CN111916096B - 一种基于树莓派的藏羊牧食行为监测方法 - Google Patents

Abstract

一种基于树莓派的藏羊牧食行为监测方法，解决了藏羊牧食行为的实时监测问题。其实现步骤是：(1)树莓派实时读取藏羊牧食行为监测设备中的声音传感器及薄膜压力传感器数据；(2)将声音数据进行分割并自动识别为采食啃咬声、采食咀嚼声、食团回流声、反刍咀嚼声(3)树莓派每δ时间间隔将藏羊采食量及反刍次数值通过无线通信链路传输至上位机服务器，上位机服务器接收树莓派发送的采食量及反刍次数值并记录在藏羊牧食行为数据库中；(4)上位机服务器对藏羊采食量与反刍次数信息进行保存与分析，对藏羊健康状况进行判断，当藏羊被判断为非健康状态时，上位机服务器将该藏羊编号以短信方式发送至羊场管理员手机。

Description

一种基于树莓派的藏羊牧食行为监测方法

技术领域

本发明涉及藏羊声学监测、树莓派技术、传感器技术、无线传输技术、自动化控制技术领域。具体讲一种基于智能穿戴设备实时采集、分析放牧式藏羊采食期间咀嚼与反刍，从而进一步得到羊只日采食量与日反刍次数的方法，此方法可对藏羊健康状况进行提前预警。

背景技术

藏羊采食量与反刍次数的精准监测是制定藏羊良好营养方案及提前规划放牧草场的基础，也是提前预判其健康状况的基础，由于在放牧采食情况下藏羊的活动范围广，采用一般的方法难以监测他们的采食量与反刍次数。

藏羊采用放牧式采食，现今不能准确对羊群日采食量进行准确估计，导致部分草场采食严重，对草原造成不可逆转的破坏。

目前无线通信及传感器技术已经在农业生产领域得到广泛应用。设计基于树莓派的牧食行为监测设备对藏羊牧食信息进行实时采集，在无线通信技术的支撑下，可以远程采集藏羊在放牧状态下的音频数据，利用音频处理技术自动提取藏羊采食咀嚼信息，结合已训练模型可以实现藏羊采食量估算。

反刍是藏羊的一个重要的消化生理特征，它与藏羊的健康和生产性能都有一定关系，是衡量藏羊健康状况的一个重要指标；反刍是指反刍动物在食物消化前将食进的食物再逆出、咀嚼，然后吞咽的连续动作，藏羊在患病时，日反刍次数减少，甚至不反刍，通过监测反刍次数，可以对藏羊健康状况进行早期预警。

树莓派是尺寸只有信用卡大小的一个小型电脑，具有完整的操作系统，且自带的接口比较全面，内置芯片处理信号速度较快，适合作为动物穿戴式设备的数据处理装置。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是实现放牧式藏羊采食量与反刍次数的精准监测，推动藏羊的福利化、精细化养殖。

(二)本发明的技术方案是

为解决上述问题，本发明提出一种基于树莓派的藏羊牧食行为监测方法，其特征在于它包括以下步骤(S1至S5)：

S1、树莓派实时读取藏羊牧食行为监测设备中的三个声音传感器及一个薄膜压力传感器数据；

S2、设定树莓派运算时间间隔为δ，通过对牧食音频进行预处理、分割、分类、采食量估计，获得此段时间内藏羊的采食量与反刍次数；

步骤S2中，计算采食量与反刍次数的具体步骤为：

S2-1、导入并通过谱减法(MMSE)对δ时间间隔内的原始牧食音频信号进行预处理降噪，记第一声音传感器所采集音频信号为α₁，第二声音传感器所采集音频信号为α₂，第三声音传感器所采集音频信号为α₃，取α＝α₁-α₂-α₃作为纯净牧食音频；

S2-2、树莓派设置压力信号采样频率为sam₁，提取头戴装置的压力传感器数据并形成波形文件，根据压力数据变化特征对δ时间间隔内的纯净牧食音频进行分割；

S2-3、通过零填充与随机偏置的方法将所有分割出的音频片段置为相同时长d；

S2-4、提取时长为δ的音频片段信号的降维动态差分梅尔倒谱系数(PD-MFCC)；

步骤S2-4中，提取PD-MFCC的步骤包括：

S2-4-1、执行快速傅里叶变化(FFT)，将时域上的信号转化为频域上的能量分布；

S2-4-2、能量谱通过一组Mel尺度的三角形滤波器组进行平滑并消除谐波，三角滤波器的频率响应定义为：

式(1)中，

S2-4-3、计算每个滤波器组输出的对数能量为：

S2-4-4、经离散余弦变换(DCT)得到梅尔倒谱系数(MFCC)：

S2-4-5、提取MFCC动态差分参数(包括一阶差分和二阶差分)记为D-MFCC，差分参数的计算公式为：

式(4)中，d_t表示第t个一阶差分，C_t表示第t个倒谱系数；

S2-4-6、将MFCC与D-MFCC合并为一个矩阵，对此矩阵进行PCA降维，取累计贡献率在85％以上的特征向量构成PD-MFCC作为特征参数；

S2-5、通过2D卷积神经网络模型将藏羊咀嚼音频片段自动识别分类为采食啃咬声、采食咀嚼声、食团回流声、反刍咀嚼声四类，记食团回流开始至其所伴随的最后一次反刍咀嚼结束为一次完整反刍发生，统计反刍次数，利用基于回归分析方法建立的采食量估算模型处理采食咀嚼音频片段，估算δ时间间隔内藏羊采食量；

步骤S2-5中，采食量与反刍次数统计计算具体步骤为：

S2-5-1、识别开始；

S2-5-2、将样本数据集PD-MFCC参数输入至2D卷积神经网络模型，识别分类采食啃咬声、采食咀嚼声、食团回流声、反刍咀嚼声；

S2-5-3、记录食团回流、反刍咀嚼音频发生位置，记食团回流开始至其所伴随的最后一次反刍咀嚼结束为一次完整反刍发生，成功识别一次反刍发生记为“1”；

S2-5-4、一次计算完成后，统计δ时间间隔内“1”的个数，记为该时间段内藏羊反刍次数；

S2-5-5、提取采食咀嚼音频的行为度量与声学度量，其中，行为度量包括采食咀嚼次数和采食咀嚼总持续时间，声学度量包括采食咀嚼平均声强和咀嚼总能量密度，将采食咀嚼音频的行为度量与声学度量输入至采食量估算模型，获得δ时间间隔内藏羊采食量；

S3、树莓派以δ为周期，将前δ时间间隔内的藏羊采食量及反刍次数值通过无线通信链路传输至上位机服务器，上位机服务器接收树莓派发送的采食量及反刍次数值并记录在藏羊牧食行为数据库中；

S4、上位机服务器以24小时为周期，从数据库中提取前24小时内获取的采食量及反刍次数数据，形成采食量序列I与反刍次数序列R，I＝{i₁，i₂，i₃......i_n}，R＝{r₁，r₂，r₃.....r_n}，其中n＝24/δ，上位机服务器针对序列I与R计算藏羊在前24小时内的采食量与反刍次数；

S5、上位机服务器对藏羊采食量与反刍次数信息进行保存与分析，基于日采食量、日采食量变化百分比、日反刍次数、日反刍次数变化百分比建立逻辑回归方程对藏羊健康状况进行判断，当判断为非健康状态时，上位机服务器将羊只编号以短信方式发送至羊场管理员手机；

步骤S5中，利用逻辑回归分析方法处理日采食量、日采食量变化百分比、日反刍次数、日反刍次数变化百分比，进而评判藏羊健康状况，逻辑回归分析可以以多个解释变量为条件进行回归分析，逻辑回归的因变量只有0和1两种状态。

在本发明中，因变量为羊只是否存在潜在健康问题，其中0代表不健康，1代表健康。

自变量为日采食量、日采食量变化百分比、日反刍次数、日反刍次数变化百分比，故具体的：

S5-1、对于编号为k_j的藏羊，自变量的具体计算方法如下：

记编号为k_j的藏羊前N天日采食量均值为

其计算方式为：

羊只第N天日采食量变化百分比计算方式为：

记编号为k_j的藏羊前N天日反刍次数均值为

其计算方式为：

羊只第N天日反刍次数变化百分比计算方式为：

S5-2、利用逻辑回归方程处理上述自变量，引入Sigmoid函数，评判藏羊健康状况，其中Sigmoid函数公式如下：

其中，x_i为步骤S5-2计算出的四项参数，i＝1，2，3，4，θ_i为四项参数对应的系数，i＝1，2，3，4；所述θ₀和θ_i均通过藏羊健康与非健康采食量、反刍次数对比数据集输入式(9)训练得到；

当h_θ(x)＝0时，判断藏羊存在潜在健康问题，当h_θ(x)＝1时，判断藏羊为健康状态；

优选的，树莓派计算所得数据通过无线通讯技术传至上位机服务器进行数据储存于分析。

优选的，基于日采食量、日采食量变化百分比、日反刍次数、日反刍次数变化百分比建立逻辑回归方程对藏羊健康状况进行判断，当判断为非健康状态时，上位机服务器将羊只编号以短信方式发送至羊场管理员手机。

本发明的有益效果：

本发明可以对活动范围广的放牧式藏羊日采食量和日反刍次数信息进行实时监测，对判断为非健康状态的羊只进行预警，方便羊场工作人员及时对羊只进行针对性检查，判断其是否存在疾病发作前的预兆，及时进行喂药或者接种疫苗，避免损失。

本发明可以对活动范围广的放牧式藏羊采食量信息进行实时监测，计算羊场羊只日总采食量，对放牧草场进行提前规划，避免因过度放牧对草场造成的不可逆转的破坏。

本发明采用树莓派在本地对音频数据及咀嚼压力数据进行处理，减少了传输的数据量，使数据传输更加稳定，保证实时监测系统的工作效率。

附图说明

图1为本发明的工作流程图

图2为本发明工作流程图中信号传输/转换部分示意放大图

图3为本发明的头戴装置结构示意图

图4为本发明的身穿装置结构示意图

图5为本发明方法整体流程图

图6为本发明优化的MFCC(PD-MFCC)特征提取算法流程图

图7为本发明音频识别算法流程图

图8为藏羊一次完整反刍音频时域图

图9为本发明藏羊健康评判计算方法图

具体实施方式

下面结合附图和实施例，对本发明作进一步的说明。

如图3和图4所示，一种基于树莓派的放牧式藏羊牧食行为监测装置，该装置包括：

头戴装置，包括第一扁宽带(1)、第一插扣(2)、第一声音传感器模块(3)、薄膜压力传感器(4)、第二声音传感器模块(5)、第二扁宽带(6)、第二插扣(7)，所述第一扁宽带(1)固定于藏羊嘴部上方，通过第一插扣(2)对其尺寸进行调整以适合不同大小羊只，所述第一声音传感器模块(3)固定于第一扁宽带(1)内侧，贴近藏羊前额，采集通过骨传导得到的声音信号，所述薄膜压力传感器(4)固定于扁宽带内侧，贴近藏羊咀嚼肌，采集藏羊咀嚼肌压力信号，所述第二声音传感器模块(5)固定于扁宽带外侧，采集通过空气传播得到的声音信号。

身穿装置，包括鞍(8)、压力传感器电路模块(9)、AD模块(10)、第三声音传感器模块(11)、树莓派(12)、防水罩(13)、电源(14)、固定带(15)，所述电源(14)置于鞍(8)一侧为树莓派(12)供电，所述压力传感器电路模块(9)、AD模块(10)、树莓派(12)置于防水罩(13)中，所述压力传感器电路模块(9)将来自薄膜压力传感器(4)的电阻信号转换为电压信号，输出电压为：V₀＝R_ref*V_cc/(R)，其中V₀是输出电压，R是压力传感器的电阻，单位是千欧，V_cc是电源电压，R_ref是反馈电阻，单位是千欧，所述AD模块(10)将由压力传感器电路模块(9)所输出的电压模拟量转换为数字量输出至树莓派(12)中，所述第三声音传感器(11)模块固定于鞍上，采集相对于采食声音而言的环境噪声，所述树莓派(12)同时接收来自第一声音传感器(3)、第二声音传感器(5)、第三声音传感器(11)的音频数字量信号。

优选的，所述第一扁宽带(1)尺寸通过第一插扣(2)进行调节，以适应不同大小羊只。

优选的，第一声音传感器(3)、第二声音传感器(5)、第三声音传感器(11)与薄膜压力传感器(4)配合使用。

优选的，第一声音传感器模块(3)安装在藏羊前额，面向内，头骨放大口腔中产生的摄食声。

优选的，第一声音传感器(3)、第二声音传感器(5)、第三声音传感器(11)配合使用，第一声音传感器(3)安装在藏羊前额，面向内，采集通过藏羊头骨传播的牧食过程中口腔产生的啃咬声、咀嚼声及环境噪声，第二声音传感器(5)采集通过空气传播获得的藏羊啃咬声、咀嚼声与环境噪声，第三声音传感器(11)置于藏羊背部，采集环境噪声。

优选的，压力传感器电路模块(9)将来自薄膜压力传感器(4)的电阻信号转换为电压信号，AD模块(10)将由压力传感器电路模块(9)所输出的电压模拟量转换为数字量输出至树莓派(12)中。

优选的，树莓派以时间间隔δ为周期，对来自第一、第二、第三声音传感器的音频数字量信号及经由压力传感器电路模块、AD转换模块转换后的咀嚼压力数字量信号进行处理，自动识别分类为采食啃咬声、采食咀嚼声、食团回流声、反刍咀嚼声四类，记食团回流开始至其所伴随的最后一次反刍咀嚼结束为一次完整反刍发生，统计反刍次数，利用基于回归分析方法建立的采食量估算模型处理采食咀嚼音频片段，估算δ时间间隔内藏羊采食量。

优选的，压力传感器电路模块(9)、AD模块(10)、第三声音传感器模块(11)、树莓派(12)置于防水罩(13)中，避免恶劣天气对设备的影响。

基于本发明所述的基于树莓派的放牧式藏羊牧食行为监测设备，提供一种藏羊牧食行为监测方法，它包括以下步骤(S1至S5)：

S1、树莓派(12)实时读取藏羊牧食行为监测设备中的三个声音传感器(3、5、11)及一个薄膜压力传感器(4)数据；

S2、设定树莓派(12)运算时间间隔为δ，通过对牧食音频进行预处理、分割、分类、采食量估计，获得此段时间内藏羊的采食量与反刍次数；

步骤S2中，计算采食量与反刍次数的具体步骤为：

S2-1、导入并通过谱减法(MMSE)对δ时间间隔内的原始牧食音频信号进行预处理降噪，记第一声音传感器(3)所采集音频信号为α₁，第二声音传感器(5)所采集音频信号为α₂，第三声音传感器(11)所采集音频信号为α₃，取α＝α₁-α₂-α₃作为纯净牧食音频；

S2-2、树莓派(12)设置压力信号采样频率为sam₁，提取头戴装置的薄膜压力传感器(4)数据并形成波形文件，根据压力数据变化特征对δ时间间隔内的纯净牧食音频进行分割；

S2-3、通过零填充与随机偏置的方法将所有分割出的音频片段置为相同时长d；

S2-4、提取时长为δ的音频片段信号的降维动态差分梅尔倒谱系数(PD-MFCC)；

步骤S2-4中，提取PD-MFCC的步骤包括：

S2-4-1、执行快速傅里叶变化(FFT)，将时域上的信号转化为频域上的能量分布；

S2-4-2、能量谱通过一组Mel尺度的三角形滤波器组进行平滑并消除谐波，三角滤波器的频率响应定义为：

式(1)中，

S2-4-3、计算每个滤波器组输出的对数能量为：

S2-4-4、经离散余弦变换(DCT)得到梅尔倒谱系数(MFCC)：

S2-4-5、提取MFCC动态差分参数(包括一阶差分和二阶差分)，记为D-MFCC，差分参数的计算公式为：

式(4)中，d_t表示第t个一阶差分，C_t表示第t个倒谱系数；

S2-4-6、将MFCC与D-MFCC合并为一个矩阵，对此矩阵进行PCA降维，取累计贡献率在85％以上的特征向量构成PD-MFCC作为特征参数；

S2-5、通过2D卷积神经网络模型将藏羊咀嚼音频片段自动识别分类为采食啃咬声、采食咀嚼声、食团回流声、反刍咀嚼声四类，记食团回流开始至其所伴随的最后一次反刍咀嚼结束为一次完整反刍发生，统计反刍次数，利用基于回归分析方法建立的采食量估算模型处理采食咀嚼音频片段，估算δ时间间隔内藏羊采食量；

步骤S2-5中，采食量与反刍次数统计计算具体步骤为：

S2-5-1、识别开始；

S2-5-2、将样本数据集PD-MFCC参数输入至2D卷积神经网络模型，识别分类采食啃咬声、采食咀嚼声、食团回流声、反刍咀嚼声；

S2-5-3、记录食团回流、反刍咀嚼音频发生位置，记食团回流开始至其所伴随的最后一次反刍咀嚼结束为一次完整反刍发生，成功识别一次反刍发生记为“1”；

S2-5-4、一次计算完成后，统计δ时间间隔内“1”的个数，记为该时间段内藏羊反刍次数；

S2-5-5、提取采食咀嚼音频的行为度量与声学度量，其中，行为度量包括采食咀嚼次数和采食咀嚼总持续时间，声学度量包括采食咀嚼平均声强和咀嚼总能量密度，将采食咀嚼音频的行为度量与声学度量输入至采食量估算模型，获得δ时间间隔内藏羊采食量；

S3、树莓派(12)以δ为周期，将前δ时间间隔内的藏羊采食量及反刍次数值通过无线通信链路传输至上位机服务器，上位机服务器接收树莓派发送的采食量及反刍次数值并记录在藏羊牧食行为数据库中；

S4、上位机服务器以24小时为周期，从数据库中提取前24小时内获取的采食量及反刍次数数据，形成采食量序列I与反刍次数序列R，I＝{i₁，i₂，i₃....i_n}，R＝{r₁，r₂，r₃......r_n}，其中n＝24/δ，上位机服务器针对序列I与R计算藏羊在前24小时内的采食量与反刍次数；

S5、上位机服务器对藏羊采食量与反刍次数信息进行保存与分析，基于日采食量、日采食量变化百分比、日反刍次数、日反刍次数变化百分比建立逻辑回归方程对藏羊健康状况进行判断，当判断为非健康状态时，上位机服务器将羊只编号以短信方式发送至羊场管理员手机；

步骤S5中，利用逻辑回归分析方法处理日采食量、日采食量变化百分比、日反刍次数、日反刍次数变化百分比，进而评判藏羊健康状况，逻辑回归分析可以以多个解释变量为条件进行回归分析，逻辑回归的因变量只有0和1两种状态。

在本发明中，因变量为羊只是否存在潜在健康问题，其中0代表不健康，1代表健康。

自变量为日采食量、日采食量变化百分比、日反刍次数、日反刍次数变化百分比，故具体的：

S5-1、对于编号为kj的藏羊，自变量的具体计算方法如下：

记编号为kj的藏羊前N天日采食量均值为

其计算方式为：

羊只第N天日采食量变化百分比计算方式为：

记编号为kj的藏羊前N天日反刍次数均值为

其计算方式为：

羊只第N天日反刍次数变化百分比计算方式为：

S5-2、利用逻辑回归方程处理上述自变量，引入Sigmoid函数，评判藏羊健康状况，其中，Sigmoid函数公式如下：

其中，x_i为步骤S5-2计算出的四项参数，i＝1，2，3，4，θ_i为四项参数对应的系数，i＝1，2，3，4；所述θ₀和θ_i均通过藏羊健康与非健康采食反刍次数对比数据集，输入式(9)训练得到；

当h_θ(x)＝0时，判断藏羊存在潜在健康问题，当h_θ(x)＝1时，判断藏羊为健康状态；

优选的，树莓派(12)以时间间隔δ为周期，将处理得到的藏羊采食量及反刍次数数据通过无线通信链路发送到上位机服务器，上位机服务器将收到的藏羊采食量及反刍次数数据存入藏羊牧食行为监测数据库；

优选的，基于日采食量、日采食量变化百分比、日反刍次数、日反刍次数变化百分比建立逻辑回归方程对藏羊健康状况进行判断，当判断为非健康状态时，上位机服务器将羊只编号以手机短信方式发送至羊场管理员手机。

Claims (4)

1.一种基于树莓派的藏羊牧食行为监测方法，其特征在于它包括以下步骤：

S1、树莓派实时读取藏羊牧食行为监测设备中的三个声音传感器及一个薄膜压力传感器数据；

S2、设定树莓派运算时间间隔为δ，通过对藏羊牧食音频进行预处理、分割、分类、采食量估计、反刍判定步骤，获得此段时间内藏羊的采食量和反刍次数；

步骤S2中，计算采食量与反刍次数的具体步骤为：

S2-1、导入并通过谱减法MMSE对δ时间间隔内的原始牧食音频信号进行预处理降噪，记第一声音传感器模块所采集音频信号为α₁，第二声音传感器模块所采集音频信号为α₂，第三声音传感器模块所采集音频信号为α₃，取α＝α₁-α₂-α₃作为纯净牧食音频；

S2-2、树莓派设置压力信号采样频率为sam₁，提取头戴装置的薄膜压力传感器数据并形成波形文件，根据压力数据变化特征对δ时间间隔内的纯净牧食音频进行分割；

S2-3、通过零填充与随机偏置的方法将所有分割出的音频片段置为相同时长d；

S2-4、提取时长为d的音频片段信号的降维动态差分梅尔倒谱系数PD-MFCC；

步骤S2-4中，提取PD-MFCC的步骤包括：

S2-4-1、执行快速傅里叶变换FFT，将时域上的音频信号转化为频域上的能量分布；

S2-4-2、能量谱通过一组Mel尺度的三角形滤波器组进行平滑并消除谐波，三角滤波器的频率响应定义为：

式(1)中，

S2-4-3、计算每个滤波器组输出的对数能量为：

S2-4-4、经离散余弦变换DCT得到梅尔倒谱系数MFCC：

S2-4-5、提取包括一阶差分和二阶差分的MFCC动态差分参数,记该动态差分参数为D-MFCC，差分参数的计算公式为：

式(4)中，d_t表示第t个一阶差分，C_t表示第t个倒谱系数；

S2-4-6、将MFCC与D-MFCC合并为一个矩阵，对此矩阵进行PCA降维，取累计贡献率在85％以上的特征向量构成PD-MFCC作为特征参数；

S2-5、通过2D卷积神经网络模型将音频片段自动识别分类为采食啃咬声、采食咀嚼声、食团回流声、反刍咀嚼声四类，记食团回流开始至其所伴随的最后一次反刍咀嚼结束为一次完整反刍发生，统计反刍次数，利用基于回归分析方法建立的采食量估算模型处理采食咀嚼音频片段，估算δ时间间隔内藏羊采食量；

步骤S2-5中，采食量估算与反刍次数统计计算具体步骤为：

S2-5-1、识别开始；

S2-5-2、将样本数据集PD-MFCC参数输入至2D卷积神经网络模型，识别分类采食啃咬声、采食咀嚼声、食团回流声、反刍咀嚼声；

S2-5-3、记录食团回流、反刍咀嚼音频发生位置，记食团回流开始至其所伴随的最后一次反刍咀嚼结束为一次完整反刍发生，成功识别一次反刍发生记为“1”；

S2-5-4、一次计算完成后，统计δ时间间隔内“1”的个数，记为该时间段内藏羊反刍次数；

S2-5-5、提取采食咀嚼音频的行为度量与声学度量，其中，行为度量包括采食咀嚼次数和采食咀嚼总持续时间，声学度量包括采食咀嚼平均声强和咀嚼总能量密度，将采食咀嚼音频的行为度量与声学度量输入至采食量估算模型，获得δ时间间隔内藏羊采食量；

S3、树莓派以δ为周期，将前δ时间间隔内的藏羊采食量及反刍次数值通过无线通信链路传输至上位机服务器，上位机服务器接收树莓派发送的采食量及反刍次数值并记录在藏羊牧食行为数据库中；

S4、上位机服务器以24小时为周期，从数据库中提取前24小时内获取的采食量及反刍次数数据，形成采食量序列I与反刍次数序列R，其中，I＝{i₁，i₂，i₃……i_n}，R＝{r₁，r₂，r₃……r_n}n＝24/δ，上位机服务器针对序列I与R计算藏羊在前24小时内的采食量与反刍次数；

S5、上位机服务器对藏羊采食量与反刍次数信息进行保存与分析，基于日采食量、日采食量变化百分比、日反刍次数、日反刍次数变化百分比建立逻辑回归方程对藏羊健康状况进行判断，当藏羊被判断为非健康状态时，上位机服务器将该藏羊编号以短信方式发送至羊场管理员手机。

2.根据权利要求1所述的一种基于树莓派的藏羊牧食行为监测方法，其特征在于步骤S5中，利用逻辑回归分析方法处理日采食量、日采食量变化百分比、日反刍次数、日反刍次数变化百分比，进而评判藏羊健康状况，逻辑回归分析的自变量为日采食量、日采食量变化百分比、日反刍次数、日反刍次数变化百分比，对于编号为k_j的藏羊，自变量的具体计算方法如下：

(i)记编号为k_j的藏羊前N天日采食量均值为

其计算方式为：

(ii)羊只第N天日采食量相对变化百分比计算方式为：

(iii)记编号为k_j的藏羊前N天日反刍次数均值为

其计算方式为：

(iv)羊只第N天日反刍次数相对变化百分比计算方式为：

利用逻辑回归方程处理上述自变量，引入Sigmoid函数，评判藏羊健康状况，其中，Sigmoid函数公式如下：

其中，x_i为步骤S5计算出的四项参数，i＝1,2,3,4，x₁、x₂、x₃、x₄分别表示日采食量、日采食量变化百分比、日反刍次数、日反刍次数变化百分比，θ_i为四项参数对应的系数，i＝1,2,3,4；所述θ₀和θ_i均通过藏羊健康与非健康采食量、反刍次数对比数据集输入式(9)训练得到。

3.根据权利要求2所述的一种基于树莓派的藏羊牧食行为监测方法，其特征在于当h_θ(x)＝0时，判断藏羊存在潜在健康问题，当h_θ(x)＝1时，判断藏羊为健康状态。

4.根据权利要求1所述的一种基于树莓派的藏羊牧食行为监测方法，其特征在于树莓派计算所得数据通过无线通讯技术传至上位机服务器进行数据储存与分析。

Images