A noise-robust acoustic method for recognition of foraging activities of grazing cattle

要約

タイトル：草食家畜の採食活動を認識するためのノイズ耐性音響法

要約：

– 精密家畜農業技術は、商業農場での動物の個別モニタリングによって、家畜生産を最適化する。
– 日常の反芻と採食時間の予測には、連続した音響モニタリングが広く受け入れられているが、通常の環境音や自然音は現在の音響法のパフォーマンスと汎用性に明らかに影響を与える。
– 本研究では、草食動物の採食活動を決定する音響法であるNoise-Robust Foraging Activity Recognizer（NRFAR）を提示する。
– NRFARは、採食や反芻に関連する特定の顎運動イベントの一定の区間を分析することによって、採食活動を特定する。
– NRFARは、定常的なガウス白色雑音と4つの異なる非定常自然音源を使用して、SN比を評価している。
– 騒音のない状態では、NRFARは2つの以前の音響法よりも7％以上高い平均平衡精度を達成し、80のノイジーなシナリオのうち66で以前の音響法よりも優れたパフォーマンスを発揮する（p<0.01）。 - NRFARは以前の音響法と同様の計算コストでオンラインで動作し、高性能なフリーレンジ環境での実装に適している。 - NRFARの装置と計算アルゴリズムはAR P20220100910の特許出願によって保護されており、Webデモは次の場所にあります：https://sinc.unl.edu.ar/web-demo/nrfar。

要約(オリジナル)

To stay competitive in the growing dairy market, farmers must continuously improve their livestock production systems. Precision livestock farming technologies provide individualised monitoring of animals on commercial farms, optimising livestock production. Continuous acoustic monitoring is a widely accepted sensing technique used to estimate the daily rumination and grazing time budget of free-ranging cattle. However, typical environmental and natural noises on pasture noticeably affect the performance and generalisation of current acoustic methods. In this study, we present an acoustic method called Noise-Robust Foraging Activity Recognizer (NRFAR). The proposed method determines foraging activity bouts by analysing fixed-length segments of identified jaw movement events associated with grazing and rumination. The additive noise robustness of NRFAR was evaluated for several signal-to-noise ratios, using stationary Gaussian white noise and four different non-stationary natural noise sources. In noiseless conditions, NRFAR reaches an average balanced accuracy of 89%, outperforming two previous acoustic methods by more than 7%. Additionally, NRFAR presents better performance than previous acoustic methods in 66 out of 80 evaluated noisy scenarios (p<0.01). NRFAR operates online with a similar computational cost to previous acoustic methods. The combination of these properties and the high performance in harsh free-ranging environments render NRFAR an excellent choice for real-time implementation in a low-power embedded device. The instrumentation and computational algorithms presented within this publication are protected by a pending patent application: AR P20220100910. Web demo available at: https://sinc.unl.edu.ar/web-demo/nrfar

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI