The validity of acquired data had t

The validity of acquired data had to be checked before using it in health monitoring. Not all of the measurements were successful, mainly due to cows standing beside the platforms. This cannot be avoided because of the varying size of the cows; heifers have proven to be especially problematic. When a cow is not standing directly on the balances it results in erroneous data that could be differentiated from correct values. MATLAB was used for removing erroneous values from the data.
All of the cows had all four legs on the balances at some time during each milking. That means that we can reliably measure the total weight of the cow and correct the data based on that information. It was found that the standard deviation of the cow’s weight during one milking, caused by milking and noise from the system, did not exceed 15 kg when the cow was standing on the balances during the whole weighing. Therefore, erroneous values were removed from all weighings with over 15 kg standard deviation. Each weighing had over a thousand datapoints.
The operation of the program used for elimination of extra- neous data is shown in Fig. 2. Every data file consists of 5 columns and a variable number of rows depending on the length of the weighing (milking). The columns contain the measurement time, the leg weights and the total weight. Every reading from the balances creates a new row in the file. At first the program searched for the maximum weight of the cow dur- ing milking and then the total weight of each row in the file was compared to that maximum. We decided that if the difference between the maximum weight (Wmax ) and the total weight on the row (Wn ) was over 30 kg, the whole row was removed from the file. The operation was performed automatically for over
10,000 data files (milking) in all.
Fig. 3 shows the effect of changing the limit (Wmax − Wn ) for
removing a row when correcting a data file. It shows the aver- age weight calculated from a data file for four different cows with no corrections and with different limits for removing a row. With no corrections the average weight of a cow during milking can be up to 200 kg less than her actual weight. The
30 kg limit in the correction program was chosen according to the results shown in Figs. 3 and 4. Fig. 4 shows a sharp drop in the amount of data left after corrections when the limit is below 30 kg.
Corrections sometimes removed so much data from the original file that the weighing could not be used for monitor- ing the health of the cow. Fig. 4 shows an example of the effect
of changing the correction limit (Wmax − Wn ) on the amount
of data left after corrections. The cow in the first weighing has stood on the balances over 60% of the duration of the measure- ment so sufficient data are available. The cows in weighings
2 and 3 have not stood on the balances during most of the measurement and the files are not usable.
If less than 90 s remained of the original weights after cor- rections the entire weighing, the dataset for that animal was discarded (Fig. 2). Otherwise the mean value and standard deviation and the number of kicks were calculated for each leg. The number of discarded datasets was around 10% (1000 of the total of over 10,000 milkings).

Kết quả (Việt) 1:

Tính hợp lệ của mua lại dữ liệu phải được kiểm tra trước khi sử dụng nó trong y tế giám sát. Không phải tất cả các phép đo đã thành công, chủ yếu là do con bò đứng bên cạnh những nền tảng. Điều này không thể tránh khỏi vì kích thước khác nhau của những con bò; bò cái tơ đã chứng minh được đặc biệt là vấn đề. Khi một con bò không đứng trực tiếp trên các cân đối nó kết quả trong sai dữ liệu có thể được phân biệt với giá trị đúng. MATLAB được sử dụng để loại bỏ sai giá trị từ dữ liệu.Tất cả các con bò có tất cả bốn chân trên các cân đối tại một số thời gian trong mỗi vắt sưa. Đó có nghĩa là chúng tôi đáng tin cậy có thể đo lường tổng trọng lượng của những con bò và chính xác dữ liệu dựa trên thông tin đó. Nó là tìm thấy rằng độ lệch chuẩn của trọng lượng của con bò trong một vắt sưa, gây ra bởi vắt sưa và tiếng ồn từ hệ thống, không vượt quá 15 kg khi những con bò đã đứng trên các cân đối trong toàn bộ nặng. Vì vậy, sai giá trị đã được gỡ bỏ từ tất cả các weighings với hơn 15 kg tiêu chuẩn độ lệch. Trọng lượng mỗi đã có hơn một nghìn datapoints.Hoạt động của chương trình được sử dụng cho loại bỏ thêm-neous dữ liệu được hiển thị trong hình 2. Mỗi gỡ dữ liệu bao gồm 5 cột và một số biến hàng tùy thuộc vào độ dài của các nặng (sữa). Các cột có chứa thời gian đo, trọng lượng chân và tổng trọng lượng. Mỗi đọc từ các cân đối tạo ra một dòng mới trong gỡ. Tại vòng chương trình tìm kiếm cho trọng lượng tối đa của bò dur-ing vắt sưa và sau đó tổng trọng lượng của mỗi hàng trong việc gỡ được so sánh với những gì tối đa. Chúng tôi quyết định rằng nếu sự khác biệt giữa trọng lượng tối đa (Wmax) và tổng trọng lượng trên dòng (Wn) là hơn 30 kg, toàn bộ hàng đã được gỡ bỏ từ gỡ. Các hoạt động được thực hiện tự động cho hơn10.000 dữ liệu dòng (sữa) trong tất cả.Hình 3 cho thấy tác dụng của việc thay đổi giới hạn (Wmax − Wn) choloại bỏ một hàng khi sửa chữa một gỡ dữ liệu. Nó cho thấy trọng lượng bộ-tuổi tính từ một gỡ dữ liệu cho bốn con bò khác nhau với không có chỉnh sửa và với các giới hạn khác nhau để loại bỏ một hàng. Với chỉnh sửa không có trọng lượng trung bình của một con bò trong sữa có thể lên đến 200 kg ít hơn trọng lượng thực tế của cô. Cácgiới hạn 30 kg trong chương trình chỉnh sửa được chọn theo kết quả hiển thị trong Figs. 3 và 4. Hình 4 cho thấy giảm mạnh trong số lượng dữ liệu trái sau khi sửa chữa khi giới hạn là dưới 30 kg.Sửa chữa đôi khi loại bỏ rất nhiều dữ liệu từ gỡ ban đầu các cân nặng không thể sử dụng cho màn hình-ing sức khỏe của những con bò. Hình 4 cho thấy một ví dụ về các hiệu ứngthay đổi giới hạn sửa chữa (Wmax − Wn) trên số tiềndữ liệu trái sau khi chỉnh sửa. Con bò trong vòng nặng đã đứng trên các cân đối hơn 60% thời lượng của biện pháp-ment để sufficient dữ liệu có sẵn. Con bò trong weighings2 và 3 có không đứng trên các cân đối trong hầu hết đo lường và các dòng không sử dụng được.Nếu ít hơn 90 s vẫn của trọng lượng ban đầu sau khi cor-rections toàn bộ trọng lượng, bộ dữ liệu cho rằng động vật đã được loại bỏ (hình 2). Nếu không có nghĩa là giá trị và độ lệch chuẩn và số lượng đá được tính cho mỗi chân. Số datasets bị loại bỏ khoảng là 10% (1000 tổng số là hơn 10.000 milkings).

Kết quả (Việt) 2:

Tính hợp lệ của dữ liệu thu được phải được kiểm tra trước khi sử dụng nó trong việc theo dõi sức khỏe. Không phải tất cả các phép đo đều thành công, chủ yếu là do con bò đứng bên cạnh các nền tảng. Điều này không thể tránh được vì kích thước khác nhau của các con bò; bò cái đã được chứng minh là đặc biệt là vấn đề. Khi một con bò không đứng trực tiếp trên số dư nó đến dữ liệu sai có thể được phân biệt với các giá trị chính xác. MATLAB được sử dụng để loại bỏ các giá trị sai lầm từ dữ liệu.
Tất cả những con bò đã có tất cả bốn chân trên số dư tại một số thời gian trong mỗi vắt sữa. Điều đó có nghĩa rằng chúng ta đáng tin cậy có thể đo tổng trọng lượng của bò và chính xác các dữ liệu dựa trên thông tin đó. Nó đã được tìm thấy rằng độ lệch chuẩn của cân nặng của con bò trong một vắt sữa, gây ra bởi vắt sữa và tiếng ồn từ hệ thống, không vượt quá 15 kg khi bò đang đứng trên dư trong toàn bộ trọng lượng. Do đó, giá trị sai lầm đã được gỡ bỏ khỏi tất cả các weighings với hơn 15 kg độ lệch chuẩn. Mỗi con nặng có hơn một ngàn Datapoints.
Các hoạt động của chương trình được sử dụng để loại bỏ các dữ liệu neous ngoại khóa được hiển thị trong hình. 2. Mọi dữ liệu fi le gồm 5 cột và một số biến của hàng tùy thuộc vào độ dài của trọng lượng (sữa). Các cột chứa thời gian đo, trọng lượng chân và tổng trọng lượng. Mỗi đọc từ dư tạo ra một hàng mới trong fi le. Tại fi đầu tiên của chương trình tìm kiếm cho trọng lượng tối đa của bò dur- ing vắt sữa và sau đó tổng trọng lượng của mỗi hàng trong fi le được so sánh với tối đa. Chúng tôi quyết định rằng nếu sự khác biệt giữa trọng lượng tối đa (Wmax) và tổng trọng lượng trên hàng (Wn) là trên 30 kg, toàn bộ hàng đã được gỡ bỏ từ các fi le. Các hoạt động được thực hiện tự động trong hơn
10.000 dữ liệu fi les (vắt sữa) ở tất cả.
Fig. 3 cho thấy ảnh hưởng của việc thay đổi giới hạn (Wmax - Wn) cho
việc gỡ bỏ một hàng khi sửa chữa một dữ liệu fi le. Nó cho thấy trọng lượng bình quân tính từ một fi le dữ liệu cho bốn con bò khác nhau không có sự điều chỉnh và có giới hạn khác nhau để loại bỏ một hàng. Khi không có sự điều chỉnh trọng lượng trung bình của một con bò trong vắt có thể lên tới 200 kg ít hơn trọng lượng thực tế của cô. Các
giới hạn 30 kg trong chương trình hiệu chỉnh đã được lựa chọn theo các kết quả hiển thị trong hình. 3 và 4. Hình. 4 cho thấy sự sụt giảm mạnh về số lượng dữ liệu còn lại sau khi chỉnh sửa khi giới hạn là dưới 30 kg.
sửa chữa đôi khi xóa dữ liệu được rất nhiều từ các fi le ban đầu rằng trọng lượng không thể được sử dụng cho monitor- tới sức khoẻ của con bò. Hình. 4 cho thấy một ví dụ về ảnh hưởng
của việc thay đổi giới hạn điều chỉnh (Wmax - Wn) vào lượng
dữ liệu còn lại sau khi sửa chữa. Con bò ở các đầu tiên fi nặng đã đứng trên dư hơn 60% thời gian của sự phát lường vì vậy dữ liệu rừng đặc dụng fi cient có sẵn. Những con bò trong weighings
2 và 3 đã không đứng trên dư trong hầu hết các phép đo và các fi les không sử dụng được.
Nếu ít hơn 90 giây còn lại của trọng lượng ban đầu sau khi rections nhũng toàn bộ trọng lượng, các số liệu cho động vật bị bỏ đi (Hình. 2). Nếu không, giá trị trung bình và độ lệch chuẩn và số lượng đá được tính toán cho mỗi chân. Số phế bộ dữ liệu là khoảng 10% (năm 1000 trong tổng số hơn 10.000 lần vắt sữa).