[논문 리뷰] Livestock feeding behaviour: A review on automated systems for ruminant monitoring

José O. Chelotti, Luciano Sebastián Martinez-Rau외 6명|arXiv (Cornell University)|2023. 12. 03.

Animal Behavior and Welfare Studies인용 수 4

한 줄 요약

이 논문은 반추동물의 사료 섭취 행동을 모니터링하기 위한 자동화된 시스템에 대한 종합적인 튜토리얼 스타일의 리뷰를 제시한다. 운동, 음향, 영상/비디오, 압력 센서와 같은 감지 기술과 신호 처리 및 계산 지능 기법을 통합한다. 다양한 환경에서의 성능을 평가하고 표준화의 핵심 과제를 밝히며, 농업 및 가축 사육 분야에서의 농업 정밀도 향상과 동물 복지를 향상시키기 위한 향후 연구 방향을 제시한다.

ABSTRACT

Livestock feeding behaviour is an influential research area for those involved in animal husbandry and agriculture. In recent years, there has been a growing interest in automated systems for monitoring the behaviour of ruminants. Despite the developments accomplished in the last decade, there is still much to do and learn about the methods for measuring and analysing livestock feeding behaviour. Automated monitoring systems mainly use motion, acoustic, and image sensors to collect animal behavioural data. The performance evaluation of existing methods is a complex task and direct comparisons between studies are difficult. Several factors prevent a direct comparison, starting from the diversity of data and performance metrics used in the experiments. To the best of our knowledge, this work represents the first tutorial-style review on the analysis of the feeding behaviour of ruminants, emphasising the relationship between sensing methodologies, signal processing, and computational intelligence methods. It assesses the main sensing methodologies (i.e. based on movement, sound, images/videos, and pressure) and the main techniques to measure and analyse the signals associated with feeding behaviour, evaluating their use in different settings and situations. It also highlights the potentiality of automated monitoring systems to provide valuable information that improves our understanding of livestock feeding behaviour. The relevance of these systems is increasingly important due to their impact on production systems and research. Finally, the paper closes by discussing future challenges and opportunities in livestock feeding behaviour monitoring.

연구 동기 및 목표

• 반추동물의 사료 섭취 행동을 모니터링하기 위한 자동화된 시스템에 관한 현재 지식을 통합하는 것.
• 운동, 음향, 영상, 압력 기반 시스템과 같은 다양한 감지 모달리티의 효과성과 한계를 평가하는 것.
• 사료 섭취 행동 분석에 사용된 신호 처리 및 계산 지능 기법을 분석하는 것.
• 연구 간 성능 평가 및 표준화의 격차를 식별하는 것.
• 농업 생산성 향상과 동물 복지 향상을 위한 자동화된 가축 모니터링 분야의 향후 연구 기회를 제시하는 것.

제안 방법

• 반추동물의 사료 섭취 행동 모니터링을 위한 자동화된 시스템에 관한 100개 이상의 연구를 대상으로 한 체계적 리뷰.
• 감지 기술을 운동, 음향, 영상/비디오, 압력 기반 시스템으로 분류하는 것.
• 특징 추출, 필터링, 분류 알고리즘을 포함한 신호 처리 파이프라인 분석.
• 행동 분류에 사용된 기계 학습 및 딥 러닝과 같은 계산 지능 방법의 통합.
• 연구 간 비교 가능성을 평가하기 위해 성능 지표와 데이터 다양성 평가.
• 정밀 가축 사육 분야의 연구자와 전문가를 위한 튜토리얼 프레임워크로 통합된 결과 도출.

실험 결과

연구 질문

• RQ1 자동화된 반추동물의 사료 섭취 행동 모니터링에 널리 사용되는 주요 감지 기술은 무엇인가요?
• RQ2 다양한 신호 처리 및 기계 학습 기법은 사료 섭취 행동 분류에서 어떻게 비교될 수 있나요?
• RQ3 불일치한 지표와 데이터 수집 프로토콜로 인해 기존 연구 간 성능 비교에 어떤 주요 과제가 존재하나요?
• RQ4 이러한 시스템은 어떤 农업 및 관리 환경에서 가장 효과적인가요?
• RQ5 표준화 및 자동화된 반추동물 모니터링 시스템의 향상에 위해 향후 어떤 발전이 필요할까요?

주요 결과

• 가속도계와 같은 운동 센서는 제어 환경에서 높은 정확도로 사료 섭취 관련 운동을 탐지하는 데 널리 사용된다.
• 음향 센서는 씹는 행동과 반추 운동의 소리를 탐지하는 데 잠재력이 있으나, 환경 소음은 여전히 과제이다.
• 영상 및 비디오 기반 시스템은 풍부한 시각적 데이터를 제공하지만 상당한 계산 자원이 필요하고 조도 및 가림 현상에 민감하다.
• 압력 기반 센서(예: 사료통에 장착된 센서)는 사료 섭취량을 직접 측정할 수 있지만, 덜 일반적이며 특정 축사 시스템에 국한되는 경우가 많다.
• 성능 평가가 연구 간에 일관되지 않아 지표와 데이터 수집 프로토콜의 차이로 직접 비교가 어려운 상황이다.
• 다중 모달리티 센서와 고급 신호 처리 및 기계 학습 기법의 통합은 정확하고 확장 가능한 사료 섭취 행동 모니터링을 위한 가장 강력한 전망이다.