DOI: https://doi.org/10.3168/jds.2023-24427
PMID: https://pubmed.ncbi.nlm.nih.gov/38642651
تاريخ النشر: 2024-04-19
المؤلف: A.H. Kroese وآخرون
الموضوع الرئيسي: دراسات سلوك الحيوان ورفاهيته
نظرة عامة
تدرس الدراسة الكشف عن انتقالات الوضع من الاستلقاء إلى الوقوف في الأبقار الحلوب باستخدام نظام رؤية حاسوبية متعدد الزوايا، والذي سجل بيانات من 183 بقرة على مدى عدة أشهر. الإطار الذي تم تطويره لهذا الغرض حقق حساسية بنسبة 88.2% ودقة بنسبة 99.5% في الكشف عن انتقالات الوضع، مع مخرجات تتكون من إحداثيات ثلاثية الأبعاد للمعالم التشريحية. كانت الاتفاقية بين المراقبين البشريين ونظام الكشف الآلي عالية، مع معامل ارتباط داخلي قدره 0.85 بين المراقبين البشريين و0.81 عند تضمين الكشف الآلي. تراوحت الفروق المطلقة المتوسطة في الطوابع الزمنية بين المراقبين والنظام الآلي من 1.0 إلى 1.3 ثانية، مما يشير إلى أن الكشف الآلي لا يقدم تحيزًا كبيرًا مقارنة بالملاحظات البشرية.
في الختام، تؤكد النتائج أن النموذج المقترح يكشف بفعالية عن بداية حركات الارتفاع في الأبقار، مما يظهر دقة مقارنة بالمراقبين البشريين. تشير هذه المصادقة على تقدير الوضع ثلاثي الأبعاد لسلوك الأبقار إلى أن الأتمتة من خلال الرؤية الحاسوبية يمكن أن تعزز قابلية قياس الحركيات وتسهيل التقييمات الموضوعية في دراسات رفاهية الحيوانات.
مقدمة
تسلط المقدمة الضوء على التباين الفطري في حجم الأبقار وأنماط حركتها داخل حظائر الألبان المتطابقة، مما يمكن أن يؤثر على راحة الأبقار ورفاهيتها. تشمل العوامل الرئيسية التي تؤثر على الراحة سهولة انتقالات الوضع، كما لاحظت ليدفورس (1989)، التي رصدت أن الأبقار في الحظائر أظهرت حركات غير طبيعية أكثر مقارنة بتلك الموجودة في المراعي. أظهرت سيبالوس وآخرون (2004) أن الأبقار تحتاج إلى مساحة طولية أقل عند الارتفاع في الحظائر، مما يشير إلى وجود صلة بين الحركة المقيدة وانخفاض الرفاهية، والتي تم تضمينها الآن في أطر تقييم الرفاهية مثل جودة الرفاهية (بلوكهاوس وآخرون، 2013).
تتمتع الطرق الحالية لتقييم سهولة انتقال الوضع، مثل الملاحظات البصرية وقياسات الحركيات، بحدود. التقييمات البصرية، على الرغم من كونها شائعة، فهي ذات طابع شخصي وتستغرق وقتًا طويلاً، وغالبًا ما تتضمن الدراسات الحركية إعدادات معقدة يمكن أن تعيق أحجام العينات. لمعالجة هذه التحديات، يقترح المؤلفون إطارًا جديدًا يستخدم بيانات تقدير الوضع ثلاثي الأبعاد للكشف الموضوعي عن انتقالات الاستلقاء إلى الوقوف (LTS). تهدف هذه الدراسة إلى التحقق من فعالية مستخرج الميزات في تحديد انتقالات LTS، مقارنة أدائه بالملاحظات البشرية.
طرق البحث
حصلت الدراسة البحثية على موافقة أخلاقية من لجنة أخلاقيات البحث على الحيوانات في أوبسالا (رقم الموافقة 5.8.18-13069/2021). تماشيًا مع مبادئ 3 Rs (الاستبدال، والتقليل، والتحسين) في أبحاث الحيوانات، استخدمت الدراسة مواد فيديو موجودة تم جمعها بشكل غير تدخلي. يبرز هذا النهج الالتزام بالمعايير الأخلاقية مع تقليل التأثير على موضوعات الحيوانات.
النتائج
في هذه الدراسة، تم الكشف بنجاح عن إجمالي 836 حالة ارتفاع من 979 تسلسلًا تم اختياره بصريًا، مما أسفر عن حساسية بنسبة 88.5% ومعدل إيجابي زائف بنسبة 11.5%. كانت دقة الكشف مرتفعة بشكل ملحوظ عند 99.5%، مع تصنيف أربعة تسلسلات بشكل خاطئ كحركات ارتفاع، مما أدى إلى معدل إيجابي زائف قدره 0.5%. كان معامل الارتباط بين الفئات (ICC) للنموذج 1، الذي شمل فقط المراقبين البشريين، 0.85، مما يشير إلى تأثير ملحوظ للمراقب في التنبؤ بالطوابع الزمنية المعلنة لبداية LTS (P < 0.001). أظهر النموذج 2، الذي شمل نموذج التنبؤ، ICC أقل قليلاً قدره 0.81، ومع ذلك حافظ على مستوى مرضٍ من الاتفاق. كشفت اختبارات t الزوجية بعد ذلك عن اختلافات كبيرة بين أزواج المراقبين، بينما لم يتم العثور على اختلاف كبير بين الطوابع الزمنية المتوقعة وتدوينات المراقبين الفرديين. تم تقييم موثوقية المراقب الداخلي من خلال الفروق المطلقة المتوسطة (MAD) بالثواني، حيث أظهر المراقب 1 MAD قدره 0.55 ± 0.88 ثانية، والمراقب 2 عند 0.68 ± 1.47 ثانية، والمراقب 3 عند 0.36 ± 0.48 ثانية. كان الخطأ القياسي المجمّع 0.27 ثانية، وأشارت النتائج إلى موثوقية جيدة جدًا للمراقب الداخلي، مع اختلافات متوسطة أقل من ثانية واحدة. قارن مخطط بلاند-ألتمن بصريًا التدوينات بالكشف الآلي، مما كشف أن معظم النقاط كانت متمركزة حول 0، مما يشير إلى عدم وجود تحيز ثابت من النموذج. كانت انتشار الفروق مشابهة عند مقارنة المراقبين بالخوارزمية، مما يدعم موثوقية النموذج لتطبيقات البحث المستقبلية.
المناقشة
في هذه الدراسة، بحث المؤلفون استخدام برنامج تقدير الوضع ثلاثي الأبعاد للكشف عن انتقالات الاستلقاء إلى الوقوف (LTS) في الأبقار الحلوب في مركز أبحاث الثروة الحيوانية السويدي. تم إجراء التسجيلات على مدى عدة أشهر، مما سمح بالتقاط حركات 183 بقرة فردية في بيئة حظيرة مسيطر عليها. استخدمت الدراسة نظام كاميرات متعددة لتتبع معالم تشريحية محددة، مما سمح بتحليل انتقالات الوضع من خلال حساب إحداثيات النقاط الرئيسية في ثلاثة أبعاد. تم تحديد ومعالجة إجمالي 979 تسلسلًا من انتقالات LTS، مع التركيز على الفروق في الارتفاع بين الكاهل والعجز لتحديد بداية حركات الارتفاع.
أشارت النتائج إلى توافق قوي بين نموذج الكشف الآلي والمراقبين البشريين، كما يتضح من معاملات الارتباط الداخلي (ICCs) والتحليلات الإحصائية التي تظهر عدم وجود تحيز كبير تم تقديمه من قبل النموذج مقارنة بالتدوينات البشرية. بينما تم ملاحظة بعض القيود، مثل التمثيل المفرط المحتمل لأفراد معينين وتأثير العوامل الخارجية على سلوك الأبقار، تشير النتائج إلى أن الرؤية الحاسوبية ثلاثية الأبعاد يمكن أن تحدد بفعالية وموضوعية ميزات حركية معينة في سلوك الأبقار. يحمل هذا التقدم في طرق الكشف الآلي وعدًا لتعزيز مراقبة رفاهية الحيوانات وسلوكها في البيئات الزراعية، مما يمهد الطريق لدراسات مستقبلية قد تشمل التعرف على الأفراد وتطبيقات أوسع لهذه التكنولوجيا.
DOI: https://doi.org/10.3168/jds.2023-24427
PMID: https://pubmed.ncbi.nlm.nih.gov/38642651
Publication Date: 2024-04-19
Author(s): A.H. Kroese et al.
Primary Topic: Animal Behavior and Welfare Studies
Overview
The study investigates the detection of lying-to-standing posture transitions in dairy cattle using a multiview computer vision system, which recorded data from 183 cows over several months. The framework developed for this purpose achieved a sensitivity of 88.2% and a precision of 99.5% in detecting posture transitions, with the output consisting of 3D coordinates of anatomical landmarks. The agreement between human observers and the automated detection system was high, with an intraclass correlation of 0.85 among human observers and 0.81 when including automated detection. The mean absolute differences in timestamps between observers and the automated system ranged from 1.0 to 1.3 seconds, indicating that the automated detection does not introduce significant bias compared to human observations.
In conclusion, the findings affirm that the proposed model effectively detects the onset of rising motions in cows, demonstrating comparable accuracy to human observers. This validation of multiview 3D pose estimation for bovine behavior monitoring suggests that automation through computer vision can enhance the scalability of kinematic measurements and facilitate objective assessments in animal welfare studies.
Introduction
The introduction highlights the inherent variability in cow size and movement patterns within identical dairy barn cubicles, which can impact cow comfort and welfare. Key factors influencing comfort include the ease of posture transitions, as noted by Lidfors (1989), who observed that cows in cubicles exhibited more abnormal movements compared to those on pasture. Ceballos et al. (2004) further demonstrated that cows require less longitudinal space when rising in cubicles, suggesting a link between restricted movement and reduced welfare, which is now included in welfare assessment frameworks like Welfare Quality (Blokhuis et al., 2013).
Current methods for assessing posture transition ease, such as visual observations and kinematic measurements, have limitations. Visual assessments, while common, are subjective and time-consuming, and kinematic studies often involve complex setups that can hinder sample sizes. To address these challenges, the authors propose a novel framework utilizing 3D pose estimation data to objectively detect lying-to-standing (LTS) transitions. This study aims to validate the effectiveness of a feature extractor in identifying LTS transitions, comparing its performance against human observations.
Methods
The research study received ethical approval from the Uppsala Animal Research Ethics Committee (approval number 5.8.18-13069/2021). In alignment with the principles of the 3 Rs (Replacement, Reduction, and Refinement) in animal research, the study utilized existing video material that had been collected non-invasively. This approach underscores the commitment to ethical standards while minimizing the impact on animal subjects.
Results
In this study, a total of 836 rising bouts were successfully detected from 979 visually selected sequences, yielding a sensitivity of 88.5% and a false negative rate of 11.5%. The precision of the detection was notably high at 99.5%, with only four sequences incorrectly classified as rising motions, resulting in a false positive rate of 0.5%. The interclass correlation coefficient (ICC) for Model 1, which involved only human observers, was 0.85, indicating a significant observer effect in predicting the annotated timestamps of LTS onset (P < 0.001). Model 2, which included the prediction model, showed a slightly lower ICC of 0.81, yet maintained a satisfactory level of agreement. Post hoc pairwise t-tests revealed significant differences between observer pairs, while no significant difference was found between the predicted timestamps and individual observer annotations. Intra-observer reliability was assessed through mean absolute differences (MAD) in seconds, with Observer 1 showing an MAD of 0.55 ± 0.88 s, Observer 2 at 0.68 ± 1.47 s, and Observer 3 at 0.36 ± 0.48 s. The pooled standard error was 0.27 s, and the results indicated very good intra-observer reliability, with average differences under 1 second. The Bland-Altman plot visually compared the annotations to automated detections, revealing that most points were centered around 0, suggesting no consistent bias from the model. The spread of differences was similar when comparing observers to the algorithm, further supporting the model's reliability for future research applications.
Discussion
In this study, the authors investigated the use of 3D pose estimation software to detect lying-to-standing (LTS) transitions in dairy cattle at the Swedish Livestock Research Centre. Recordings were made over a period of several months, capturing the movements of 183 individual cows in a controlled barn environment. The study employed a multi-camera system to track specific anatomical landmarks, allowing for the analysis of posture transitions through the calculation of key point coordinates in three dimensions. A total of 979 sequences of LTS transitions were identified and processed, with a focus on the height differences between the withers and sacrum to determine the onset of rising motions.
The results indicated a strong agreement between the automated detection model and human observers, as evidenced by intraclass correlation coefficients (ICCs) and statistical analyses showing no significant bias introduced by the model compared to human annotations. While some limitations were noted, such as potential over-representation of specific individuals and the influence of external factors on cow behavior, the findings suggest that 3D computer vision can effectively and objectively identify specific kinematic features in bovine behavior. This advancement in automated detection methods holds promise for enhancing the monitoring of animal welfare and behavior in agricultural settings, paving the way for future studies that may incorporate individual recognition and broader applications of this technology.