dataset-jaw-movements

该数据集包含奶牛在放牧时咀嚼动作的音频记录和标签。通过无线麦克风记录了三头荷斯坦奶牛在食用短和高苜蓿以及短和高雀麦时的声音。两位放牧行为专家识别并标记了每次咀嚼动作的开始、结束和类型：咬合、咀嚼和咀嚼-咬合（复合动作）。对于每个原始音频段，计算了四个知名特征：振幅、持续时间、零交叉和包络对称。这些特征可用于构建自动分类咀嚼动作的方法。

This dataset comprises audio recordings and labels of chewing actions by cows during grazing. The sounds of three Holstein cows consuming short and tall alfalfa, as well as short and tall brome grass, were recorded using wireless microphones. Two grazing behavior experts identified and labeled the start, end, and type of each chewing action: bite, chew, and chew-bite (composite action). For each original audio segment, four well-known features were calculated: amplitude, duration, zero-crossing, and envelope symmetry. These features can be utilized to construct methods for automatically classifying chewing actions.

原始信息汇总

数据集概述

基本信息

• 标题: Audio recordings dataset of grazing jaw movements in dairy cattle
• 作者: Sebastián R. Vanrell, José O. Chelotti, Leandro A. Bugnon, H. Leonardo Rufiner, Diego H. Milone, Emilio A. Laca, Julio R. Galli
• 发表期刊: Data in Brief
• DOI: https://doi.org/10.1016/j.dib.2020.105623

数据集描述

• 内容: 包含52个WAV格式的音频文件，记录了三头荷斯坦奶牛在不同草地上（短和高的苜蓿，短和高的牛毛草）的咀嚼动作声音。
• 标签: 52个TXT文件，由两位草食行为专家标注，记录了每次咀嚼动作的开始、结束和类型（咬合、咀嚼、咬合-咀嚼复合动作）。
• 特征计算: 对每个音频片段计算了四个特征：振幅、持续时间、零交叉和包络对称性。
• 应用: 可用于构建自动分类咀嚼动作的方法，监测和分析奶牛的草食行为。

数据集内容

• 音频文件: 52个WAV文件
• 标签文件: 52个TXT文件
• 总结文件: 1个CSV文件

搜集汇总

数据集介绍

构建方式

该数据集的构建基于对奶牛在放牧过程中咀嚼行为的音频记录。研究团队使用无线麦克风对三头荷斯坦奶牛在不同高度苜蓿和羊茅草上的放牧行为进行了录音。两位放牧行为专家对每段音频中的咀嚼动作进行了标注，包括咬合、咀嚼以及复合动作的开始和结束时间。此外，研究团队还计算了每段音频的四个特征：振幅、持续时间、过零率和包络对称性，这些特征被纳入数据集中，为后续的自动化分类方法提供了基础。

特点

该数据集包含了52个WAV音频文件和对应的52个TXT标签文件，以及一个CSV格式的汇总文件。音频文件记录了奶牛在不同草种上的咀嚼行为，标签文件则详细标注了每段音频中咀嚼动作的类型和时间信息。数据集的特点在于其高精度的标注和丰富的特征提取，这些特征为研究奶牛放牧行为提供了多维度的分析依据。通过该数据集，研究人员可以深入探讨奶牛咀嚼行为的模式及其与草种类型的关系。

使用方法

该数据集的使用方法主要包括音频数据的加载、标签信息的解析以及特征数据的应用。研究人员可以通过读取WAV文件获取原始音频数据，并结合TXT文件中的标签信息进行行为分类。CSV文件提供了每段音频的汇总信息，便于快速了解数据集的整体结构。此外，数据集中的特征数据可直接用于机器学习模型的训练，帮助开发自动化分类算法。通过该数据集，研究人员能够有效监控和分析奶牛的放牧行为，为畜牧业管理提供科学依据。

背景与挑战

背景概述

dataset-jaw-movements数据集由Sebastián R. Vanrell等研究人员于2020年创建，旨在通过音频记录和标签数据研究奶牛在放牧期间的咀嚼行为。该数据集由sinc(i)研究所开发，包含52个WAV音频文件和相应的TXT标签文件，记录了奶牛在短高苜蓿和短高羊茅草地上的咀嚼动作。研究人员通过无线麦克风采集音频，并由两位放牧行为专家对每个咀嚼动作的开始、结束和类型进行标注，包括咬合、咀嚼和复合咀嚼动作。该数据集的核心研究问题是通过自动化方法对咀嚼动作进行分类，从而监测和表征奶牛的放牧行为。该数据集为动物行为学和精准农业领域提供了重要的数据支持，推动了相关研究的深入发展。

当前挑战

dataset-jaw-movements数据集在构建和应用过程中面临多重挑战。首先，奶牛咀嚼动作的音频信号复杂且易受环境噪声干扰，如何准确提取和分类不同类型的咀嚼动作是一个技术难题。其次，数据标注依赖于专家的主观判断，可能存在标注不一致的问题，影响模型的训练效果。此外，数据集规模相对较小，可能限制机器学习模型的泛化能力。在构建过程中，研究人员还需克服无线麦克风在野外环境中的信号采集和传输问题，确保音频数据的完整性和质量。这些挑战要求后续研究在数据增强、噪声抑制和模型优化等方面进行深入探索，以提高咀嚼动作分类的准确性和鲁棒性。

常用场景

经典使用场景

在畜牧业研究中，dataset-jaw-movements数据集被广泛应用于分析奶牛在放牧期间的咀嚼行为。通过无线麦克风记录的音频数据，研究人员能够详细捕捉奶牛在短高苜蓿和短高羊茅草上的咀嚼动作，包括咬合、咀嚼和复合动作。这些数据为开发自动化分类方法提供了基础，使得对奶牛放牧行为的监控和特征化成为可能。

解决学术问题

该数据集解决了畜牧业中关于奶牛放牧行为监测的学术问题。通过提供详细的音频记录和标签，研究人员能够准确识别和分析奶牛在放牧期间的咀嚼动作。这不仅有助于理解奶牛的营养摄入和消化过程，还为优化饲料管理和提高奶牛健康水平提供了科学依据。

衍生相关工作

基于dataset-jaw-movements数据集，研究人员开发了多种自动化分类算法，用于识别和分析奶牛的咀嚼行为。这些算法不仅提高了数据处理的效率，还为后续研究提供了新的方法和技术。此外，该数据集还促进了跨学科合作，推动了畜牧业与信号处理、机器学习等领域的深度融合。