Fyll i luckorna: optimering av interpoleringsmetoder för saknade positionsdata hos mjölkkor

Bakgrund

Realtidspositioneringssystem håller på att bli en hörnsten inom precisionsdjurhållning, med tillämpningar som sträcker sig från beteendeövervakning till tidig sjukdomsdetektering. Flera kommersiella system finns för närvarande tillgängliga, bland annat DeLaval’s BA300, Lely’s positioning solutions, och Växa’s system.

 Trots sin potential har dessa tekniker en avgörande begränsning: de registrerar inte 100 % av djurens positioner. Vår forskargrupp har faktiskt visat att i genomsnitt cirka sju timmars data per djur och dag saknas, ofta i korta intervall på cirka fem sekunder.

Dessa luckor stör den exakta mätningen av rörelsemönster och beteendeindikatorer, som är väsentliga för hälsoövervakning och beslut om gårdsdrift. Interpolationsmetoder, som uppskattar saknade positioner från omgivande datapunkter, spelar därför en viktig roll för att säkerställa tillförlitliga resultat. Tidigare arbete från vår grupp har testat enskilda interpolationsalgoritmer (se Ren et al. 2022), men potentialen i att kombinera metoder för att maximera noggrannheten har ännu inte utforskats fullt ut.

Syfte

Syftet med detta projekt är att identifiera och utvärdera den mest effektiva kombinationen av interpoleringsmetoder för att rekonstruera saknade positionsdata för mjölkkor. Genom att testa och optimera olika algoritmer kommer studien att förbättra noggrannheten hos beteendemätvärden som härrör från positionssystem och stödja utvecklingen av tillförlitliga övervakningsverktyg inom precisionsdjurhållning.

Projektbeskrivning

Projektet kommer att fokusera på följande:

• Rengöring och bearbetning av positionsdata från mjölkkor utrustade med sensorer.
• Testning av olika interpoleringsalgoritmer för att rekonstruera saknade data.
• Utveckling och utvärdering av kombinationer av metoder för att förbättra noggrannheten.
• Bedömning av effekten av förbättrad interpolering på beteende- och rörelsemätvärden.

Du får med dig

• Praktisk erfarenhet av R-programmering för datarensning, interpolering och validering.
• Färdigheter i att utvärdera algoritmers prestanda och statistiska noggrannhet.
• Förståelse för hur positioneringstekniker stödjer djurens välbefinnande och hälsoövervakning.
• Insikter i utformningen av nästa generations verktyg för precisionsbaserad djuruppfödning.

Specifikationer

• Tidigare erfarenhet av R eller något annat programmeringsspråk är en fördel, men inget krav. Eftersom analysen kommer att utföras med hjälp av ett specialutvecklat R-paket kommer fullständig handledning att tillhandahållas.
• Lämpligt för studenter inom djurvetenskap, veterinärmedicin, datavetenskap eller relaterade områden med intresse för smarta jordbrukstekniker och djurs beteende.