Validation of the Ability of a 3D Pedometer to Accurately Determine the Number of Steps Taken by Dairy Cows When Housed in Tie-Stalls
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle