Phân loại hành vi bò: Bộ tham số tối ưu cho thuật toán Rừng ngẫu nhiên
129 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.88.2023.34-41Từ khóa:
Phân loại; Giám sát; Cảm biến gia tốc; Hành vi; Bò; Random forest.Tóm tắt
Hành vi phản ánh tình trạng sức khoẻ động vật, phân tích dữ liệu hành vi có thể hỗ trợ phát hiện sớm một số bệnh của vật nuôi. Theo dõi sức khoẻ của bò thông qua việc giám sát hành vi là công cụ hỗ trợ đắc lực cho trang trại lớn, giúp nâng cao hiệu hiệu quả chăn nuôi. Dữ liệu gia tốc là một trong những giải pháp hữu hiệu cho hệ thống phân loại hành vi của bò sử dụng gia tốc kế gắn trên vật nuôi. Chúng tôi đã đề xuất các bộ đặc trưng, cửa sổ dữ liệu và sử dụng thuật toán Rừng ngẫu nhiên nhằm phân loại bốn hành vi cơ bản của bò, bao gồm: ăn, nằm, đứng và đi. Trong bài báo này, nhằm mục đích nâng cao hiệu suất của hệ thống phân loại, chúng tôi khảo sát một số tham số quan trọng của thuật toán Rừng ngẫu nhiên trên bộ dữ liệu thực nghiệm để tìm ra bộ tham số tối ưu. Kết quả cho thấy với giá trị của bộ tham số: số lượng cây = 25 và độ sâu = 15 cho hiệu suất phân loại tốt với độ chính xác là 95,9%.
Tài liệu tham khảo
[1]. Rutten, C.J., Steeneveld, W., Vernooij, J.C.M., Huijps, K., Nielen, M., Hogeveen, H., "A prognostic model to predict the success of artificial insemination in dairy cows based on readily available data", J. Dairy Sci., Vol. 99, No. 8, pp. 6764–6779, (2016). https://doi. org/10.3168/jds.2016-10935 DOI: https://doi.org/10.3168/jds.2016-10935
[2]. Benaissa, S., Tuyttens, F.A.M., Plets, D., Cattrysse, H., Martens, L., Vandaele, L., Joseph, W., Sonck, B., "Classification of ingestive-related cow behaviours using RumiWatch halter and neck-mounted accelerometers", Appl. Animal Behaviour Sci., Vol. 211, pp. 9–16, (2018). https://doi.org/10.1016/j.applanim.2018.12.003 DOI: https://doi.org/10.1016/j.applanim.2018.12.003
[3]. Borchers, M.R., Chang, Y.M., Tsai, I.C., Wadsworth, B.A., Bewley, J.M., "A validation of technologies monitoring dairy cow feeding, ruminating, and lying behaviors", J. Dairy Sci., Vol. 99, No. 9, pp. 7458–7466, (2016). https://doi.org/10.3168/jds.2015- 10843. DOI: https://doi.org/10.3168/jds.2015-10843
[4]. Khanh, P.C.P., Dinh Chinh, N., Cham, T.T., Vui, P.T., Tan, T.D., "Classification of cow behavior using 3-DOF accelerometer and decision tree algorithm", In: 2016 International Conference on Biomedical Engineering (BME-HUST), IEEE, Hanoi, Vietnam, pp. 45–50, (2016). https://doi.org/10.1109/BME-HUST.2016.7782100. DOI: https://doi.org/10.1109/BME-HUST.2016.7782100
[5]. I. Halachmi, "Precision livestock farming applications", Wageningen Academic Publishers, vol. 10:9, pp. 1482– 1483, (2016). DOI: https://doi.org/10.1017/S1751731116001142
[6]. K. Fogsgaard, C. Røntved, P. Sørensen, M. Herskin, "Sickness behavior in dairy cows during Escherichia coli mastitis", Int. J. Dairy Sci., vol. 95, pp. 630–638, (2012). DOI: https://doi.org/10.3168/jds.2011-4350
[7]. J. Siivonen, S. Taponen, M. Hovinen, M. Pastell, B. J. Lensink, S. Pyörälä, L. Hänninen, "Impact of acute clinical mastitis on cow behaviour", Appl. Anim. Behav. Sci., vol. 132, pp. 101–106, (2011). DOI: https://doi.org/10.1016/j.applanim.2011.04.005
[8]. T. Halasa, K. Huijps, O. Østerås, H. Hogeveen, "Economic effects of bovine mastitis and mastitis management: a review", Veterinary Quarterly, Vol. 29, No. 1, pp. 18–31, (2011). DOI: https://doi.org/10.1080/01652176.2007.9695224
[9]. P. Sepulveda-Varas, K. L. Proudfoot, D. M. Weary, M. A.G. von Keyserlingk, "Changes in behaviour of dairy cows with clinical mastitis", Appl. Anim. Behav. Sci., Vol. 175, pp. 8– 13, (2016). DOI: https://doi.org/10.1016/j.applanim.2014.09.022
[10]. Watanabe, N., Sakanoue, S., Kawamura, K., Kozakai, T., “Development of an automatic classification system for eating, ruminating and resting behavior of cattle using an accelerometer”, Grassland Sci., Vol. 54, No. 4, 231–237, (2008). DOI: https://doi.org/10.1111/j.1744-697X.2008.00126.x
[11]. Cong Phi Khanh, P., Tran, D. T., Van Duong, T., Hong Thinh, N., and Tran, D. N., "The new design of cows' behavior classifier based on acceleration data and proposed feature set", Mathematical Biosciences and Engineering, Vol. 17, No. 4, pp. 2760-2780, (2020). DOI: https://doi.org/10.3934/mbe.2020151
[12]. Duc-Nghia Tran, Phung Cong Phi Khanh, Vijender Kumar Solanki, and Duc-Tan Tran, "A robust classification system for Southern Yellow cow behavior using 3-DoF accelerometers", Journal of Intelligent & Fuzzy Systems, Vol. 43, No. 2, pp. 2211-2218, (2022), DOI: 10.3233/JIFS-219319 DOI: https://doi.org/10.3233/JIFS-219319
[13]. Vazquez ´ Diosdado, J.A., Barker, Z.E., Hodges, H.R., Amory, J.R., Croft, D.P., Bell, N.J., Codling, E.A., “Classification of behaviour in housed dairy cows using an accelerometer-based activity monitoring system”, Anim. Biotelem. Vol. 3, No. 1, (2015), https://doi. org/10.1186/s40317-015-0045-8. DOI: https://doi.org/10.1186/s40317-015-0045-8
[14]. Nguyen Thi Thu, To-Hieu Dao, Bo Quoc Bao, Duc-Nghia Tran, Pham Van Thanh and Duc-Tan Tran, “Real-Time Wearable-Device Based Activity recognition Using Machine Learning Methods”, International Journal of Computing and Digital Systems, Vol. 5, No.3, pp. 189–201, (2022).
[15]. J. Wang, Z. He, "Development and validation of an ensemble classifier for real-time recognition of cow behavior patterns from accelerometer data and location data", PLoS One, vol. 13, (2018). DOI: https://doi.org/10.1371/journal.pone.0203546
