Real-time classification of cattle behavior using Wireless Sensor Networks

Abstract

La detección de patrones de actividad y comportamiento utilizando acelerómetros en humanos ha sido una línea de investigación prolongada. Los avances en este campo se han transferido con éxito al estudio del comportamiento animal gracias a la aparición de nuevas tecnologías del Internet de las Cosas (IoT), como las Redes de Sensores Inalámbricos (WSN), y a la necesidad de información comportamental más compleja. Todos los sistemas propuestos por la comunidad científica han sido evaluados en términos de rendimiento de clasificación. Sin embargo, no muchos estudios consideran la posible pérdida de precisión cuando estos sistemas se implementan en WSN, dada la baja capacidad computacional de sus nodos y la necesidad de un bajo consumo energético. Este artículo propone un sistema de clasificación de patrones de comportamiento para cuatro tipos de comportamiento animal en ganado de pastoreo libre, junto con una configuración óptima y una configuración restringida del mismo. La evaluación de este sistema tiene en cuenta su rendimiento de clasificación y su precisión esperada bajo los recursos limitados que pueden ofrecer las WSN. Los resultados muestran que la configuración óptima mejora el rendimiento de sus alternativas en un promedio del 9% y la configuración restringida en un promedio del 6%. Además, como parte de una WSN, los resultados demuestran una precisión impecable en las configuraciones óptima y restringida para caminar (100% y 100%), casi perfecta para pastar (98.39% y 98.59%), y aceptable para acostarse (79.03% y 69.01%) y estar de pie (75.81% y 70.42%). En conclusión, el sistema propuesto representa una herramienta poderosa para analizar comportamientos complejos en el ganado mediante el uso de WSN.