[P6-13] 加速度計によるウシの行動の推定
目的
ウシの咀嚼行動等を把握することは繁殖や健康管理の観点から重要である。加速度計などを利用したウシの行動管理ツールが市販されているが、精度については明らかになっていない。そこで、ウシの後頭部に取り付けた加速度計からウシの行動を判別出来るか検討を行った。
方法
牛舎内で飼育されている黒毛和種去勢牛3頭の後頭部に加速度計を取り付け、5秒間隔で3軸の加速度を3日間測定した。併せて、咀嚼計とビデオ撮影により反芻および採食行動を記録した。加速度のデータは3軸それぞれについて、30秒、60秒ごとに規準化の処理を行い、併せて6種類のデータを作成し、これら加速度のデータと行動データを元に訓練データ7割、テストデータ3割に分割し、pythonを利用した機械学習を行い、その精度について調べた。
結果
テストデータの精度について、MLPClassifierでは81.7％、k近傍法ではN=9のとき82.2％、CART法（Classification and Regression Tree: 決定木）ではd=4のとき82.2％、およびロディスティック回帰インスタンスでは60.7％であった。また、採食行動より反芻行動の方が精度が高い傾向にあった。
ウシの咀嚼行動等を把握することは繁殖や健康管理の観点から重要である。加速度計などを利用したウシの行動管理ツールが市販されているが、精度については明らかになっていない。そこで、ウシの後頭部に取り付けた加速度計からウシの行動を判別出来るか検討を行った。
方法
牛舎内で飼育されている黒毛和種去勢牛3頭の後頭部に加速度計を取り付け、5秒間隔で3軸の加速度を3日間測定した。併せて、咀嚼計とビデオ撮影により反芻および採食行動を記録した。加速度のデータは3軸それぞれについて、30秒、60秒ごとに規準化の処理を行い、併せて6種類のデータを作成し、これら加速度のデータと行動データを元に訓練データ7割、テストデータ3割に分割し、pythonを利用した機械学習を行い、その精度について調べた。
結果
テストデータの精度について、MLPClassifierでは81.7％、k近傍法ではN=9のとき82.2％、CART法（Classification and Regression Tree: 決定木）ではd=4のとき82.2％、およびロディスティック回帰インスタンスでは60.7％であった。また、採食行動より反芻行動の方が精度が高い傾向にあった。