Lê Đình Chiến * , Lê Văn Lâm Trần Công Án

* Tác giả liên hệ (ldchien@nomail.com)

Abstract

Cattle behaviour patterns provide significant information about cattle health. Therefore, early behaviour recognition may help breeders be aware of cattle health problems promptly to have appropriate treatment to reduce negative impact. In this paper, an approach to cow behaviour recognition based on accelerated data will be proposed. The behaviour recognition model is built using random forest algorithm. This study focuses on four popular behaviours, i.e. walking, standing, eating (grazing), and lying. The model is validated using a real cow activity datatset. The overall classification result of the model is about 95% of accuracy. The comparison on the classification result with other recent approaches is provided. It is shown that the proposed approach in this paper is promising, and it can be used for developing cow behavior recognition application.
Keywords: Accelerometer, behaviour, cow, random forests

Tóm tắt

Mẫu hành vi của bò cung cấp thông tin rất quan trọng về sức khỏe, tình trạng của bò. Do đó, phát hiện sớm các hành vi của bò có thể giúp người chăn nuôi nhận biết các vấn đề đối với sức khỏe của bò một cách kịp thời; qua đó, có thể sử dụng các biện pháp điều trị thích hợp để giảm thiểu các thiệt hại. Bài báo này sẽ đề xuất một phương pháp phát hiện hành vi của bò dựa vào dữ liệu gia tốc kế. Mô hình nhận dạng hành vi được xây dựng dựa trên giải thuật máy học rừng ngẫu nhiên (random forest). Nghiên cứu này sẽ tập trung nhận dạng 4 hành vi: đi lại, đứng, ăn (gặm cỏ) và nằm. Mô hình nhận dạng được đánh giá trên 1 bộ dữ liệu thật do chúng tôi thu thập. Kết quả phân loại hành vi của mô hình là 95%. Chúng tôi cũng so sánh kết quả thực nghiệm với một số phương pháp đã được đề xuất trong các nghiên cứu khác. Kết quả so sánh cho thấy phương pháp được đề xuất là khả thi và có thể áp dụng để xây dựng các ứng dụng nhận dạng hành vi của bò.
Từ khóa: Bò, gia tốc kế, nhận dạng hành vi, rừng ngẫu nhiên

Article Details

Tài liệu tham khảo

Bonk, Stephanie, Onno Burfeind, V. S. Suthar, and Wolfgang Heuwieser, 2013. Evaluation of data loggers for measuring lying behavior in dairy calves. Journal of dairy science 96, No.5: 3265-3271.

Breiman, Leo, Jerome Friedman, Charles J.Stone, and Richard A. Olshen, 1984. Classification and regression trees. CRC press.

Breiman, Leo, 2011. Random forests. Machine learning 45. No.1: 5-32.

Daubechies, Ingrid, 1992. Ten lectures on wavelets. Society for industrial and applied mathematics.

Diosdado, Jorge A. Vázquez, et al, 2015. Classification of behaviour in housed dairy cows using an accelerometer-based activity monitoring system. Animal Biotelemetry. Vol3, No.1.

Donoho, David L., and Jain M. Johnstone, 1994. Ideal spatial adaptation by wavelet shrinkage. Biometrika 81. No.3: 425-455.

Doyle, Rebecca, and John Moran, 2015. Cow Talk: Understanding Dairy Cow Behaviour to Improve Their Welfare on Asian Farms. Csiro Publishing

Gibb, M. J., C. A. Huckle, and R. Nuthall, 1998. Effect of time of day on grazing behaviour by lactating dairy cows. Grass and Forage Science 53. No.1: 41-46.

HOBO Pendant G Acceleration Data Logger. http://www.onsetcomp.com/files/manual_pdfs/10872-B-MAN-UA-004.pdf (truy xuất lần cuối: 06/09/2017).

Jiaying Du, 2016. Signal processing for mems sensor based motion analysis system. Mälardalen University Press Licentiate Theses. 13-14

Laca, E. A., and M.F. WallisDeVries, 2000. Acoustic measurement of intake and grazing behaviour of cattle." Grass and Forage Science 55. No.2: 97-104.

Lee, W. S., Roh, Y. W., Kim, D. J., Kim, J. H.,& Hong, K. S., 2008. Speech emotion recognition using spectral entropy. In International Conference on Intelligent Robotics and Applications. Springer, Berlin, Heidelberg. 45-54

Martiskainen P, Jarvinen M, Skon JP, Tiirikainen J, Kolehmainen M, et al., 2009. Cow behaviour pattern recognition using a three-dimensional accelerometer and support vector machines. Applied Animal Behaviour Science 119. 32–38.

Mench, Joy, 1998. Why it is important to understand animal behavior. ILAR journal 39. No.1: 20-26.

Nguyen Thi Huyen Nga and Le Thi Thu Ha and Doan Ba Cuong and Tran Duc Tan, 2016. Monitoring and classification of cow activities using three-dimensional accelerometers. In: SSC: the 2016 Student Scientific Contest. Hanoi.

Parsons, Antony C., W. Mack Grady, and Edward J. Powers, 1999. A wavelet-based procedure for automatically determining the beginning and end of transmission system voltage sags. In Power Engineering Society 1999 Winter Meeting. IEEE, vol.2: 1310-1315.

Quinlan, J. Ross. C4. 5: programs for machine learning. Elsevier, 2014.

Robert B, White BJ, Renter DG, Larson RL, 2009. Evaluation of three-dimensional accelerometers to monitor and classify behaviour patterns in cattle. Compu Electron Agric. 67:80–4.

S.Bonk, O.Burfeind,V.S.Suthar, W.Heuwieser, 2013. Technical note: Evaluation of data loggers for measuring lying behavior in dairy calves. Journal of Dairy Science. 96:5,3265-3271.

Sterrett, Amanda E., Donna M. Amaral- Phillips, Jeffrey M. Bewley, and Michelle Arnold, 2014. A Fresh Cow Health Monitoring System.

Wang, W. Z., Guo, Y. W., Huang, B. Y., Zhao, G. R., Liu, B. Q., & Wang, L., 2011-November. Analysis of filtering methods for 3D acceleration signals in body sensor network. In Bioelectronics and Bioinformatics (ISBB). IEEE, 2011 International Symposium: 263-266.