基于传感器数据的牛只行为分类与发情期检测
机器学习
2025-06-23 v1
摘要
本文提出了一种基于传感器数据和机器学习的牛只行为监控及发情期检测新系统。我们设计并部署了一套低成本基于蓝牙的颈部 collar 装置，配备加速度计和陀螺仪传感器，实时捕获真实牛只的行为数据，并实现云端同步。通过同步的 CCTV 录像 footage，对行为（如进食、反刍、平卧等）进行标注以构建标注数据集。我们评估了多种机器学习模型——支持向量机 (SVM)、随机森林 (RF) 和卷积神经网络 (CNN)——进行行为分类。此外，我们实现了基于行为模式和异常检测的长短期记忆 (LSTM) 模型用于发情检测。该系统在有限测试集上实现了超过 93% 的行为分类准确率和 96% 的发情检测准确率。该方法提供了一个在资源受限环境中实现精准畜牧监控的可扩展且可接入的解决方案。
引用
@article{arxiv.2506.16380,
title = {Classification of Cattle Behavior and Detection of Heat (Estrus) using Sensor Data},
author = {Druva Dhakshinamoorthy and Avikshit Jha and Sabyasachi Majumdar and Devdulal Ghosh and Ranjita Chakraborty and Hena Ray},
journal= {arXiv preprint arXiv:2506.16380},
year = {2025}
}
备注
6 pages, 5 figures. Druva Dhakshinamoorthy and Avikshit Jha contributed equally as co-first authors. Work conducted during a summer internship at CDAC Kolkata by students of BITS Pilani