Thiết kế thẻ RFID tích hợp cảm biến công suất thấp ứng dụng theo dõi hoạt động cá thể bò sữa
Abstract
Cow's milk and its products provide many nutrients that contribute to the healthy growth of the body. In addition, milk production brings great benefits to producers and ensures household livelihoods, food security and nutrition. However, the ability to exploit milk may be limited due to poor quality feed, diseases and capacity of conventional farms. To improve dairy farming efficiency, we have proposed a dairy cow monitoring system based on motion recognition and wireless communication. The core of our system is a sensor card equipped with an accelerometer sensor. To evaluate the feasibility of the proposed system, experiments were conducted to identify three behaviors, usually dairy cows, for a week with the help of camera and observer systems. These behaviors include standing, walking, and grazing. Our achievements can pave the way for the development of smart and precise farm systems.
Tóm tắt
Sữa bò và các sản phẩm của nó cung cấp nhiều chất dinh dưỡng góp phần vào sự phát triển khỏe mạnh của cơ thể. Ngoài ra, sản xuất sữa mang lại lợi ích to lớn cho người sản xuất và đảm bảo sinh kế hộ gia đình, an ninh lương thực và dinh dưỡng. Tuy nhiên, khả năng khai thác sữa có thể bị hạn chế do thức ăn kém chất lượng, dịch bệnh và năng suất của các trang trại truyền thống. Để nâng cao hiệu quả chăn nuôi bò sữa, chúng tôi đã đề xuất một hệ thống giám sát bò sữa dựa trên nhận dạng chuyển động và giao tiếp không dây. Cốt lõi của hệ thống là một thẻ cảm biến tích hợp cảm biến gia tốc. Để đánh giá tính khả thi của hệ thống được đề xuất, các thí nghiệm đã được tiến hành để xác định ba hành vi của bò sữa trong một tuần với sự trợ giúp của hệ thống camera và thiết bị quan sát. Những hành vi này bao gồm đứng yên, đi bộ và ăn cỏ. Những kết quả đạt được của chúng tôi có thể mở đường cho sự phát triển các hệ thống trang trại thông minh và chính xác.
Article Details
Tài liệu tham khảo
Mayer, K., Ellis, K., & Taylor, K. (2004, November). Cattle health monitoring using wireless sensor networks. In Proceedings of the Communication and Computer Networks Conference (CCN 2004) (pp. 8-10). Calgary, AB, Canada: ACTA Press.
Burfeind, O., Schirmann, K., von Keyserlingk, M. A. G., Veira, D. M., Weary, D. M., & Heuwieser, W. (2011). Technical note: Evaluation of a system for monitoring rumination in heifers and calves. Journal of Dairy Science, 94(1), 426–430. https://doi.org/10.3168/jds.2010-3239
Dang, N.H. (2022). A wearable self-powered sensor tag for deep learning-based cow monitoring system.
https://repository.pknu.ac.kr:8443/bitstream/2021.oak/32661/2/A Wearable Self-Powered Sensor Tag for Deep Learning-Based Cow Monitoring System.pdf
FAO & I. U. W. (2021). The State of Food Security and Nutrition in the World 2021. In The State of Food Security and Nutrition in the World 2021. FAO, IFAD, UNICEF, WFP and WHO. https://doi.org/10.4060/cb4474en
Knight-Jones, T. J. D., & Rushton, J. (2013). The economic impacts of foot and mouth disease - What are they, how big are they and where do they occur? In Preventive Veterinary Medicine (Vol. 112, Issues 3–4, pp. 161–173). Elsevier B.V. https://doi.org/10.1016/j.prevetmed.2013.07.013
Simonyan, K., & Zisserman, A. (2014). Very deep convolutional networks for large-scale image recognition. arXiv preprint arXiv:1409.1556.
Mhatre, V., Vispute, V., Mishra, N., & Khandagle, K. (2020). IoT based health monitoring system for dairy cows. Proceedings of the 3rd International Conference on Smart Systems and Inventive Technology, ICSSIT 2020, 820–825. https://doi.org/10.1109/ICSSIT48917.2020.9214244
Nielsen, P. P. (2013). Automatic registration of grazing behaviour in dairy cows using 3D activity loggers. Applied Animal Behaviour Science, 148(3–4), 179–184. https://doi.org/10.1016/j.applanim.2013.09.001
Pantelopoulos, A., & Bourbakis, N. G. (2010). A survey on wearable sensor-based systems for health monitoring and prognosis. In IEEE Transactions on Systems, Man and Cybernetics Part C: Applications and Reviews (Vol. 40, Issue 1, pp. 1–12). https://doi.org/10.1109/TSMCC.2009.2032660
Perry, B., & Grace, D. (2009). The impacts of livestock diseases and their control on growth and development processes that are pro-poor. In Philosophical Transactions of the Royal Society B: Biological Sciences (Vol. 364, Issue 1530, pp. 2643–2655). Royal Society. https://doi.org/10.1098/rstb.2009.0097
Shen, W., Cheng, F., Zhang, Y., Wei, X., Fu, Q., & Zhang, Y. (2020). Automatic recognition of ingestive-related behaviors of dairy cows based on triaxial acceleration. Information Processing in Agriculture, 7(3), 427–443. https://doi.org/10.1016/j.inpa.2019.10.004
STMicroelectronics Hungarian Branch. (2022). Ultra-low-power Arm Cortex-M4 32-bit MCU+FPU, 100DMIPS, up to 256KB Flash, 64KB SRAM, USB FS, analog, audio. Online. https://www.st.com/resource/en/datasheet/stm32l432kc.pdf
SWAZILAND DAIRY BORD. (2020). Cattle diseases. ONLINE. http://www.dairyboard.co.sz/download/Dairy%20Cattle%20Diseases.pdf
Texas Instruments (2015). Datasheet của hãng Texas Instrument. https://www.ti.com/lit/ds/symlink/tps62060.pdf
World Organisation for Animal Health. (2020). Foot and mouth disease. Online. https://www.oie.int/en/disease/foot-and-mouth-disease
Zehner, N., Umstätter, C., Niederhauser, J. J., & Schick, M. (2017). System specification and validation of a noseband pressure sensor for measurement of ruminating and eating behavior in stable-fed cows. Computers and Electronics in Agriculture, 136, 31–41. https://doi.org/10.1016/j.compag.2017.02.021