Development of a cloud-based IoT system for livestock health monitoring using AWS and python
Notice bibliographique
Résumé
The agriculture industry is currently facing significant challenges in effectively monitoring the health of livestock. Traditional methods of health monitoring are often labor-intensive, inefficient, and insufficiently responsive to the needs of modern farming. As the number of IoT devices in agriculture proliferates, issues of scalability and computational load have become prominent, necessitating efficient and scalable solutions. This research introduces a cloud-based architecture aimed at enhancing livestock health monitoring. This system is designed to track critical health indicators such as movement patterns, body temperature, and heart rate, utilizing AWS for robust data handling and Python for data processing and real-time analytics. The proposed system incorporates Narrow Band IoT (Nb IoT) technology, which is optimized for low-bandwidth, long-range communication, making it suitable for rural and remote farming locations. The architecture's scalability allows for the effective management of varying numbers of IoT devices, which is essential for adapting to changing herd sizes and farm scales. Preliminary experiments conducted to assess the system's performance have demonstrated its durability and effectiveness, indicating a successful integration of AWS IoT Cloud services with the deployed IoT devices. Furthermore, the study explores the implementation of predictive analytics to facilitate proactive health management in livestock. By predicting potential health issues before they become apparent, the system can offer significant improvements in animal welfare and farm efficiency. The integration of cloud computing and IoT not only meets the growing technological needs of modern agriculture but also sets a new benchmark in the development of sustainable farming practices. The findings from this research could have broad implications for the future of livestock management, potentially leading to widespread adoption of technology-driven health monitoring systems in agriculture. This would help in optimizing the health management of livestock globally, thereby enhancing productivity and sustainability in the agricultural sector.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».