Use of unmanned aerial vehicles (UAVs) and photogrammetric image analysis to quantify spatial proximity in beef cattle
Notice bibliographique
Résumé
Spatial proximity is an important metric in cattle behaviour, which is used to study social structure, dyadic relationships, as well as grazing and maternal behaviours. We developed an efficient, novel, non-invasive method to quantify the spatial proximity of beef cattle by using UAV-based image acquisition and photogrammetric analysis. Orthomosaics constructed by images obtained from UAVs were used to measure, with an accuracy of ±1.96 m (95% likelihood), the inter-individual distances between cows and calves. Aerial videos of the calves and their dams, held in a 5 ha pasture, were made over four days using UAVs. We used two UAVs to video-capture the following: (i) the location of all individuals (UAV flown at 100 m) and (ii) the identity of cow–calf pairs (UAV flown at 15–30 m). Still-images extracted from the UAV-acquired video screenshots were used to produce orthomosaics. The orthomosaics captured all the cows and calves in a single image, from which we measured the distance between related and non-related cow–calf pairs. This UAV-based orthomosaic method clearly showed that members of related pairs were closer than non-related ones, and that the distance was greater in the evening, demonstrating the utility of UAVs to accurately measure cattle spatial proximity.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».