Chương 1 TỔNG QUAN VỀ CÁC HỆ THỐNG GIÁM SÁT VÀ NHẬN DẠNG HÀNH VI TRÊN BÒ 1. Giới thiệu Ngày nay, nhu cầu về thực phẩm ngày càng cao, không những đòi hỏi về số lượng mà còn về chất lượng. Trước đó, việc chăn nuôi gia súc theo hộ gia đình là rất phổ biến với các hộ gia đình và các nông trại trên toàn thế giới, với quy mô chăn nuôi nhỏ thì việc giám sát tình trạng sức khoẻ, sinh sản vật nuôi sẽ rất đơn giản và theo kinh nghiệm của người chăn nuôi. Tuy nhiên, với những trang trại hay doanh nghiệp cần chăn nuôi với số lượng lớn gia súc phục vụ cho mục đích lấy thịt và sữa hay lấy con giống….thì việc giám sát trở nên rất khó khăn nếu áp dụng giám sát theo hình thức thủ công.
Hình thức giám sát phổ biến nhất hay được dùng là sử dụng mã vạch được gắn trên vật nuôi và ghi chép lại thông tin của từng con theo ngày, tuần, tháng… Cách thức này gây nhiều bất tiện cho người chăn sóc. Một trong những hệ được phát triển theo hình thức hiện đại hơn đó là hệ giám sát tự động tình trạng sức khoẻ và các thông số đặc thù theo mong muốn từ người chăn nuôi. Các hình thức giám sát hiện đại giúp người chăn nuôi gia súc tiết kiệm được đáng kể thời gian giám sát và nâng cao tính hiệu quả trong việc chăn sóc và phúc lợi cho vật nuôi. Sức khoẻ và phúc lợi chung của gia súc thường có thể được kiểm chứng và xác định theo mô hình hành vi của bò.
Hành vi vật lý của bò được báo cáo như là một cách phát hiện sớm các bệnh như bệnh tim và chỉ thị về đau đớn, stress nhiệt và tương tác xã hội trong một đàn. Hành vi thay đổi khi động vật bị ốm có thể bao gồm giảm hoạt động thường ngày, hoạt động sinh sản, ăn uống, chăm sóc và các hành vi xã hội khác [12]. 15 Việc giám sát bò được tập chung theo ba hướng phổ biến nhất đó là giám sát phân loại hành vi của bò; phát hiện trấn thương; xác định thời điểm sinh sản của bò. Giới thiệu hệ thống giám sát bò Việc phát triển các hệ thống giám sát về sức khoẻ và phúc lợi của bò để được tập trung theo ba hướng chính là nhận dạng và phân loại hành vi, phát hiện chấn thương, và xác định thời điểm sinh sản của bò.
Có rất nhiều hệ giám sát bò được đề suất và đã có hệ được thương mại hoá phục vụ cho các mục đích trên. Các hệ giám sát được phát triển theo nhiều hướng khác nhau như: giám sát theo thiết bị độc lập được áp dụng cho từng cá thể, dữ liệu được gửi về một thiết bị cầm tay khi có yêu cầu hoặc được lưu vào bộ nhớ của thiết bị, dữ liệu được tổng hợp theo ngày hoặc theo tuần… Hình thức khác là giám sát thời gian thực theo mạng, mỗi thiết bị giám sát trạng thái của bò sẽ đóng vai trò như là một nút mạng, dữ liệu sẽ được truyền từ nút mạng về trung tâm tức thời, việc giám sát này mang lại nhiều ưu việt và hiệu quả hơn trong việc giám sát so với các hệ trước đó. Với những phương thức giám sát trên, có nhiều báo cáo được công bố cũng như sản phẩm được thương mại hoá. Trong bài báo [1] nhóm tác giả đã xây dựng hệ giám sát và phân loại hành vi trên động vật nhằm nâng cao khả năng chăm sóc trong hệ thống sản xuất thực phẩm hiện đại.
Báo cáo cũng chỉ ra, hành vi của động vật cung cấp thông tin thực tế về sức khoẻ và phúc lợi của động vật. Trong báo cáo [3], nhóm tác giả đã xây dựng hệ giám sát bò sử dụng công nghệ RFID giúp định danh bò và giám sát ở các nông trại chăn nuôi gia súc nhỏ, công nghệ này thay thế cho kỹ thuật giám sát thủ công trước đó là sử dụng công nghệ mã vạch. Bên cạnh đó, có rất nhiều các thiết bị giám sát đã được thương mại hoá ở các tính năng sử dụng cơ bản như thiết bị giám sát của công ty Afimilk. Công ty cung cấp ra thị trường 2 thiết bị giám sát là Afimilk Silent Herdman và AfiAct II, sản phẩm cung cấp khả năng tốt hơn về các thời điểm thay đổi nhiệt độ của bò giúp tăng tỉ lệ thụ tinh, và có khả năng giám sát sức khoẻ như phân tích về thời gian ăn, nghỉ và sự kích thích động dục giúp giám sát sức khoẻ bò hiệu quả.
Công ty Cattle Watch cung cấp hệ thống giám sát gồm các tính năng: giám sát vật nuôi từ xa, xác định vị trí và khu vực di chuyển của vật nuôi, cảnh báo sớm về những rủi ro. Có rất nhiều kỹ thuật trong việc xây dựng hệ giám sát vật nuôi như kỹ thuật dựa trên mạng cảm biến không dây (WSN), các loại cảm biến xác định nhiệt, cảm biến chuyển động, xác định toạ độ và kỹ thuật xử lý ảnh… Đã có rất nhiều báo cáo đề cập đến các kỹ thuật mạng cảm biến không dây trong giám sát như trong các báo cáo [1, 4, 5, 11, 15, 16], các nhóm tác giả đã xây dựng hệ giám sát dự trên kỹ thuật mạng cảm biến không dây, một trong những mạng tiêu biểu là mạng Zigbee. Mạng cảm biến bao gồm 16 các nút mạng có vai trò là thiết bị được gắn trên vật nuôi, được kết nối với nút mạng điều phối, tất cả dữ liệu từ nút mạng sẽ được gửi về nút điều phối và được quản lý tại đây. Một trong những đặc điểm của mạng cảm biến không dây là: tần số hoạt động 2,4Ghz, tốc độ bit 256kbps, tiêu thụ công suất thấp [6, 20], và mạng cảm biến không dây mang lại một mức độ mới về khả năng ứng dụng trong lĩnh vực giám sát vật nuôi với khả năng tăng độ phân giải không gian và thời gian của dữ liệu đo [5].
Công nghệ WSN này góp phần nâng cao chất lượng cuộc sống, năng suất, an toàn và chất lượng cho cuộc sống thông qua các ứng dụng của nó trong các ngành công nghiệp khác nhau như phân phối, hậu cần, xây dựng, giao thông, quân sự và dịch vụ y tế [11]. Việc nhận dạng và phân loại hành vi của động vật dựa trên chuyển động được áp dụng khá phổ biến, như trong báo cáo [7, 10] các tác giả thực hiện phân loại hành vi của động thông qua việc phân tích các chuyển động trên cổ bò hay theo dõi bản đồ di chuyển của nó. Một trong những cảm biến chuyển động được dùng phổ biến nhất trong các nghiên cứu và ứng dụng là cảm biến gia tốc. Trong các báo cáo [4, 6, 8, 9, 13, 14, 16] các nhóm tác giả đã sử dụng cảm biến gia tốc hai, ba trục để nhận dạng các chuyển động của đối tượng vật nuôi được quan sát.
Trong báo cáo [4, 6, 14], tác giả đã sử dụng cảm biến gia tốc ba trục được gắn trên cổ hoặc chân bò để nhận diện hành vi của bò. Báo cáo [2] sử dụng cảm biến gia tốc được đeo trên cổ bò, đã chỉ ra khả năng nhận dạng 8 hành vi như đứng, nằm, ăn, đi, đứng lên, nằm xuống, chấn thương chân lúc đi và trạng thái kích thích. Tuy nhiên, về mức độ chính xác và độ tin cậy còn thấp. Báo cáo [6] sử dụng cảm biến gia tốc ba trục được đeo ở chân bò, báo cáo chỉ đưa ra khả năng nhận dạng được hai hành vi là đi và đứng của bò.
Trong báo cáo [14], tác giả xây dựng thuật toán nhận dạng hai hành vi của bò theo thời gian thực là hành vi đứng và ăn dựa trên ngưỡng của cảm biến gia tốc được gắn trên cổ bò. Bên cạnh đó, các báo cáo [8, 9], nhóm tác giả cũng xây dựng hệ giám sát và phân loại hành vi của lợn dựa trên cảm biến gia tốc. Như vậy, cảm biến gia tốc được sử dụng rất phổ biến trong việc xây dựng hệ giám sát và phân loại hành vi trên động vật. Giới thiệu về thuật toán học máy Học máy là một lĩnh vực của khoa học máy tính, theo Arthur Samuel vào năm 1959, "máy tính có khả năng học hỏi mà không cần được lập trình một cách rõ ràng." [17] Phát triển từ nghiên cứu về nhận dạng mẫu và lý thuyết học tính toán trong trí tuệ nhân tạo.
Học máy xây dựng các thuật toán có thể học hỏi và thực hiện các dự đoán về dữ liệu [18,19], các thuật toán như vậy vượt qua các hướng dẫn chương trình nghiêm ngặt bằng cách dự đoán dữ liệu hoặc quyết định thông qua xây dựng một mô hình từ mẫu đầu vào [20]. Học máy được sử dụng trong một loạt các tác vụ điện toán khi thiết kế và lập trình các thuật toán rõ ràng với hiệu năng tốt là khó hoặc không khả thi; Các ví dụ ứng dụng bao gồm lọc email, phát hiện các kẻ xâm nhập mạng hoặc những người 17 trong nội bộ đang làm việc để phá vỡ dữ liệu, [21] nhận dạng ký tự quang học (OCR), [22] học để xếp hạng và tầm nhìn máy tính. Học máy liên quan chặt chẽ và thường chồng lấp đến thống kê tính toán, tập trung vào việc dự đoán bằng cách sử dụng máy tính. Nó có quan hệ chặt chẽ với việc tối ưu hóa toán học, cung cấp các phương pháp, lý thuyết và các lĩnh vực ứng dụng cho lĩnh vực này.
Việc học máy đôi khi được kết hợp với việc khai thác dữ liệu [23], trong đó lĩnh vực nhỏ thứ hai tập trung nhiều hơn vào phân tích dữ liệu thăm dò và được biết đến là học không giám sát. [24] Học máy cũng có thể là giám sát [25] và được sử dụng để tìm hiểu và thiết lập hồ sơ hành vi cơ bản cho các thực thể khác nhau [26] và sau đó được sử dụng để tìm các dị thường có ý nghĩa. Trong lĩnh vực phân tích dữ liệu, học máy là một phương pháp được sử dụng để đưa ra các mô hình phức tạp và các thuật toán cho phép dự đoán; Trong sử dụng thương mại, điều này được gọi là phân tích tiên đoán. Các mô hình phân tích này cho phép các nhà nghiên cứu, các nhà khoa học dữ liệu, các kỹ sư và các nhà phân tích "đưa ra các quyết định, kết quả đáng tin cậy, lặp lại" và khám phá những "cái nhìn sâu sắc ẩn giấu" thông qua việc học hỏi từ các mối quan hệ và xu hướng lịch sử trong dữ liệu [27].
Các loại học máy Học máy thường được phân thành ba loại, tùy thuộc vào tính chất của "tín hiệu" hoặc "phản hồi" của hệ thống học.