Spektralbasierte Zustandserkennung von Nutztieren

Ziel dieser Arbeit ist es auf Basis von Beschleunigungsdaten mit Hilfe spektralbasierter Metriken Verhaltenszustände zu klassifizieren. Die Datengrundlage bilden hierbei die Messdaten von 15 Kälbern, die mit einer Sensorohrmarke ausgestattet sind, welche in regelmäßigen Abständen die Beschleunigung misst. Die Verhaltenszustände werden in Basisverhalten und Aktionen eingeteilt. Das Basisverhalten umfasst die Zustände Liegen, Stehen und Fortbewegen. Die Aktionen sind als die Zustände Futteraufnahme, Wasseraufnahme, Milchaufnahme, Lecken/Saugen ohne Milchaufnahme, Wiederkauen und Neutral definiert. Zunächst werden die Daten in Trainings- und Testdaten geteilt, bestimmte Metriken und Metrikkombinationen berechnet und mit Hilfe der Methoden (Nearest Neighbors, Random Forest, Support Vector Machine, Naive Bayes, Neural Network und Logistic Regression) und unter Verwendung der Konfusion Matrix die erfolgreichste (gemessen an der höchsten Genauigkeit und dem FScore) Metrik bestimmt. In Folge wird ein Algorithmus entwickelt, dessen Ziel es ist, mit der zuvor bestimmten Metrik bzw. Metrikkombination und Methode die Klassifizierung vorzunehmen und auszugeben.