Cattle behavior classification using Hidden Markov Models

doi:10.1016/j.compag.2026.112113

Cattle behavior classification using Hidden Markov Models

2026-06-01

0

PRE

AI

DOI：10.1016/j.compag.2026.112113

原文链接

原文求助

摘要

En 中文

日益增长的肉类生产需求需要更可持续且数据驱动的畜牧管理实践。精准畜牧业（PLF）利用传感器技术和计算方法监测个体动物，以提高生产力和福利。本研究使用隐马尔可夫模型（HMM）对22头安格斯牛在蒙大拿州西部的九周冬季期间收集的GPS和三轴加速度计数据进行了自由放牧牛的行为分类。在模型验证后，HMM预测的行为状态被用于检查整个数据集的大规模行为模式。分析揭示了明显的昼夜活动周期、温度依赖性的行为变化，以及满月期间夜间放牧活动显著增加。广义线性混合模型（GLMM）进一步表明温度和时间之间存在显著相互作用，表明随着温度升高，牛的放牧活动逐渐转向较凉爽的时段。这些发现为环境条件如何影响自由放牧牛的行为提供了见解，并展示了基于传感器的监测在精准放牧管理中的价值。为进行此分析，我们设计了四个特征：步长、转向角以及信号矢量幅值（SVM）的均值和方差，并使用这些特征在三个状态的HMM中分类放牧、休息和移动行为。模型开发采用留一交叉验证来评估个体间的泛化能力，平均分类准确率达到92.72%。我们的发现表明，HMM可作为在广阔牧场环境中分类牛行为的稳健、透明且计算高效的工具。该方法有望应用于实时PLF，如早期异常检测、资源分配和自适应放牧管理。

Keyword:

Precision livestock farming

Hidden Markov Models

Cattle behavior classification

Time series data analysis

Accelerometer and GPS data

Diurnal activity patterns

Cattle behavior classification using Hidden Markov Models

摘要

期刊

机构

引用论文