You are here:
  1. University of Veterinary Medicine Vienna
  2. PHAIDRA
  3. Detail o:4078
Open in new window
Title (eng)
Evaluation of an accelerometer system for monitoring lying behavior in dairy calves housed indoor
Author
Teresa Hoser
Assessor
Johannes Baumgartner
Degree supervisor
Michael Iwersen
Description (eng)
Diploma thesis - University of Veterinary Medicine Vienna - 2021
Abstract (eng)
Lying behavior in calves is considered as an indicator of their health status (Belaid et al. 2020; Borderas et al. 2009; Trénel et al. 2009). Hence, monitoring of posture and activity measures of the animals should be of great interest for farmers as well as for veterinarians. Considering that direct and video observations are time consuming and are, especially for larger herds, nearly impossible to manage, various systems have been developed for animal monitoring. These systems have the potential for ensuring a continuous evaluation of well-being and health status of the animals. The HOBO Pendant G logger (Onset Computer Corporation, Bourne, MA) was previously evaluated by Bonk et al. (2013) for detecting standing and lying behavior in dairy calves, with a sensitivity, and specificity >97% compared to direct animal observation. Roland et al. (2018b) developed and tested an algorithm for the tri-axial accelerometer system SMARTBOW (Smartbow GmbH, Weibern, Austria) to detect selected behaviors, such as lying and standing, with a sensitivity of 94.4%, a specificity of 94.3%. The comparability of our results with the results of Roland et al. (218b) is limited by the fact, that in their study, a specific algorithm for calves was developed, which is not commercially available yet. In our study, the acceleration sensor system SMARTBOW developed for cows was evaluated for recording the lying and standing behavior of calves. For comparison, the previously described HOBO Logger was used as the gold standard. Further objectives of the study were the validation of Ledgerwood's et al. (2010) proposed correction algorithm to eliminate rapid position changes in the HOBO logger data and the evaluation of the HOBO-based g-forces and angles of tilt to detect standing and lying behavior in calves. The evaluation was carried out based on video recordings. The study was performed on a commercial Slovakian dairy farm in December 2019. 50 weaned Holstein-Friesian calves of approximately 4 months of age were enrolled in the study. The calves were kept in a barn consisting of 6 pens (pen size 13.5m x 7.7m). For statistical analyses, Spearman correlation coefficients, Cohen’s kappa coefficients and concordance correlation coefficients were calculated for comparison of SB and HOBO. Furthermore, the test characteristics sensitivity, specificity, positive predictive value, accuracy, and error rate were calculated for SB based on HOBO as reference. The comparison of the lying times detected by HOBO and SB revealed significant differences between both methods. Sensitivity for SB, to detect lying behavior, was calculated as 68.8%. Cohen’s kappa of 0.62 (0.63 for the dataset excluding all “undefined” events) for detecting standing and lying behavior by SB showed a lower association with video observations, compared to Cohen’s kappa of 0.88 reported by Roland et al. (2018b). Graphical comparison of SB and HOBO using the procedure as recommended by Bland and Altman (1986) revealed an average underestimation of 10 minutes for the hour-based lying times. Hence, on a 24h basis, lying times per calf might be underestimated by 240 minutes and day. This difference is relevant from a practical and veterinary perspective for assessing animal behavior and is not negligible. The agreement between the two HOBO logger outputs, g-force and angles of tilt, showed an “almost perfect agreement” (Landis and Koch 1977), confirming that the logger output is “a user’s choice” as stated by Ledgerwood et al. (2010). Furthermore, video analyses of 120 random samples of "rapid changes" (i.e., standing and lying periods of less than 3 minutes during a prolonged standing or lying period) showed high efficiency of the algorithm proposed by Ledgerwood et al. (2010) for eliminating erroneous data sequences in the HOBO and SB data sets. The application of the algorithm leads to improved data quality and can therefore be recommended. Considering the results of our study, the SB system using the algorithm developed for cows is not able to provide reliable information about lying behavior in calves in real time. To use the SB system in calves, it would be crucial to develop an algorithm specifically for calves and re-evaluating the steps of quality control (including elimination of rapid changes) as well as re-evaluating the system to define an animal as “undefined” additionally to “lying” and “standing”.
Description (deu)
Diplomarbeit - Veterinärmedizinische Universität Wien - 2021
Abstract (deu)
Die Beurteilung des Liegeverhaltens von Kälbern gilt als guter Indikator zur Beurteilung ihres Gesundheitszustands (Belaid et al. 2020; Borderas et al. 2009; Trénel et al. 2009). Das Monitoring der Körperposition sowie der Tieraktivität ist daher sowohl für LandwirtInnen als auch für TierärztInnen von großem Interesse. Da die direkte Tierbeobachtung und auch die Auswertung von Videos zeitaufwändig und, vor allem in größeren Herden, kaum zu bewerkstelligen sind, wurden verschiedene automatisierte Systeme zur individuellen Überwachung von Tieren entwickelt. Diese Systeme haben das Potenzial, eine kontinuierliche Erfassung von Parametern zu ermöglichen, die zur Beurteilung des tierindividuellen Wohlbefindens und des Gesundheitszustands herangezogen werden können. Der HOBO Pendant G-Logger (Onset Computer Corporation, Bourne, MA, USA) wurde kürzlich von Bonk et al. (2013) zur Erkennung des Steh- und Liegeverhaltens bei Kälbern mit einer Sensitivität und Spezifität > 97% im Vergleich zur direkten Tierbeobachtung evaluiert. Roland et al. (2018b) entwickelten und testeten einen Algorithmus für das tri-axiale Beschleunigungssensorsystem SMARTBOW (Smartbow GmbH, Weibern, Austria) zur Erkennung spezifischer Verhaltensweisen. Für das Merkmal „Körperhaltung“ (das u.a. Stehen und Liegen beinhaltet) ermittelten die AutorInnen eine Sensitivität von 94,4% und Spezifität von 94,3%. Aufgrund der verschiedenen Merkmalsdefinitionen sowie die Verwendung eines eigens für Kälber entwickelten Algorithmus durch Roland et al (2018b), der kommerziell nicht zur Verfügung steht, ist der direkte Vergleich mit unseren Studienergebnissen nur eingeschränkt möglich. In unserer Studie wurde das für Kühe entwickelte Sensorsystem SMARTBOW zur Erkennung des Liege- und Stehverhaltens von Kälbern evaluiert. Zu Vergleichszwecken wurde der zuvor beschriebene HOBO Logger als „Goldstandard“ verwendet. Weitere Ziele der Studie waren die Validierung des von Ledgerwood et al. (2010) vorgeschlagenen Korrekturalgorithmus zur Eliminierung schneller Positionsänderungen in den Daten der HOBO-Logger und die Beurteilung der HOBO-basierten g-Kräfte und Neigungswinkel zur Erkennung von Steh- und Liegeverhalten bei Kälbern. Hierzu wurden Videoaufzeichnungen analysiert und zur Beurteilung verwendet. Die Studie wurde im Dezember 2019 auf einem kommerziellen slowakischen Milchviehbetrieb durchgeführt. In die Studie wurden 50 abgesetzte Holstein-Friesian-Kälber im Alter von ca. 4 Monaten aufgenommen. Die Kälber wurden in einem Stall mit 6 Gruppenbuchten (jeweilige Buchtgröße 13,5 m x 7,7 m) gehalten. In der statistischen Auswertung wurden Spearman-Korrelationskoeffizienten, Cohen's Kappa-Koeffizienten (κ) und Konkordanz-Korrelationskoeffizienten für die jeweiligen Vergleiche zwischen SB und HOBO berechnet. Weiterhin wurden die Testcharakteristika Sensitivität, Spezifität, positiver prädiktiver Wert, Genauigkeit und die Fehlerquote für SB auf der Grundlage von HOBO als „Goldstandard“ berechnet. Der Vergleich der von HOBO und SB ermittelten Liegezeiten ergab signifikante Unterschiede zwischen beiden Methoden. Für das SB System wurde eine Sensitivität zur Erkennung von Liegen von 68,8 % ermittelt. Cohen‘s Kappa betrug 0,62 (0,63 bei Ausschluss aller als "undefiniert" klassifizierten Ereignisse) und wies eine geringere Übereinstimmung im Vergleich zu Roland et al. (2018b) auf, die in ihrer Video-basierten Evaluierungsstudie ein κ von 0,88 ermittelten. Der grafische Vergleich von SB und HOBO nach dem von Bland und Altman (1986) empfohlenen Verfahren, ergab eine durchschnittliche Unterschätzung der auf Stunden-basis ermittelten Liegezeiten um 10 Minuten. Bezogen auf einen Tag, werden die Liegezeiten pro Kalb daher um ca. 240 Minuten unterschätzt. Aus praktischer und veterinärmedizinischer Sicht ist dieser Unterschied relevant und zur Beurteilung des Tierverhaltens nicht zu vernachlässigen. Die Übereinstimmung zwischen den beiden Messwertvarianten des HOBO-Loggers, d.h. zwischen Beschleunigungswert und Neigungswinkel, zeigte eine "fast perfekte Übereinstimmung" (Landis und Koch 1977). Die von Ledgerwood et al. (2010) getätigte Aussage, dass die Verwendung der beiden Parameter zur Beurteilung des Liegeverhaltens "im Ermessen des Benutzers" liegt, konnte in der vorliegenden Studie bestätigt werden. Darüber hinaus zeigten die Videoanalysen von 120 zufällig ausgewählten Videosequenzen mit "schnellem Wechsel" der Körperposition (d. h. Steh- und Liegeperioden von weniger als 3 Minuten während einer längeren Steh- oder Liegeperiode) eine hohe Effizienz des von Ledgerwood et al. (2010) vorgeschlagenen Korrektur-Algorithmus zur Eliminierung fehlerhafter Datensequenzen in den HOBO- und SB-Datensätzen. Die Anwendung des zuvor genannten Algorithmus führte zu einer verbesserten Datenqualität und wird daher empfohlen. Unter Berücksichtigung der zuvor genannten Studienergebnisse, ist das SB-System, unter Verwendung des für Kühe entwickelten Algorithmus, nicht in der Lage zuverlässige Informationen über das Liegeverhalten von Kälbern in Echtzeit zu liefern. Sofern der Einsatz des SB-Systems in der Praxis bzw. für Forschungsfragestellungen bei Kälbern geplant ist, sollten vorab speziell auf Kälber abgestimmte Algorithmen entwickelt und unter praktischen Bedingungen getestet werden.
Type (eng)
Diplomarbeit
Language
[eng]
Persistent identifier
https://phaidra.vetmeduni.ac.at/o:4078
AC number
AC16501661
Number of pages
41
Date issued
2021
License
All rights reserved