牛行为监测技术及分类方法研究进展

发布时间：2021-03-08 16:42

　　综述了声音监测技术、机器视觉技术、无线传感网络技术在牛行为监测的研究与应用现状,分析了支持向量机（SVM）、K均值聚类（K-means）、人工神经网络（ANNs）等3种牛行为识别分类算法的优缺点,结果表明:（1）机器视觉技术具有无接触的识别,不外带装置,可以对动物行为进行识别,对牛活动影响小,但对图像视频环境要求苛刻,动物行为识别精准度不高;（2）无线传感器技术应用广、技术成熟,可以监测畜禽采食、反刍、休息、活动等行为,但适合动物穿戴、长期可靠工作的无线网络传感器技术有待突破;（3）支持向量机计算简单,理论完善,所需样本数据少,且识别精度高,分类效果好。人工神经网络算法的学习规则简单,非线性拟合能力较强,但数据不足易出现运算时间长、过学习、容易陷入局部最小值等情况。 

【文章来源】：江西农业学报. 2020,32(11)

【文章页数】：7 页

【文章目录】：
1 行为监测技术
    1.1 声音监测技术
    1.2 机器视觉技术
    1.3 无线传感器网络技术
2 行为分类方法
    2.1 K均值聚类算法
    2.2 支持向量机算法
    2.3 人工神经网络算法
3 讨论及展望
    3.1 讨论
        （1）声音监测技术。
        （2）机器视觉监测技术。
        （3）无线传感器网络技术。
        （4）牛行为分类算法。
        （5）多传感器信息融合。
    3.2 展望
4 结论



本文编号：3071336