Giám sát hành vi bò sử dụng học sâu: Phương pháp dựa trên mạng LSTM và dữ liệu gia tốc

Tóm tắt

 Việc phân tích dữ liệu hành vi là yếu tố quan trọng giúp phát hiện sớm các vấn đề về tình trạng sức khỏe của bò, từ đó tối ưu hóa quy trình chăn nuôi và nâng cao năng suất tại các trang trại lớn. Gia tốc kế (cảm biến gia tốc) được gắn trên cổ hoặc chân bò giúp thu thập dữ liệu chuyển động, tạo cơ sở cho việc phân tích hành vi của động vật. Trong các nghiên cứu trước đây, hệ thống phân loại hành vi của bò đã được đề xuất dựa trên dữ liệu gia tốc kết hợp với các thuật toán học máy. Tuy nhiên, với sự phát triển của học sâu, việc áp dụng mạng bộ nhớ dài-ngắn hạn (LSTM) có thể cải thiện đáng kể hiệu suất phân loại. Trong nghiên cứu này, chúng tôi sử dụng mạng LSTM để phân loại bốn hành vi chính của bò: ăn, nằm, đứng và đi. Mô hình LSTM có khả năng xử lý dữ liệu chuỗi thời gian hiệu quả nhờ cơ chế ghi nhớ thông tin quan trọng và loại bỏ dữ liệu không cần thiết. Kết quả thử nghiệm cho thấy mô hình đạt hiệu suất phân loại cao, với độ chính xác trung bình xấp xỉ  90% cho tất cả các hành vi, cao hơn so với các thuật toán học máy trước đó. Nghiên cứu này có thể được triển khai trong các trang trại thông minh, kết hợp với công nghệ IoT để tự động hóa việc giám sát và quản lý đàn gia súc một cách hiệu quả.