پایش هوشمند سلامت گاو شیری با پردازش سیگنال مبتنی بر هوش مصنوعی: راهکاری یکپارچه در کشاورزی دقیق و سیستم های اینترنت اشیاء (IoT)

این مطالعه باهدف مقایسه دو روش پردازش سیگنال (بدون تبدیل موجک و با تبدیل موجک گسسته (DWT)) در پایش هوشمند فعالیت های گاو شیری انجام شد. با توجه به اهمیت کشاورزی دقیق و پایش سلامت دام، تمرکز اصلی بر تحلیل عملکرد این روش ها در تشخیص الگوهای حیاتی مانند تغذیه (Feeding) و نشخوار (Rumination) قرار گرفت. داده های مورد استفاده از حسگر پیزوالکتریک با فرکانس نمونه برداری ۲۴ هرتز جمع آوری شد و با استفاده از تکنیک های پیشرفته یادگیری عمیق و پردازش سیگنال تحلیل گردید. نتایج نشان داد که روش بدون DWT با دقت اعتبارسنجی ۸۶/۷۸٪، زمان آموزش کوتاه تر (۶۸/۲۱ دقیقه) و پیچیدگی مدل کمتر (۱۷/۰M پارامتر)، به عنوان گزینه بهینه برای سیستم های عملیاتی با محدودیت منابع محاسباتی شناخته می شود. با این حال، روش با DWT در کلاس Feeding بهبود جزئی در F۱-Score (۷۶۲۷/۰ نسبت به ۷۵۲/۰) نشان داد که حاکی از پتانسیل آن در پایش دقیق تر فعالیت های حیاتی است. در مقابل، عملکرد روش بدون DWT در تشخیص کلاس Rumination با۹۹/۰ F۱-Score ≈برتری واضحی داشت. این پژوهش راهکاری کاربردی برای توسعه سامانه های IoT در کشاورزی هوشمند ارائه می کند و تاکید می نماید که انتخاب روش پردازش سیگنال باید مبتنی بر اولویت های عملیاتی (دقت، سرعت، یا تمرکز بر کلاس های خاص) باشد. همچنین پیشنهاد می شود که اثرات این روش ها در حوزه های گسترده تری مانند پردازش تصاویر سنجش از دور و رباتیک کشاورزی مورد بررسی قرار گیرد.

کلیدواژه ها:

کشاورزی هوشمند ، پایش دام ، تبدیل موجک گسسته ، یادگیری عمیق ، اینترنت اشیاء (IoT)