CN110720928A - 一种基于三轴加速度的奶牛进食和反刍识别方法 - Google Patents
一种基于三轴加速度的奶牛进食和反刍识别方法 Download PDFInfo
- Publication number
- CN110720928A CN110720928A CN201911196967.0A CN201911196967A CN110720928A CN 110720928 A CN110720928 A CN 110720928A CN 201911196967 A CN201911196967 A CN 201911196967A CN 110720928 A CN110720928 A CN 110720928A
- Authority
- CN
- China
- Prior art keywords
- data
- acceleration
- cow
- rumination
- triaxial acceleration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000001133 acceleration Effects 0.000 title claims abstract description 72
- 230000022676 rumination Effects 0.000 title claims abstract description 32
- 208000015212 rumination disease Diseases 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000008267 milk Substances 0.000 title claims abstract description 14
- 235000013336 milk Nutrition 0.000 title claims abstract description 14
- 210000004080 milk Anatomy 0.000 title claims abstract description 14
- 241000283690 Bos taurus Species 0.000 claims abstract description 79
- 230000006399 behavior Effects 0.000 claims abstract description 23
- 235000013365 dairy product Nutrition 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000009467 reduction Effects 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 3
- 229910052744 lithium Inorganic materials 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 claims 1
- 238000009395 breeding Methods 0.000 abstract description 2
- 230000001488 breeding effect Effects 0.000 abstract description 2
- 244000144972 livestock Species 0.000 abstract description 2
- 244000144977 poultry Species 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004634 feeding behavior Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 241000282849 Ruminantia Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 210000001847 jaw Anatomy 0.000 description 2
- SMZOUWXMTYCWNB-UHFFFAOYSA-N 2-(2-methoxy-5-methylphenyl)ethanamine Chemical compound COC1=CC=C(C)C=C1CCN SMZOUWXMTYCWNB-UHFFFAOYSA-N 0.000 description 1
- NIXOWILDQLNWCW-UHFFFAOYSA-N 2-Propenoic acid Natural products OC(=O)C=C NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000004373 mandible Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Heart & Thoracic Surgery (AREA)
- Dentistry (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Housing For Livestock And Birds (AREA)
Abstract
本发明公开了一种基于三轴加速度的奶牛进食和反刍识别方法,属于畜禽健康养殖技术领域。本发明包括数据采集模块,无线接收模块和PC端软件。使用步骤包括:步骤一:将数据采集模块固定在笼头上,给奶牛佩戴后使得数据采集模块在奶牛下颌的侧中部,固定完成后开始测量加速度数据。步骤二:数据采集模块所测量的数据均保存在集成的SD卡中,无线发射装置、无线接收模块将保存在SD卡中的三轴加速度数据传至PC端。步骤三:PC端软件对加速度信号以长度为256的数据片段为最小处理单元提取时域和频域特征,经过标准化、特征降维等处理,使用K‑近邻算法将奶牛进食和反刍行为识别出来。
Description
技术领域
本发明属于畜禽健康养殖技术领域,具体涉及一种基于三轴加速度的奶牛进食和反刍识别方法。
背景技术
进食行为和反刍行为与奶牛的生理健康有着密切的联系,是衡量动物福利状况的重要指标。传统的进食和反刍监测方法主要依赖人工观察,耗时费力,不适合在大规模的奶牛场中实施,影响生产效率。
发明专利“一种反刍动物监测系统”(公开号CN 103337147 B),公开了一种反刍动物监测系统,该系统通过压电陶瓷片测量反刍动物的反刍时间信号,该装置中的配重较重,对奶牛的舒适度产生一定影响,而且只能对反刍行为进行识别,不能同时识别进食行为。
本发明通过安装在奶牛笼头上的三轴加速度传感器测量奶牛下颌加速度的变化,并通过编写的基于数据预处理和K-近邻的识别算法,从奶牛的行为中准确识别出进食和反刍,根据识别出的进食和反刍时长反映奶牛的健康状况。该方法结构简单且不会受奶牛间个体差异的影响,能够准确地对两种行为进行识别。
发明内容
为了达到连续并准确监测奶牛进食和反刍的目的,并克服现有进食和反刍监测方法的缺点,本发明提出了一种基于三轴加速度的奶牛进食和反刍识别方法。
本发明的技术方案如下:
步骤S1:将数据采集模块固定在笼头上,给奶牛佩戴后使得数据采集模块在奶牛下颌的侧中部,固定完成后开始测量加速度数据。
步骤S2:三轴加速度传感器模块所测量的数据均保存在集成的SD卡中,无线发射装置、无线接收模块将保存在SD卡中的三轴加速度数据传至PC端。
步骤S3:PC端软件对加速度信号进行合成,以长度为256的数据片段为最小处理单元提取时域和频域特征,经过标准化、特征降维等处理,使用K-近邻算法将奶牛进食和反刍行为识别出来。
所述步骤S1中的数据采集模块集成了三轴加速度传感器、无线发射装置、锂电池和SD卡。
所述的三轴加速度传感器的采样频率为5Hz。
所述步骤S2中的无线发射装置和无线接收模块通过无线传输方式连接,无线接收模块和PC端通过USB传输方式连接。
所述步骤S3具体为:
(1)首先将采集到的三轴加速度按照公式(1)进行合成:
其中,SMV是Signal Magnitude Vector的缩写,即信号幅度矢量。accx、accy、accz分别为x、y和z轴方向上的加速度。
(2)计算总体动态体加速度ODBA(Overall Dynamic Body Acceleration)及其矢量变化VeDBA,这里先计算出动态体加速度DBA,按照公式(2)进行:
DBAi(n)=|ai(n)-μi| (2)
其中DBAi(n)表示第n(n=1,2,3,...,16)组数据在i(i=x,y,z)轴的动态体加速度;αi(n)表示第n组数据中i轴的加速度数据;μi是16组i轴数据的移动平均数。将数据每16组做以上的计算,直至迭代完成。再按照公式(3)计算ODBA,公式(4)计算VeDBA:
ODBA=DBAx+DBAy+DBAz (3)
(3)将奶牛的行为分为进食、反刍和其他行为三类。在数据表格中新建一列将奶牛的真实状态进行标注。其中,进食标为1,反刍标为2,其他行为标为3。
(4)按照每256组数据作为一个数据片段对数据集进行划分,以此作为最小处理单元。计算SMV的最小值、第一四分位数、中值、第三四分位数、最大值、均值、均方根、标准差、平均绝对偏差,三轴任意两轴的相关系数,ODBA和VeDBA的最小值、第一四分位数、中值、第三四分位数、最大值、均值、均方根、标准差、平均绝对偏差等30个特征作为时域特征。将数据片段的SMV做快速傅里叶变换,计算信号的频谱能量和直流分量,作为频域特征。
(5)使用PCA主成分分析对特征进行降维,由原来的32位降为6维。
(6)对数据集进行基于标准差的标准化。
(7)使用“leave-one-out”的交叉验证的方法,即第一次计算将其中四头奶牛的数据作为训练集,剩下一头奶牛的数据作为验证集。第二次计算将与前一次不完全相同的四头奶牛的数据作为训练集,同样将剩下的奶牛的数据作为验证集。以此类推,直到所有的五种情况均被计算完成,最后取五个结果的平均值作为分类的最终结果,形成识别奶牛进食和反刍的模型。
本发明的有益效果是通过安装在笼头上的三轴加速度传感器测量奶牛下颌加速度的变化,对数据进行特征提取、降维、标准化等操作之后不会受到奶牛间个体差异的影响,同时可以有效的将奶牛的进食和反刍识别出来,提高进食和反刍的监测精度,并且相比于传统监测方法,具有更低的成本和更高的效率。
附图说明
图1为本发明的主体结构框图。
图2为奶牛佩戴的笼头图,其中1为笼头,2为三轴加速度传感器模块所在的位置。
图3为奶牛进食时的三轴加速度波形图。
图4为奶牛反刍时三轴加速度波形图。
图5为奶牛其他行为三轴加速度波形图。
图6为奶牛进食时合加速度的波形图。
图7为奶牛反刍时合加速度的波形图。
图8为奶牛其他行为合加速度的波形图。
具体实施方式
下面结合附图和实施例对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
实验基地中每一个独立牛舍的尺寸为5m×3m×1.5m,由铁制围栏组成。实验对象是5头健康荷斯坦奶牛,年龄为2±0.5岁,体重为420±40kg,每一头奶牛独占一个牛舍。
实验于2019年1月3日至1月20日进行,每天于5:00和14:00饲喂颗粒料和干草,实验期间提供给奶牛足量的饮水。
在每一个牛舍正前方1.5米且离地2米处安装一个红外摄像头,在整个实验过程中由这些红外摄像头全程记录奶牛的实际活动。实验之前将红外摄像头和数据采集模块的时钟进行同步。
图1示出了本发明的主体结构框图,总体的数据采集和处理过程为:三轴加速度传感器采集加速度数据,将数据保存至SD卡,在此期间锂电池给整个数据采集模块供电;数据经过无线发射装置和无线接收模块,以无线传输和USB通信的方式从SD卡上传至PC端;PC端软件对加速度数据进行处理,对奶牛的进食和反刍进行识别。
将数据采集模块固定在笼头上,给奶牛佩戴后使得数据采集模块在奶牛下颌的侧中部,如图2所示,其中1为笼头,2为数据采集模块。
实验成功地采集了五头实验奶牛的三轴加速度传感器数据,图3、4和5是选取了其中一头奶牛作为代表绘制的进食、反刍和其他行为的三轴加速度波形图。在奶牛进食时,三轴加速度呈现出无规则的幅度很大的波动,此时奶牛的头部向各个方向移动,颌运动幅度较大,如图3所示,x轴加速度的波动范围大约在-1.4g—0g之间,y轴加速度的波动范围大约在0g—1g之间,z轴加速度波动范围大约在-1.1g—0g之间;在奶牛反刍时,加速度信号呈现的是一段连续时间的较大幅度的波动,此时奶牛的颌运动平稳而连续,如图4所示,x轴的波动范围大约在-1.25g—-0.75g之间,y轴的波动范围大约在-0.4g—0g之间,z轴波动范围大约在-0.6g—-0.15g之间;如图5所示,在奶牛进行其他行为时,三轴加速度信号均是无规则的小幅波动,x轴加速度的波动范围大约在-0.4g—-0.3g之间,y轴加速度的波动范围大约在0.3g—0.4g之间,z轴加速度波动范围大约在-0.9g—-0.8g之间。无论哪种行为的加速度波形,都显得较为杂乱,不利于提取特征。
按照式(1)对三轴加速度信号进行合成,图6、7和8示出了合成后奶牛进食、反刍和其他行为的合加速度波形图。可以看出,三种行为的波形都趋于平稳,幅值范围相差较大,此时可以进行提取特征的操作。除此之外,按照式(2)、(3)和(4)求出总体动态体加速度ODBA及其矢量变化VeDBA。
将红外摄像头中显示的奶牛的状态作为真值做标签。在数据表格中新建一列,奶牛的进食行为标为1,反刍行为标为2,其他行为标为3。
提取特征时,计算每256行合加速度、ODBA、VeDBA数据的最小值、第一四分位数、中值、第三四分位数、最大值、均值、均方根、标准差;三轴任意两轴的相关系数;合加速度进行快速傅里叶变换后得到的直流分量和频谱能量。得到以上32个特征。
对32个特征进行PCA主成分分析,将特征的维数降为6维。
对数据集进行基于标准差的标准化处理。
使用“leave-one-out”的交叉验证的方法,即第一次计算将其中四头奶牛的数据作为训练集,剩下一头奶牛的数据作为验证集。第二次计算将与前一次不完全相同的四头奶牛的数据作为训练集,同样将剩下的奶牛的数据作为验证集。以此类推,直到所有的五种情况均被计算完成,最后取五个结果的平均值作为分类的最终结果,形成识别奶牛进食和反刍的模型。
本发明采用以下指标作为识别精度的判定标准:准确率(accuracy)、查准率(precision)、召回率(recall)和F1分数(F1 score),公式如下:
其中,TP(True Positive):被正确划分为正样本的个数,即原为正样本且算法预测也为正样本。TN(True Negative):被正确划分为负样本的个数,即原为负样本且算法预测也为负样本。FP(False Positive):被错误划分为正样本的个数,即原为负样本而被算法预测为正样本。FN(False Negative):被错误划分为负样本的个数,即原为正样本而被算法预测为负样本。
最终得到的总体准确率为94.5%,查准率和召回率如表1所示:
表1查准率和召回率
可以看出,对奶牛的进食和反刍行为识别的查准率和召回率都比较高,但是单独的查准率和召回率都无法真正反映出模型识别的精度。由式(8)可知,F1分数是结合了查准率和召回率的指标,所以以此为基础,计算对进食和反刍识别的F1分数分别为94.2%,94.0%,都非常接近于1,代表识别的精度很高。
本发明提出了一种基于三轴加速度的奶牛进食和反刍识别方法,通过对加速度数据进行合成、提取特征、降维、标准化之后,可以清晰地反映出不同的奶牛行为对应不同的加速度幅值范围和频谱能量等信息。选本发明提出的方法可达到连续而准确识别奶牛进食和反刍的效果,为实现奶牛进食和反刍的自动监测提供一个行之有效的模型。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案的范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上的实例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (6)
1.一种基于三轴加速度的奶牛进食和反刍识别系统,其特征在于:包括如下步骤:
步骤S1:将数据采集模块固定在笼头上,给奶牛佩戴后使得数据采集模块在奶牛下颌的侧中部,固定完成后开始测量加速度数据;
步骤S2:三轴加速度传感器模块所测量的数据均保存在集成的SD卡中,无线发射装置、无线接收模块将保存在SD卡中的三轴加速度数据传至PC端;
步骤S3:PC端软件对加速度信号进行合成,以长度为256的数据片段为最小处理单元提取时域和频域特征,经过标准化、特征降维等处理,使用K-近邻算法将奶牛进食和反刍行为识别出来。
2.根据权利要求1所述的一种基于三轴加速度的奶牛进食和反刍识别系统,其特征在于:所述步骤S1中的数据采集模块集成了三轴加速度传感器、无线发射装置、锂电池和SD卡。
3.根据权利要求2所述的一种基于三轴加速度的奶牛进食和反刍识别系统,其特征在于:所述的三轴加速度传感器的采样频率为5Hz。
4.根据权利要求1所述的一种基于三轴加速度的奶牛进食和反刍识别系统,其特征在于:所述步骤S2中的无线发射装置和无线接收模块通过无线传输方式连接,无线接收模块和PC端通过USB传输方式连接。
5.根据权利要求4所述的一种基于三轴加速度的奶牛进食和反刍识别系统,其特征在于:所述的无线传输方式基于低功耗广域物联网技术。
6.根据权利要求1中所述的一种基于三轴加速度的奶牛进食和反刍识别系统,其特征在于:所述步骤S3具体为:
(1)首先将采集到的三轴加速度按照公式(1)进行合成:
其中,SMV是Signal Magnitude Vector的缩写,即信号幅度矢量,accx、accy、accz分别为x、y和z轴方向上的加速度;
(2)计算总体动态体加速度ODBA(Overall Dynamic Body Acceleration)及其矢量变化VeDBA,这里先计算出动态体加速度DBA,按照公式(2)进行:
DBAi(n)=|αi(n)-μi| (2)
其中DBAi(n)表示第n(n=1,2,3,…,16)组数据在i(i=x,y,z)轴的动态体加速度;ai(n)表示第n组数据中i轴的加速度数据;μi是16组i轴数据的移动平均数;将数据每16组做以上的计算,直至迭代完成,再按照公式(3)计算ODBA,公式(4)计算VeDBA:
ODBA=DBAx+DBAy+DBAz (3)
(3)将奶牛的行为分为进食、反刍和其他行为三类;在数据表格中新建一列将奶牛的真实状态进行标注;其中,进食标为1,反刍标为2,其他行为标为3;
(4)按照每256组数据作为一个数据片段对数据集进行划分,以此作为最小处理单元;计算SMV的最小值、第一四分位数、中值、第三四分位数、最大值、均值、均方根、标准差、平均绝对偏差,三轴任意两轴的相关系数,ODBA和VeDBA的最小值、第一四分位数、中值、第三四分位数、最大值、均值、均方根、标准差、平均绝对偏差等30个特征作为时域特征;将数据片段的SMV做快速傅里叶变换,计算信号的频谱能量和直流分量,作为频域特征;
(5)使用PCA主成分分析对特征进行降维,由原来的32位降为6维;
(6)对数据集进行基于标准差的标准化;
(7)使用“leave-one-out”的交叉验证的方法,即第一次计算将其中四头奶牛的数据作为训练集,剩下一头奶牛的数据作为验证集;第二次计算将与前一次不完全相同的四头奶牛的数据作为训练集,同样将剩下的奶牛的数据作为验证集;以此类推,直到所有的五种情况均被计算完成,最后取五个结果的平均值作为分类的最终结果,形成识别奶牛进食和反刍的模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911196967.0A CN110720928A (zh) | 2019-11-29 | 2019-11-29 | 一种基于三轴加速度的奶牛进食和反刍识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911196967.0A CN110720928A (zh) | 2019-11-29 | 2019-11-29 | 一种基于三轴加速度的奶牛进食和反刍识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110720928A true CN110720928A (zh) | 2020-01-24 |
Family
ID=69225853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911196967.0A Pending CN110720928A (zh) | 2019-11-29 | 2019-11-29 | 一种基于三轴加速度的奶牛进食和反刍识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110720928A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113608860A (zh) * | 2021-06-08 | 2021-11-05 | 东北农业大学 | 一种基于边缘计算的奶牛实时反刍行为识别方法 |
CN114208714A (zh) * | 2021-12-01 | 2022-03-22 | 中国科学院亚热带农业生态研究所 | 一种项圈式可佩戴的奶牛反刍行为监测装置 |
CN117322358A (zh) * | 2023-09-11 | 2024-01-02 | 东北农业大学 | 基于超宽带与惯性测量单元的奶牛行为识别的数字孪生系统及其数字孪生方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205813178U (zh) * | 2016-04-29 | 2016-12-21 | 内蒙古牧野昕光信息技术有限公司 | 一种反刍动物的反刍信息采集装置和系统 |
JP2017051146A (ja) * | 2015-09-10 | 2017-03-16 | 国立大学法人岩手大学 | 反芻動物の行動分析方法及び行動分析装置 |
-
2019
- 2019-11-29 CN CN201911196967.0A patent/CN110720928A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017051146A (ja) * | 2015-09-10 | 2017-03-16 | 国立大学法人岩手大学 | 反芻動物の行動分析方法及び行動分析装置 |
CN205813178U (zh) * | 2016-04-29 | 2016-12-21 | 内蒙古牧野昕光信息技术有限公司 | 一种反刍动物的反刍信息采集装置和系统 |
Non-Patent Citations (1)
Title |
---|
WEIZHENG SHEN ETC AL: "automatic recognition of ingestive-related behaviors of dairy cows based on triaxial acceleration", ELSEVIER * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113608860A (zh) * | 2021-06-08 | 2021-11-05 | 东北农业大学 | 一种基于边缘计算的奶牛实时反刍行为识别方法 |
CN113608860B (zh) * | 2021-06-08 | 2024-02-27 | 东北农业大学 | 一种基于边缘计算的奶牛实时反刍行为识别方法 |
CN114208714A (zh) * | 2021-12-01 | 2022-03-22 | 中国科学院亚热带农业生态研究所 | 一种项圈式可佩戴的奶牛反刍行为监测装置 |
CN117322358A (zh) * | 2023-09-11 | 2024-01-02 | 东北农业大学 | 基于超宽带与惯性测量单元的奶牛行为识别的数字孪生系统及其数字孪生方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shen et al. | Automatic recognition of ingestive-related behaviors of dairy cows based on triaxial acceleration | |
CN110720928A (zh) | 一种基于三轴加速度的奶牛进食和反刍识别方法 | |
Alvarenga et al. | Using a three-axis accelerometer to identify and classify sheep behaviour at pasture | |
CN106847262A (zh) | 一种猪呼吸道疾病自动识别报警方法 | |
CN105336331A (zh) | 基于声音的猪异常行为智能监测方法及智能监测系统 | |
CN110169374B (zh) | 一种奶牛采食行为与采食量的可穿戴监测装置及监测系统 | |
TW201336475A (zh) | 擁有即時學習機制之癲癇發作預測方法、模組及裝置 | |
CN103914732A (zh) | 一种反刍动物反刍与吞咽次数的音频识别算法 | |
Tian et al. | Real-time behavioral recognition in dairy cows based on geomagnetism and acceleration information | |
CN113947734A (zh) | 一种猪只体征信息采集方法及系统 | |
Yin et al. | Estrus detection in dairy cows from acceleration data using self-learning classification models. | |
CN113397494A (zh) | 动物体征监测装置和方法及智能可穿戴装置 | |
Delay et al. | Non invasive wearable device for fetal movement detection | |
CN108605860A (zh) | 牲畜咀嚼检测装置及智能牧场管理系统 | |
Rau et al. | Developments on real-time monitoring of grazing cattle feeding behavior using sound | |
Shen et al. | Automatic recognition method of cow ruminating behaviour based on edge computing | |
CN107410082A (zh) | 基于反刍动物鼻羁压力变化的反刍识别方法 | |
CN111916096B (zh) | 一种基于树莓派的藏羊牧食行为监测方法 | |
CN110624217A (zh) | 一种基于多传感器融合的复健手套及其实现方法 | |
CN115683294A (zh) | 一种牛的动态称重系统及方法 | |
Shen et al. | The Design of System about Cow Activity Based on SVM | |
CN203408040U (zh) | 用于畜禽及宠物无线体温及心率实时测量的固定装置 | |
CN108719122B (zh) | 牲畜咀嚼分析方法、装置及电子设备 | |
Hou et al. | Study on individual behavior of dairy cows based on activity data and clustering | |
Wang et al. | Recognition and analysis of ruminating behavior of dairy cows based on wearable device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200124 |
|
WD01 | Invention patent application deemed withdrawn after publication |