소와의 목초와 축사에서 누워있는 행동을 감지하기 위한 센서 기반 모니터링을 위한 기계 학습 모델 훈련 및 검증

모니터링 시스템은 농민들이 행동 패턴(예: 누워있기) 및 그 변화를 기계 학습 모델을 통해 예측함으로써 젖소의 건강을 모니터링하는 데 도움을 줍니다. 그러나 기존 시스템은 실내 또는 목초용으로 개발되어 다른 장소에서의 행동 예측에 실패하고 있습니다. 따라서 우리의 연구 목표는 목초와 축사에서의 누워있는 행동을 예측하기 위한 모델을 훈련하고 평가하는 것이었습니다. 세 농장에서 각각 7-11마리의 젖소에 가속도계, 자력계 및 자이로스코프가 포함된 모니터링 시스템의 프로토타입이 장착되었습니다. 목초와 축사에서의 비디오 관찰을 통해 사실 기반 데이터가 제공되었습니다. 우리는 훈련을 위해 목초에서 34.5시간, 두 장소에서 평가를 위해 480.5시간의 데이터셋을 사용했습니다. 비교적, 방향에 독립적인 5초 창을 가진 랜덤 포레스트는 가장 높은 정확도를 달성했습니다. 민감도, 특이도 및 정확도는 각각 95.6%, 80.5% 및 87.4%였습니다. 목초에서의 정확도(93.2%)는 축사(81.4%)에서의 정확도를 초과했습니다. 서 있을 때의 반추가 누워있는 행동으로 가장 혼동되었습니다. 개별 누워있는 행동 중 95.6%와 93.4%가 각각 목초와 축사에서 확인되었습니다. 서 있는 사건과 누워 있는 사건에 대한 모델을 추가하면 축사에서의 누워있는 행동 예측을 개선할 수 있습니다.