Validation of the Ability of a 3D Pedometer to Accurately Determine the Number of Steps Taken by Dairy Cows When Housed in Tie-Stalls
Notice bibliographique
Résumé
The automation of farm tasks in dairy production has been on the rise, with an increasing focus on technologies that measure aspects of animal welfare; however, such technologies are not often validated for use in tie-stall farms. The objectives of the current study were to (1) determine the ability of the IceTag 3D pedometer to accurately measure step data for cows in tie-stalls, and (2) determine whether the leg on which the pedometer is mounted impacts step data. Twenty randomly selected Holstein dairy cows were equipped with pedometers on each rear leg and recorded for 6 h over three 2-h periods. Two observers were trained to measure step activity and the total number of steps per minute were measured. Hourly averages for right and left leg data were analyzed separately using a multivariate mixed model to determine the correlation between pedometer and video step data as well as the correlation between left and right leg step data. The analysis of the video versus pedometer data yielded a high overall correlation for both the left (r = 0.93) and right (r = 0.95) legs. Additionally, there was good correlation between the left and right leg step data (r = 0.80). These results indicate that the IceTag 3D pedometers were accurate for calculating step activity in tie-stall housed dairy cows and can be mounted on either leg of a cow. This study confirms that these pedometers could be a useful automated tool in both a research and commercial setting to better address welfare issues in dairy cows housed in tie-stalls.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».