论文部分内容阅读
发情鉴定是奶牛繁殖育种工作中必备且重要的一项技术。准确高效的发情鉴定技术能够提高受胎率和缩短胎间距，是改善奶牛繁殖效率和增加经济效益的重要手段。外部行为特征观察具有简便、直观等优点，是发情鉴定种最常用的方法；然而，在现代集约化的养殖模式下，完全依赖有经验的员工连续长期的观察，需要大量的人力资源且劳动强度大；另外发情观测要尽量在不被动物觉察的情况下进行，以免干扰并中断动物的正常活动。这些都大大地增加奶牛发情鉴定的难度。本文提出采用无线传感器网络监测奶牛的运动行为特征（运动加速度），通过K均值聚类和支持向量机来学习分类其运动特征，进而统计运动指数，再根据运动指数判断奶牛是否处于发情期。论文主要研究以下几方面内容：
(1)奶牛发情状况的检测依赖于运动行为数据采集，研究显示奶牛发情呈现周期性其运动量将大大增加，如发情早期，发情牛兴奋不安、敏感躁动、走动频繁，而未发情牛比较懒散；同时发情期体温会升高。鉴于通用无线传感器节点无法完成对奶牛运动加速度行为特征数据直接检测，本系统设计研制了嵌入有三轴加速度传感器的节点，通过加速度传感器获取奶牛三轴方向的运动加速度，从而判断奶牛运动的趋势和运动变化的快慢程度，确定奶牛的运动指数。无线传感器节点体积小、重量轻、功耗小、成本低，能为奶牛饲养场应用。
(2)大型奶牛场投入应用的节点众多，大量节点传输数据将导致节点频繁争用通信信道，导致通信拥塞，数据包丢失等现象，同时由于牛群位置可以随意移动，也随时有新的节点加入或退出，因此路由协议需要考虑到节点动态拓扑的变化并能有效的传输数据。为此本文提出一种高效的无线传感器动态拓扑网络多信道传输协议，以减少无线传感器网络中的通信信号的碰撞，实现节能高效的数据传输，降低丢包率和节点能量消耗，提高网络传输的效率。
(3)为将奶牛每个时刻的运动加速度数据提炼出奶牛的运动行为特征，本文提出基于K均值聚类算法和支持向量机相结合的奶牛行为特征分类算法，通过K均值聚类算法将每一个采样点的加速度数据分成0类（相对静止一类）、1类（小幅度运动如慢走、摆头、反刍等）、2类（较大幅度运动如快走、快跑、甩头等）、3类（大幅度运动如爬跨、跃起等）行为特征，再根据对这些不同类别行为特征加权时间累计统计得出奶牛的运动指数，从而能有效的分析出当前奶牛是否处于发情期。
(4)针对K均值聚类算法初始中心点随机选择带来巨大分类差异问题，本文结合数据采集的特点提出了统计预测聚类初始中心点算法，一方面解决了随机选择中心点带来的分类差异问题，同时能加快聚类运算结果。为了让行为特征分类识别算法能在计算和存储能力皆有限的传感节点上完成，提出了基于密度的快速聚类算法，能大大减少样本集训练数，加快聚类过程。同时对支持向量机的分类也直接采用聚类中心点进行训练使得支持向量机的分类速度加快。节点端设定一天自学习阶段完成行为特征分类识别算法的自适应调整体现了奶牛的个体差异性，自学习后的分类模型即可在节点端对采集数据进行基于特征的数据融合，最终经网关节点传输到控制中心即是奶牛运动指数。这样同时也大大节省了传感节点实时传输原始数据的能量消耗，减小了网络通信碰撞的概率，提高了动态网络传输效率。
(5)初步搭建实时可视化监测软件平台，实时可视化监测软件平台采用.net技术并嵌入zedgraph等图形控件，能实时查看指定网关节点传输的数据，并能完成数据的预处理和分析，将记录数据、特征分析结果、预警和处理情况等构成一个可供记录、查找、自动预警、追溯的平台。