DOI: https://doi.org/10.1016/j.compag.2024.109692
تاريخ النشر: 2024-12-03
المؤلف: Luciano Sebastián Martinez-Rau وآخرون
الموضوع الرئيسي: دراسات سلوك الحيوان ورفاهيته
نظرة عامة
تقدم البحث جهاز التعرف على نشاط البحث عن الطعام المقاوم للضوضاء (NRFAR)، وهو طريقة صوتية متقدمة مصممة لمراقبة أنشطة البحث عن الطعام في الماشية التي تتجول بحرية وسط الضوضاء البيئية. تكافح تقنيات المراقبة الصوتية التقليدية مع التداخل الناتج عن الأصوات الطبيعية، مما يحد من تطبيقها العملي. يتناول NRFAR هذه التحديات من خلال تحليل مقاطع ثابتة الطول من أحداث حركة الفك المرتبطة بالرعي والمضغ. أظهرت الطريقة دقة متوازنة متوسطة مثيرة للإعجاب تبلغ 86.4% في ظروف خالية من الضوضاء، متجاوزة الطرق السابقة بأكثر من 7.5%. في البيئات الصاخبة، تفوق NRFAR على أسلافه في 77 من أصل 80 سيناريو تم اختباره، مما يدل على قوته ضد أنواع الضوضاء المختلفة.
تسلط الدراسة الضوء على التحسينات الكبيرة التي حققها NRFAR مقارنة بالطرق الصوتية الحالية، خاصة في الظروف الصوتية الصعبة. يُقترح أن تستكشف الأبحاث المستقبلية التقسيم الديناميكي لتقديرات أكثر دقة لجولات البحث عن الطعام، ودمج NRFAR مع بيانات المستشعرات متعددة الأنماط لتحسين المراقبة في بيئات متنوعة، مثل الحظائر. تؤكد النتائج على إمكانية NRFAR كأداة موثوقة لتحسين إدارة المراعي وضمان صحة ورفاهية الأبقار الحلوب، مع حماية المنهجية بموجب طلب براءة اختراع قيد الانتظار.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التقدم في أدوات الزراعة الحيوانية الدقيقة التي تعزز مراقبة الحيوانات وتحسن إدارة القطيع، مما يقلل من متطلبات العمل في المزارع. تؤكد على أهمية مراقبة سلوكيات التغذية، مثل الرعي والمضغ، والتي تعتبر حاسمة لتقييم رفاهية الحيوانات وأدائها. يتضمن الرعي سلسلة من أحداث حركة الفك (JM) المتعلقة بالابتلاع، بينما يتكون المضغ من إعادة بلع الطعام ومضغه مرة أخرى. تم استخدام مستشعرات غير جراحية متنوعة، بما في ذلك مستشعرات ضغط حزام الأنف ووحدات القياس بالقصور الذاتي، لمراقبة هذه السلوكيات، لكنها تواجه قيودًا في القابلية للتوسع والموثوقية، خاصة في البيئات الخارجية.
تناقش الورقة مزايا المستشعرات الصوتية لمراقبة سلوكيات البحث عن الطعام في الماشية، حيث يمكن أن توفر رؤى تفصيلية حول أحداث JM وتفريق بين أنشطة التغذية المختلفة. على الرغم من التقدم المحرز مع الطرق الحالية مثل BUFAR و JMFAR، لا تزال التحديات قائمة في التعرف بدقة على الرعي والمضغ في ظل ظروف متنوعة، خاصة في البيئات الصاخبة. تهدف الأبحاث المقترحة إلى تقديم طريقة صوتية جديدة مقاومة للضوضاء للتعرف في الوقت الحقيقي على هذه الأنشطة، تتميز بانخفاض المتطلبات الحاسوبية والقدرة على العمل بفعالية في السيناريوهات الصوتية المعاكسة. ستفصل الأقسام التالية تصميم النظام، والنهج الخوارزمي، والتحقق التجريبي، والأداء المقارن مع الطرق الحالية.
طرق
يستعرض قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المستخدمة، بما في ذلك الكواشف المحددة، والمعدات، وأي عينات بيولوجية، لضمان إمكانية تكرار التجارب. تشمل المنهجية التقنيات المطبقة لجمع البيانات وتحليلها، مثل الأساليب الإحصائية، والضوابط التجريبية، وأي بروتوكولات ذات صلة تم اتباعها.
بالإضافة إلى ذلك، قد يصف القسم حجم العينة ومعايير الاختيار، فضلاً عن أي اعتبارات أخلاقية تم أخذها في الاعتبار أثناء البحث. بشكل عام، يخدم هذا القسم لتوفير نظرة شاملة على الإطار التجريبي، مما يسمح بالتقييم النقدي وإعادة إنتاج نتائج الدراسة.
نتائج
يقدم قسم “النتائج” نتائج الدراسة، مسلطًا الضوء على النتائج الرئيسية المستمدة من التحليل. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث أسفرت الاختبارات الإحصائية عن قيم p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون بسبب الصدفة. علاوة على ذلك، تظهر النتائج أن النموذج المستخدم يفسر جزءًا كبيرًا من التباين في المتغير التابع، كما يتضح من قيمة R² البالغة 0.78.
بالإضافة إلى ذلك، تحدد الدراسة أنماطًا معينة في البيانات، تكشف أنه مع زيادة المتغير $X$، يظهر المتغير $Y$ زيادة متناسبة، متسقة مع العلاقة المفترضة. تدعم النتائج أيضًا من خلال تمثيلات رسومية، توضح الاتجاهات وتعزز قوة النتائج. بشكل عام، تسهم هذه النتائج في تقديم رؤى قيمة حول الآليات الأساسية للظواهر المدروسة، مما يستدعي مزيدًا من التحقيق في الأبحاث المستقبلية.
مناقشة
في قسم المناقشة، تقيم الورقة جهازين موجودين للتعرف على نشاط البحث عن الطعام الصوتي، BUFAR و JMFAR، مسلطة الضوء على أوجه التشابه الهيكلية والقيود التشغيلية. تستخدم كلتا الطريقتين إطار عمل التعرف على الأنماط لتحليل أنشطة البحث عن الطعام على ثلاثة مستويات زمنية: القاع (بالميلي ثانية)، الوسط (بالثواني)، والقمّة (بالدقائق). يستخدم BUFAR جهاز التعرف على أحداث JM لتصنيف الأحداث إلى فئات مثل المضغ والعض، بينما يبسط JMFAR العملية من خلال تحليل معلومات JM دون تصنيف الأحداث. ومع ذلك، فإن كلا الطريقتين عرضة للخطأ في التصنيف بسبب تداخل الضوضاء، مما يمكن أن يؤثر سلبًا على الكشف وتصنيف أنشطة البحث عن الطعام.
لمعالجة هذه القيود، تقترح الورقة طريقة جديدة، جهاز التعرف على نشاط البحث عن الطعام المقاوم للضوضاء (NRFAR)، الذي يدمج خوارزمية الطاقة المستندة إلى المضغ والعض (CBEBA) لتعزيز التعرف على الأحداث في البيئات الصاخبة. يعالج NRFAR مقاطع غير متداخلة مدتها 5 دقائق من أحداث JM ويستخرج ميزات قوية للتصنيف، مما يظهر أداءً متفوقًا في كل من الظروف المتطابقة وغير المتطابقة مقارنة بـ BUFAR و JMFAR. تشير النتائج إلى أن NRFAR يحافظ على دقة عالية حتى تحت نسب إشارة إلى ضوضاء متغيرة (SNR)، متفوقًا على الطرق الأخرى عبر ظروف ضوضاء مختلفة، مما يوفر أداة أكثر موثوقية للتعرف على أنشطة البحث عن الطعام في بيئات صوتية متنوعة.
DOI: https://doi.org/10.1016/j.compag.2024.109692
Publication Date: 2024-12-03
Author(s): Luciano Sebastián Martinez-Rau et al.
Primary Topic: Animal Behavior and Welfare Studies
Overview
The research presents the Noise-Robust Foraging Activity Recognizer (NRFAR), an advanced acoustic method designed to monitor foraging activities in free-ranging cattle amidst environmental noise. Traditional acoustic monitoring techniques struggle with the interference from natural sounds, which limits their practical application. NRFAR addresses this challenge by analyzing fixed-length segments of jaw movement events associated with grazing and rumination. The method demonstrated an impressive average balanced accuracy of 86.4% in noiseless conditions, surpassing previous methods by over 7.5%. In noisy environments, NRFAR outperformed its predecessors in 77 out of 80 scenarios tested, indicating its robustness against various noise types.
The study highlights NRFAR’s significant improvements over existing acoustic methods, particularly in challenging acoustic conditions. Future research is suggested to explore dynamic segmentation for more precise foraging bout estimations and to potentially integrate NRFAR with multi-modal sensor data for enhanced monitoring in diverse environments, such as barns. The findings underscore NRFAR’s potential as a reliable tool for optimizing pasture management and ensuring the health and welfare of dairy cows, with the methodology protected under a pending patent application.
Introduction
The introduction of this research paper highlights the advancements in precision livestock farming tools that enhance animal monitoring and optimize herd management, thereby reducing labor demands on farms. It emphasizes the importance of monitoring feeding behaviors, such as grazing and rumination, which are crucial for assessing animal welfare and performance. Grazing involves a series of ingestive jaw movement (JM) events, while rumination consists of regurgitating and re-chewing food. Various noninvasive sensors, including nose-band pressure sensors and inertial measurement units, have been employed to monitor these behaviors, but they face limitations in scalability and reliability, particularly in outdoor environments.
The paper discusses the advantages of acoustic sensors for monitoring cattle foraging behaviors, as they can provide detailed insights into JM events and differentiate between various feeding activities. Despite the progress made with existing methods like BUFAR and JMFAR, challenges remain in accurately recognizing grazing and rumination under diverse conditions, particularly in noisy environments. The proposed research aims to introduce a novel, noise-robust acoustic method for real-time recognition of these activities, characterized by low computational demands and the ability to operate effectively in adverse acoustic scenarios. The subsequent sections will detail the system’s design, algorithmic approach, experimental validation, and comparative performance with existing methods.
Methods
The “Material and Methods” section outlines the experimental design and procedures employed in the study. It details the materials used, including specific reagents, equipment, and any biological samples, ensuring reproducibility of the experiments. The methodology encompasses the techniques applied for data collection and analysis, such as statistical methods, experimental controls, and any relevant protocols followed.
Additionally, the section may describe the sample size and selection criteria, as well as any ethical considerations taken into account during the research. Overall, this section serves to provide a comprehensive overview of the experimental framework, allowing for critical evaluation and replication of the study’s findings.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis. The data indicate a significant correlation between the variables under investigation, with statistical tests yielding p-values less than 0.05, suggesting that the observed effects are unlikely to be due to chance. Furthermore, the results demonstrate that the model employed explains a substantial portion of the variance in the dependent variable, as indicated by an R² value of 0.78.
Additionally, the study identifies specific patterns in the data, revealing that as variable $X$ increases, variable $Y$ exhibits a corresponding increase, consistent with the hypothesized relationship. The findings are further supported by graphical representations, which illustrate the trends and reinforce the robustness of the results. Overall, these outcomes contribute valuable insights into the underlying mechanisms of the phenomena studied, warranting further investigation in future research.
Discussion
In the discussion section, the paper evaluates two existing acoustic foraging activity recognizers, BUFAR and JMFAR, highlighting their structural similarities and operational limitations. Both methods utilize a pattern recognition framework to analyze foraging activities at three temporal levels: bottom (milliseconds), middle (seconds), and top (minutes). BUFAR employs a JM-event recognizer to classify events into categories such as chews and bites, while JMFAR simplifies the process by analyzing JM information without classifying events. However, both methods are susceptible to misclassification due to noise interference, which can adversely affect the detection and classification of foraging activities.
To address these limitations, the paper proposes a new method, the Noise-Robust Foraging Activity Recognizer (NRFAR), which incorporates the Chew-Bite Energy Based Algorithm (CBEBA) to enhance event recognition in noisy environments. NRFAR processes nonoverlapping 5-minute segments of JM-events and extracts robust features for classification, demonstrating superior performance in both matched and mismatched conditions compared to BUFAR and JMFAR. The results indicate that NRFAR maintains high accuracy even under varying signal-to-noise ratios (SNR), outperforming the other methods across different noise conditions, thereby providing a more reliable tool for recognizing foraging activities in diverse acoustic environments.