• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Ricerca

    Tutto UVaDOCArchiviData di pubblicazioneAutoriSoggettiTitoli

    My Account

    Login

    Estadísticas

    Ver Estadísticas de uso

    Compartir

    Mostra Item 
    •   UVaDOC Home
    • PRODUZIONE SCIENTIFICA
    • Institutos de Investigación
    • Instituto de las Tecnologías Avanzadas en la Producción (ITAP)
    • ITAP - Artículos de revista
    • Mostra Item
    •   UVaDOC Home
    • PRODUZIONE SCIENTIFICA
    • Institutos de Investigación
    • Instituto de las Tecnologías Avanzadas en la Producción (ITAP)
    • ITAP - Artículos de revista
    • Mostra Item
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/68147

    Título
    Machine learning-based prediction of cattle activity using sensor-based data
    Autor
    Hernández, Guillermo
    González Sánchez, Carlos
    González Arrieta, Angélica
    Sánchez Brizuela, GuillermoAutoridad UVA
    Fraile Marinero, Juan CarlosAutoridad UVA Orcid
    Año del Documento
    2024
    Editorial
    MDPI
    Descripción
    Producción Científica
    Documento Fuente
    Sensors, 2024, Vol. 24, Nº. 10, 3157
    Abstract
    Livestock monitoring is a task traditionally carried out through direct observation by experienced caretakers. By analyzing its behavior, it is possible to predict to a certain degree events that require human action, such as calving. However, this continuous monitoring is in many cases not feasible. In this work, we propose, develop and evaluate the accuracy of intelligent algorithms that operate on data obtained by low-cost sensors to determine the state of the animal in the terms used by the caregivers (grazing, ruminating, walking, etc.). The best results have been obtained using aggregations and averages of the time series with support vector classifiers and tree-based ensembles, reaching accuracies of 57% for the general behavior problem (4 classes) and 85% for the standing behavior problem (2 classes). This is a preliminary step to the realization of event-specific predictions.
    Materias (normalizadas)
    Cattle
    Ganado vacuno
    Animal behavior
    Animales - Hábitos y conducta
    Extensive livestock
    Animales - Cría y explotación
    Machine learning
    Aprendizaje automático
    Monitoring
    Sistema de Monitoreo
    Wearable device
    Detectors
    Detectores
    Technological innovations
    Materias Unesco
    5102.11 Ganadería
    3104 Producción Animal
    1203.25 Diseño de Sistemas Sensores
    5306.02 Innovación Tecnológica
    ISSN
    1424-8220
    Revisión por pares
    SI
    DOI
    10.3390/s24103157
    Patrocinador
    Ministerio de Ciencia, Innovación y Universidades, Centro para el Desarrollo Tecnológico y la Innovación (CDTI) y Fondo Europeo de Desarrollo Regional (FEDER)- (grant CIVEX IDI-20180355 and CIVEX IDI-20180354)
    Version del Editor
    https://www.mdpi.com/1424-8220/24/10/3157
    Propietario de los Derechos
    © 2024 The authors
    Idioma
    eng
    URI
    https://uvadoc.uva.es/handle/10324/68147
    Tipo de versión
    info:eu-repo/semantics/publishedVersion
    Derechos
    openAccess
    Aparece en las colecciones
    • ITAP - Artículos de revista [53]
    Mostra tutti i dati dell'item
    Files in questo item
    Nombre:
    Machine-Learning-Based-Prediction.pdf
    Tamaño:
    472.7Kb
    Formato:
    Adobe PDF
    Thumbnail
    Mostra/Apri
    Atribución 4.0 InternacionalLa licencia del ítem se describe como Atribución 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10