基于传感器数据的机器学习方法预测与检测奶牛数字化皮炎早期发病
机器学习
2023-09-20 v1 信号处理
摘要
本研究旨在采用基于传感器行为数据的机器学习算法用于（1）数字化皮炎（DD）的早期发病检测；以及（2）奶牛 DD 预测。最终目标是建立 DD 预测的早期预警工具，从而在商业环境中更好地监测与管理 DD，降低 DD 流行率与严重程度，同时改善动物福利。本探索性研究提出并测试了一种基于行为传感器数据、可预测和检测自由散栏饲养奶牛数字化皮炎的机器学习模型。该模型在临床症状出现的第 0 天进行 DD 检测的准确率达 79%，而在首发临床症状出现前 2 天预测 DD 的准确率达 64%。所提出的机器学习模型有助于基于常规奶牛场行为传感器数据，开发用于泌乳奶牛 DD 监测与诊断的实时自动化工具。结果表明，个体层面的行为模式改变可作为群体管理早期预警系统的输入，以检测个体奶牛的健康差异。
引用
@article{arxiv.2309.10010,
title = {Machine Learning Approaches to Predict and Detect Early-Onset of Digital Dermatitis in Dairy Cows using Sensor Data},
author = {Jennifer Magana and Dinu Gavojdian and Yakir Menachem and Teddy Lazebnik and Anna Zamansky and Amber Adams-Progar},
journal= {arXiv preprint arXiv:2309.10010},
year = {2023}
}