Cow behaviour monitoring with motion sensor

Abstract: Det är viktigt att övervaka status för mjölkkor från ett djurskydds- och mjölkbondens ekonomiska perspektiv, speciellt för storskaliga lantbruk och automatiska mjölkgårdar. Kobeteende är en indikator på kons välfärd och djurhälsa. I den här rapporten har data samlats in från kor i en mjölkgårdsmiljö och aktivitetsigenkänning har tillämpats för att automatiskt mäta daglig idisslingstid och upptäcka brunst i uppbundna kor. Målet är en produkt som ska uppfylla kraven på noggrannhet, batteritid, robusthet och detaljnivå. Därför har flera systemaspekter beaktats beträffande val av hårdvara, mjukvara och kommunikation.I metoden ingår en två veckors period i en mjölkgård med sensordatainsamling och observation följt av en fem veckors period i ytterligare en mjölkgård med sensordatainsamling och observation med övervakningskamera. Flera algoritmer och signalegenskaper testades för idisslingsövervakning och utvärderas mot varandra med avseende på sensitivitet, specificitet och beräkningsbelastning.Slutsatsen är att de signaler som krävs för att upptäcka idissling är tillgängliga med hjälp av en accelerometer på halsbandet och det är möjligt att nå 96 % sensitivitet och 94 % specificitet med hjälp av dessa sensordata, men de bästa algoritmerna misstänks dra för mycket energi för att klara kravet om 10 års batteritid i en produkt. Det visade sig att en accelerometer på kragen inte gör det möjligt att upptäcka läggningar och ställningar som ett mått på brunst i uppbundna kor. Den externa validiteten behöver testas för detektering av idissling. Nya metoder behöver utforskas för att detektera brunst hos uppbundna kor. Algoritmer borde testas på en den tilltänkta mikrokontrollern så att noggrannare analyser kan göras för batteritid och beräkningskapacitet.