IoT-based measurement system for classifying cow behavior from tri-axial accelerometer

AUTOR(ES)
FONTE

Cienc. Rural

DATA DE PUBLICAÇÃO

13/06/2019

RESUMO

RESUMO: Um sistema de monitoramento de comportamento de vacas baseado na Internet das Coisas (IoT) foi projetado e implementado através do uso de acelerômetro tri-axial, Microcontrolador MSP430, módulo de rádio, frequência sem fio (RF), e um portátil. O sistema implementado mediu o comportamento do movimento da vaca e transmitiu dados de aceleração ao portátil através do módulo RF sem fio. Os resultados foram exibidos no portátil em um gráfico 2D, através do qual os padrões de comportamento das vacas foram previstos. Os dados medidos do sistema foram analisados usando o Multi-retropropagação-Adaptativa algoritmo de Boosting para determinar o estado comportamental específico das vacas. O sistema desenvolvido pode ser usado para aumentar a classificação de desempenho de vaca comportamento através da detecção de aceleração de dados. A precisão excedeu 90% de todas as categorias de classificação de comportamento e a especificidade do andar normal atingiu 96.98%. A sensibilidade foi boa para todos os padrões de comportamento, exceto em pé e deitada, com um máximo de 87.23% para ficar de pé. No geral, o sistema baseado em IoT fornece medição precisa e remota do comportamento da vaca, e o algoritmo de conjunto de classificação pode efetivamente reconhecer vários padrões de comportamento em vacas leiteiras. Pesquisas futuras irão melhorar os parâmetros do algoritmo de classificação e aumentar a quantidade de vacas matriculadas. Uma vez que a funcionalidade e confiabilidade do sistema foram confirmadas em larga escala, a comercialização pode se tornar possível.ABSTRACT: A cow behavior monitoring system based on the Internet of Things (IoT) has been designed and implemented using tri-axial accelerometer, MSP430 microcontroller, wireless radio frequency (RF) module, and a laptop. The implemented system measured cow movement behavior and transmitted acceleration data to the laptop through the wireless RF module. Results were displayed on the laptop in a 2D graph, through which behavior patterns of cows were predicted. The measured data from the system were analyzed using the Multi-Back Propagation-Adaptive Boosting algorithm to determine the specific behavioral state of cows. The developed system can be used to increase classification performance of cow behavior by detecting acceleration data. Accuracy exceeded 90% for all the classified behavior categories, and the specificity of normal walking reached 96.98%. The sensitivity was good for all behavior patterns except standing up and lying down, with a maximum of 87.23% for standing. Overall, the IoT-based measurement system provides accurate and remote measurement of cow behavior, and the ensemble classification algorithm can effectively recognize various behavior patterns in dairy cows. Future research will improve the classification algorithm parameters and increase the number of enrolled cows. Once the functionality and reliability of the system have been confirmed on a large scale, commercialization may become possible.

Documentos Relacionados