基于 IMU 传感器的卷积神经网络用于马匹早期检测跛痛和不规则步态
信号处理
2025-03-19 v1 人工智能
机器学习
摘要
跛痛和步态不规则是马匹健康管理中的重要问题, 影响表现、福利和经济价值。传统的观察方法依赖于主观的专家评估, 可能导致对微妙或早期跛痛的检测不一致。虽然 AI 方法已涌现, 但许多需要多个传感器、力板或视频系统, 使其成本高昂且不实用于现场部署。本文提出了一个利用单个惯性测量单元 (IMU) 和一维卷积神经网络 (1D CNN) 的步态级分类系统, 客观区分健全马匹和跛马匹, 主要关注 trot 步态。该系统在真实世界条件下进行测试, 实现了 90% 的会话级准确率且无误报, 表明其对实际应用具有稳健性。通过采用单个非侵入性且 readily available 的传感器, 我们的方案显著降低了硬件需求的复杂性和成本, 同时保持高的分类性能。这些结果突显了基于 CNN 的方法作为一种经过现场验证、可扩展的自动跛症检测系统的潜力。通过实现早期诊断, 该系统为防止轻微步态不规则发展为严重条件提供了有价值的工具, 从而有助于改善兽医和马术领域的马匹福利和表现。
引用
@article{arxiv.2503.13578,
title = {Convolutional neural network for early detection of lameness and irregularity in horses using an IMU sensor},
author = {Benoît Savoini and Jonathan Bertolaccini and Stéphane Montavon and Michel Deriaz},
journal= {arXiv preprint arXiv:2503.13578},
year = {2025}
}
备注
Accepted at AMLDS 2025