基于智能项圈的畜牧健康诊断算法的研究

发布时间：2024-06-16 07:40

　　牲畜的健康状况与牧场的经济效益息息相关。传统对牲畜的健康监测依旧依靠人为判断,随着养殖规模的扩大与现代畜牧兽医复合型人才的稀缺,这样的方式已不再适用。因此实现对牲畜体征参数的自动化监测是畜牧业未来的发展方向。为了能够准确地对牲畜的健康状况进行判断,本文基于智能项圈,研究并设计了面向牲畜的畜牧健康诊断算法,可为养殖者的决策提供一定程度上的参考。论文的主要工作内容如下:首先,通过研究牲畜在生理状态发生改变时体征参数的变化规律,决定将牲畜的体温、反刍时间与运动量作为特征参数,分别运用基于最小二乘法的线性回归算法、峰值检测算法与K-means聚类算法对原始数据进行提取与校正,将得到的结果作为健康诊断算法的输入。其次,构建了基于SVM支持向量机的畜牧健康诊断模型,通过试验对比了不同归一化方式下与不同核函数下的测试集预测分类准确率,最终确定了对数据进行[0,1]上归一化处理并建立了基于线性核函数的SVM诊断模型。为了更好提高分类器的性能,采用了CV的方式对惩罚参数C与核函数参数g进行了优化,使测试集预测分类准确率有了明显的提升。最后,设计并搭建了基于STM32的硬件测试平台并对其进行了测试以保证其...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 国外技术发展现状
        1.2.2 国内技术发展现状
        1.2.3 国内外技术现状综述
    1.3 课题研究内容
第2章 牲畜体征参数的提取与校正
    2.1 牲畜健康相关体征变化分析
        2.1.1 反刍时间与牲畜健康状态的关系
        2.1.2 体温与牲畜健康状态的关系
        2.1.3 运动量与牲畜健康状态的关系
    2.2 健康特征向量的提取与校正
        2.2.1 体表温度校正算法的实现
        2.2.2 牲畜反刍时间提取算法的实现
        2.2.3 牲畜运动状态分类算法的实现
    2.3 本章小结
第3章 畜牧健康诊断算法的研究
    3.1 SVM支持向量机概述
        3.1.1 线性可分支持向量分类机
        3.1.2 非线性可分支持向量分类机
        3.1.3 核函数
    3.2 健康诊断算法的建立
        3.2.1 二分类支持向量机
        3.2.2 归一化处理
        3.2.3 诊断模型的建立
    3.3 SVM的参数优化
        3.3.1 CV方法概况
        3.3.2 交叉验证选择最佳参数C&g
    3.4 本章小结
第4章 算法的测试与分析
    4.1 硬件平台的搭建
        4.1.1 数据采集
        4.1.2 数据传输
        4.1.3 上位机软件
    4.2 硬件平台的测试
        4.2.1 MPU6050模块功能测试
        4.2.2 Micro SD卡模块功能测试
        4.2.3 NB-IoT无线通信模组的功能测试
        4.2.4 上位机软件功能测试
    4.3 畜牧健康诊断算法的功能测试
        4.3.1 体温矫正算法的测试
        4.3.2 反刍时间提取算法的测试
        4.3.3 运动状态分类算法的测试
        4.3.4 健康诊断算法的测试
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：3995091