大規模な乗馬研究における携帯電話の可能性を実証

TöltSense システム アプリケーションを使用したデータのラベル付け。 左のパネルは、下肢のセンサーの位置を示しています。 右側のパネルは、指定された参照フレーム (ワールド フレーム) まで回転した後の携帯電話センサーからのデータと、馬が歩行からトルトに切り替わるときのゲート ラベルを示しています。 X 曲線と Y 曲線は水平面の加速度とジャイロスコープ信号の変化に対応し、Z 曲線は垂直軸の変化に対応します。 特定の軸の信号の符号は、その軸の信号の方向に対応します。 強調表示されたセグメントは、機械学習モデルに使用される入力の例を示しています。 画像: ダヴィズソンら。 https://doi.org/10.3390/ani13010183

乗馬活動は、目標に関するデータを収集するために携帯電話を使用して大規模に研究できる、と研究者は報告しています。

研究者は、携帯電話センサーを使用して 5 歩の馬のゲインを正確に分類することを調査した研究結果について報告していました。

Haraldur Daviðsson と彼の同僚が日誌に書いています 動物、モバイル デバイスは生活の一部として受け入れられていると述べています。 急速な技術進歩に伴い、そのアプリケーションは常に進化しています。

洗練された内蔵モーション センサーが組み込まれた多くの電話

自動化された歩行分類は、伝統的に馬に搭載されたセンサーを使用して研究されてきましたが、最新の携帯電話は現在、そのような使用の可能性を秘めています. 実際、ゲート分類はすでに商用のスマートフォン アプリに実装されています。

研究者は、スマートフォンベースのセンサーはよりアクセスしやすい一方で、そのようなセンサーからのデータを使用した歩行分類モデルのパフォーマンスは広く知られていないか、アクセス可能ではないと述べています.

Davíðsson、Torben Rees、Marta Rut Ólafsdóttir、Hafsteinn Einarsson は、ライダーのポケットに入れた携帯電話のセンサーからのディープ ラーニング モデルとデータを使用して、馬の歩行分類の実行に着手しました。

機械学習により、ライダーがポケットに入れている携帯電話からのデータをゲートごとに分類できるようになりました。
チームは目標研究のためにアイスランドの馬に焦点を当てました。 dally58による写真

彼らは、ライダーのポケットに入れた携帯電話の加速度計とジャイロスコープからのデータに基づいてトレーニングされたモデルを使用して、アイスランドの馬の 5 つの歩容すべての歩容分類の精度を判断したいと考えていました。

研究チームは、アイスランドの馬に注目しました。この馬は、通常の 3 つの歩容 (ウォーク、速歩、駈歩) に加えて、トルトとフライング ペースの 2 つの追加歩容を実行できます。

調査のための情報は、イングランド南部の馬牧場と、アイスランドのさまざまな馬牧場およびトレーニング センターで収集されました。

17 頭のアイスランドの馬と 14 人のライダーが測定に使用され、電話はライダーが選んだライダーの衣服のポケットに入れられました。 電話の位置はライダーによって異なり、電話はズボンまたはジャケットのポケットに入れられました。

馬は、屋外、トラック、砂地のアリーナ、またはトレイルのさまざまな表面に乗っていました。

情報は、ライダーの携帯電話 (Samsung または iPhone) と、馬の手足に取り付けられた 4 つのウェアラブル センサーに基づく商業収益分類システムから同時に収集されました。 研究者が使用する TöltSense システムは、アイスランドの馬の成長の質を分類および分析し、ライダーにリアルタイムでフィードバックを提供するように設計されたトレーニング ツールです。

著者らは、商用ゲイン分類システムを使用することで、外部からの支援や環境制限なしで、携帯電話のデータとともにゲイン ラベルを収集するための費用対効果の高い方法であることが証明されたと述べています。

このようにして、5.8 時間の時間調整された歩行ラベル付きデータが収集されました。これは、各歩行の数千の短いセグメントに相当します。

次に、スマートフォンの加速度計とジャイロスコープからの歩行を分類するように機械学習モデルをトレーニングし、アイスランドの馬の 5 つの歩行を分類する際に 94.4% の精度を達成しました。

著者らは、このモデルで最も一般的な混同は、トルトとトロットの間であると述べています。

「トレーニングセットのパフォーマンスはテストセットよりも優れていたため、さまざまな馬やライダーからのより多くのトレーニングデータが速歩のパフォーマンスを向上させるとは考えられません。」

別の研究では、研究者は TöltSense システムと、ビデオ セグメントでアイスランドの馬の歩行を分類した 4 人の資格のあるスポーツ ジャッジとの間で歩行に関する非常に高いレベルの一致を示しました。

移行の前後に除外期間を使用すると、99% 以上の同意が得られる可能性がありますが、除外がなくても同意は約 94% であると彼らは言いました。

全体として、研究チームは、携帯電話を使用してターゲットに関するデータを収集することで、乗馬活動を大規模に研究できることを示唆している、と研究チームは結論付けました。

「私たちの研究では、携帯電話のセンサーがゲインの分類に効果的である可能性があることが示されましたが、今後の研究で対処する必要のある制限がいくつかあります。

たとえば、さらなる研究では、さまざまな乗り方や装備が歩行分類の精度に及ぼす影響を調査したり、スマートフォンの配置などの要因の影響を最小限に抑える方法を調査したりできます。

「これらの質問に取り組むことで、馬の糞と乗馬活動における馬の役割についての理解を深めることができます。」

この研究は、携帯電話が大規模な目標研究のコストを削減するのに役立つ可能性があることを示している.

「ラベル付きデータを取得するこの効率的な方法は、乗馬活動に関する継続的な研究にとって非常に貴重です。」

Davíðsson は、アイスランド大学のコンピューター サイエンス学部と TöltSense Ltd の両方に所属しています。 Rees は、アイスランドのレイキャビクにある Horseday ehf に所属しています。 Ólafsdóttir は TöltSense Ltd に所属しています。 Einarsson は、アイスランド大学のコンピューター サイエンス学部に所属しています。

デビッドソン、HB; リース、T。 オラフスドッティル、MR; Einarsson、H. 携帯電話センサーに基づく 5 歩歩行の馬の歩行分類モデルの効率的な開発。 動物 2023, 13, 183. https://doi.org/10.3390/ani13010183

この研究は、 クリエイティブ・コモンズ・ライセンス、読むことができます ここ.

Leave a Comment

Your email address will not be published. Required fields are marked *