MétaCan
Menu
Retour à la cohorte
Enregistrement W2566842982 · doi:10.3168/jds.2016-11527

Technical note: Evaluation of an ear-attached real-time location monitoring system

2016· article· en· W2566842982 sur OpenAlexaff
B. Wolfger, Barbara W. Jones, Karin Orsel, J.M. Bewley

Notice bibliographique

RevueJournal of Dairy Science · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Supply Chain Traceability
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésBarnComputer scienceStatisticsMathematicsSimulationEngineering

Résumé

récupéré en direct d'OpenAlex

Position tracking of cows within the barn environment allows for determining behavioral patterns and activities. Such data might be used for detection of estrus and disease. A newly marketed real-time location monitoring system (Smartbow, Smartbow GmbH, Weibern, Austria) was tested in this study. Cow location was continuously monitored with the Smartbow tags mounted on the cow's ear, which sends low-frequency signals to receivers further transmitting the information to a server. Through incoming data, the server triangulates the location of the cow within the barn environment in real time. The validation of the system was carried out in 4 steps. The first 2 steps served as static testing steps (tags and 1 cow positioned at 30 reference points), and steps 3 and 4 were dynamic steps with cows moving in the barn environment. For 48 h, locations of 15 cows were confirmed each hour by laser measurements performed by a team (step 3) or 1 observer (step 4). Interobserver variability was 0.83 m (range: 0.05 to 2.87 m), and intraobserver variability had a range of 0.02 to 0.31 m. In the 4 validation steps, the mean distance between observer laser measurements and Smartbow was between 1.22 and 1.80 m. Step 4, with 334 observations, resulted in a mean distance difference of 1.22 m (standard error = 1.32 m). Data can be used for development of algorithms to detect sick cows with changed behavioral patterns. Data may also be used to monitor cow responses to physical environment, potentially improving facility design. Time budgets in proximity to important barn features (i.e., feed bunk and water trough) and distances traveled can be calculated and used to identify cows in need of caretaker's attention and identify the cow's exact location in the barn.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,307
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetFood Supply Chain TraceabilityTravaux en français237 207