genetic lines after three and four generations of selection started 10 years ago: low and high social attractiveness, noted S-and S+, and low and high tolerance towards humans, noted H-and H+. They were reared under the extensive system applied to the Experimental Unit of La Fage (UEF, INRAE, Saint-Jean-et-saint Paul, Aveyron) where 250 sheep were reared exclusively outdoors on 280 hectares of rangeland in southern France. First batch of data was collected on March, June and July 2024 at the UEF under a range of extensive conditions, including sloping pastures and heat-wave periods. Ewes were equipped with accelerometer neck-collars specifically designed for young sheep on pasture. They were grouped on experimental paddocks for 4 to 8 hours and provided with fresh grass and ad libitum access to water. The animals were simultaneously video-recorded using an elevated CCTV camera. Behaviour annotation was carried out using Behavioral Observation Research Interactive Software focusing on the main behaviours on pasture: Grazing, Ruminating, Resting, Moving, and ''Other'', grouping all remaining activities. Annotations and corresponding accelerometer sequences were aligned using Python language, based on a time synchronization procedure. A second batch of data was acquired on November 2025 to supplement the dataset with the moving activity. For that purpose, ewes were equipped with the accelerometer collars and moved on tracks from the housing area to the pastures, corresponding to an approximately 10 minute-walk. The start and end times of the moves for each ewe were used to align the corresponding accelerometer data with the moving activity. These data were then merged with the dataset from the first batch. The resulting dataset is ready to use for applying artificial intelligence models to classify the 5 main behaviours of sheep under extensive grazing systems from accelerometer data.
• Abstract（参考訳）: 広範囲な環境下での家畜の行動のモニタリングは、農業システム(例えば、熱波、寄生虫、捕食者攻撃)の環境摂動に対する動物の適応を評価する貴重な洞察を与える。 動物の行動は、ネックカラーから収集された加速度計データと人工知能モデルを使って監視することができる。 しかし, 高精度な行動予測モデルを開発するためには, 注釈付き行動と一致した大量の加速度計データが必要である。 特に、広範囲なシステムのための信頼性の高いモデルを開発するには、幅広い代表的条件にまたがるデータを収集する必要がある。 このデータセットは、2021年から2024年の間に生まれた120人のローマ人の女性のために、ビデオ記録から手動で注釈付けされた行動と一致した79時間の3軸加速度計データを含んでいる。 3世代と4世代にわたる選抜が10年前に始まり、S+とS+は低い、H+は低い、H+は低い、H+は高い、という。 彼らはラ・ファージ実験部隊(UEF, INRAE, Saint-Jean-et-Saint Paul, Aveyron)に適用される広範囲なシステムの下で飼育され、フランス南部の280ヘクタールの山脈で250頭の羊が排他的に屋外に飼育された。 2024年3月、6月、7月の第1バッチは、傾斜した牧草地や熱波期間を含む幅広い条件下で、UEFで収集された。 エウズは、牧草地で若い羊に特別に設計された加速度計のネックカラーを備えていた。 実験用パドックに4時間から8時間グループ化し,淡草と水への接種用リビタムを供した。 動物は同時に高解像度のCCTVカメラを使ってビデオ録画された。 行動観察研究インタラクティブソフトウェア(Behaviour Annotation)は、放牧、放牧、休息、移動、および「その他」といった牧草の主な行動に焦点を当てた行動観察研究インタラクティブソフトウェアを用いて行われた。 アノテーションと対応する加速度計シーケンスは、時間同期手順に基づいてPython言語で調整された。 2025年11月、データの第2バッチが取得され、データセットを移動アクティビティで補完した。 その目的のために、オオカミは加速度計の首輪を備え、約10分間の歩行に対応する住宅地から牧草地へと線路を移動した。 動きの開始時刻と終了時刻は,対応する加速度計データと運動活動とを一致させるために使用した。 これらのデータは、最初のバッチからデータセットとマージされる。 得られたデータセットは、加速度計データから広範な放牧システムの下で、羊の5つの主要な行動の分類に人工知能モデルを適用するのに使える。

関連論文リスト

• ACE-Data-0: Human-Centric Ambient Capture as Embodied Data Engine [83.02804728003862]
  Ambient Capture Engine (ACE)は、実家環境を空間的に、時間的に同期されたレコーディングスタジオに変換する。 ACEは、エゴセントリックでマルチビューのエクソセントリックなビデオ、フルボディと手の動き、オブジェクト幾何学と6-DoF軌道、オーディオ、信号を、統一されたマルチ感覚ストリームとして記録する。 データセットは、原子操作、家庭活動の長い水平鎖、人間とシーンの相互作用にまたがっており、ステップバイステップの指示よりもゴールレベルの自然な振る舞いを保っている。
  論文  参考訳（メタデータ） (2026-07-30T17:59:50Z)
• PriVi: Towards A General-Purpose Video Model For Primate Behavior In The Wild [50.656578456979496]
  大規模な霊長類中心のビデオ事前トレーニングデータセットであるPriViを紹介する。 大規模ビデオモデルであるV-JEPAをPriVi上でプレトレーニングし、霊長類固有の表現を学習する。 その結果、霊長類中心の事前学習はデータ効率と一般化を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2025-11-12T19:27:40Z)
• The NetMob25 Dataset: A High-resolution Multi-layered View of Individual Mobility in Greater Paris Region [64.30214722988666]
  本稿では,提案したデータセットのサーベイ設計,収集プロトコル,処理手法,特徴について述べる。 データセットには、人口統計、社会経済、家庭の特徴を記述した個人データベース(i)、タイムスタンプ、輸送モード、旅行目的を含む8,000以上の注釈付き変位を持つトリプスデータベース(ii)、約5億の高周波ポイントからなるRaw GPSトレースデータベース(iii)の3つのコンポーネントが含まれている。
  論文  参考訳（メタデータ） (2025-06-06T09:22:21Z)
• BuckTales : A multi-UAV dataset for multi-object tracking and re-identification of wild antelopes [0.6267336085190178]
  BuckTalesは、野生動物の多目的追跡と再同定問題を解決するために設計された最初の大規模なUAVデータセットである。 MOTデータセットには12の高解像度(5.4K)ビデオを含む680トラックを含む120万以上のアノテーションが含まれている。 Re-IDデータセットには、同時に2つのUAVで捕獲された730人の個人が含まれている。
  論文  参考訳（メタデータ） (2024-11-11T11:55:14Z)
• 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)
• Development of a digital tool for monitoring the behaviour of pre-weaned calves using accelerometer neck-collars [0.0]
  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。
  論文  参考訳（メタデータ） (2024-06-25T08:11:22Z)
• 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)
• 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)
• AcinoSet: A 3D Pose Estimation Dataset and Baseline Models for Cheetahs in the Wild [51.35013619649463]
  我々はAcinoSetと呼ばれる野生のフリーランニングチーターの広範なデータセットを提示する。 データセットには、119,490フレームのマルチビュー同期高速ビデオ映像、カメラキャリブレーションファイル、7,588フレームが含まれている。 また、結果の3D軌道、人間チェックされた3D地上真実、およびデータを検査するインタラクティブツールも提供される。
  論文  参考訳（メタデータ） (2021-03-24T15:54:11Z)

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。