论文部分内容阅读
到2019年底，我国奶牛规模化养殖比例达到了64％，相较于2018年底的61.4％，提升了将近3个百分点，奶牛年均单产也从2018年的7.4吨提升到了2019年的7.8吨。可以说，我国在奶牛规模化养殖的道路上取得了卓越的成绩。目前，西方发达国家的奶牛业已经向集约化、工厂化和信息化的方向发展，其中信息化对规模化养殖具有重要的意义，能够提高生产效率，优化生产流程，节省大量的人力物力。相较而言，信息化技术在我国奶牛养殖中的应用还相对比较滞后，目前信息化的设备和技术依赖进口，成本很高且不利于我国在本领域的技术进步。因此，必须且急需发展自己的信息化技术在奶牛业中的应用。鉴于此，本文提出了一种基于三轴加速度的奶牛采食行为监测与分析方法，具体研究内容包括以下几个方面:1、设计一套基于三轴加速度的奶牛采食行为监测设备。该设备包含控制与感知模块、无线传输模块以及其他电路模块。控制与感知模块主要由STM32微处理器及其外围电路，以及三轴加速度传感器组成。STM32微处理器在保证整个电路正常运作的前提下，控制三轴加速度传感器以一定的采样频率实时采集奶牛的颌部加速度数据。无线传输模块则主要由NB-IoT技术为核心的BC35-G组成，能够将采集到的数据通过UDP协议经过多个网络传输节点以高速发送到服务器。其他电路模块则由调试模块、存储模块和电源模块组成，分别用来保证电路的调试、数据的本地存储以及电路的正常供电。
2、三轴加速度数据预处理及分类模型构建。此部分提出一整套针对三轴加速度数据的预处理方法和分类模型。首先将三轴加速度数据进行合成，然后提取出时域和频域特征。将提取出的这些特征进行标准化和PCA降维操作，然后使用K-近邻、支持向量机和概率神经网络三种机器学习算法来进行分类，过程中比较了不同数据片段长度对结果的影响。结果表明:256的数据片段长度与K-近邻算法的组合具有最好的分类效果，对进食行为的识别查准率为92.8％，召回率为95.6％，特异性是96.1％，曲线下面积是0.959;对反刍行为的识别查准率为93.7％，召回率为94.3％，特异性是97.5％，曲线下面积是0.959。
3、采食行为定量计算及分析。此部分提出一种针对采食行为分类结果的定量计算及分析方法。首先通过单指针扫描与实际奶牛行为特点相结合，消除分类结果中的孤立点，优化分类结果，进一步得出奶牛实际的采食时间和频次信息，然后经过线性回归拟合、均方误差和均方根误差来判断算法得出的结果与实际值之间的一致性。结果表明:算法估计值与实际值具有较好的一致性，即算法能够比较准确地计算出奶牛采食行为的频次和时间。
综上，本研究设计了一套能够满足奶牛规模化养殖需求的基于三轴加速度的奶牛采食行为监测设备，并提出行之有效的奶牛采食行为监测与分析方法，为奶牛业的信息化转型提供了一项可靠的技术支撑。为进一步对奶牛健康和福利状况监测与预警提供了新思路新方法。
2、三轴加速度数据预处理及分类模型构建。此部分提出一整套针对三轴加速度数据的预处理方法和分类模型。首先将三轴加速度数据进行合成，然后提取出时域和频域特征。将提取出的这些特征进行标准化和PCA降维操作，然后使用K-近邻、支持向量机和概率神经网络三种机器学习算法来进行分类，过程中比较了不同数据片段长度对结果的影响。结果表明:256的数据片段长度与K-近邻算法的组合具有最好的分类效果，对进食行为的识别查准率为92.8％，召回率为95.6％，特异性是96.1％，曲线下面积是0.959;对反刍行为的识别查准率为93.7％，召回率为94.3％，特异性是97.5％，曲线下面积是0.959。
3、采食行为定量计算及分析。此部分提出一种针对采食行为分类结果的定量计算及分析方法。首先通过单指针扫描与实际奶牛行为特点相结合，消除分类结果中的孤立点，优化分类结果，进一步得出奶牛实际的采食时间和频次信息，然后经过线性回归拟合、均方误差和均方根误差来判断算法得出的结果与实际值之间的一致性。结果表明:算法估计值与实际值具有较好的一致性，即算法能够比较准确地计算出奶牛采食行为的频次和时间。
综上，本研究设计了一套能够满足奶牛规模化养殖需求的基于三轴加速度的奶牛采食行为监测设备，并提出行之有效的奶牛采食行为监测与分析方法，为奶牛业的信息化转型提供了一项可靠的技术支撑。为进一步对奶牛健康和福利状况监测与预警提供了新思路新方法。