基于深度信念网络的湖羊维持行为识别

发布时间：2022-12-25 09:56

　　为提升湖羊的福利化养殖水平和推动动物福利事业健康发展,提出了基于深度信念网络（Deep Belief Network,DBN）的湖羊维持行为识别方法。挑选6只湖羊佩戴装有姿态传感器的颈环,经数据采集和整理,构建了包括58 680个样本的湖羊维持行为数据集,记录了湖羊卧息、采食、饮水、反刍4种维持行为,结合错误率和重构误差两项评价指标,构建了逐层贪婪二次划分算法的DBN识别模型,经训练后,在测试集上与传统的BP神经网络（BPNN）、随机森林（RF）、支持向量机（SVM）模型进行对比分析,同时对湖羊进行分组识别对比分析,结果表明:本文方法明显优于其他三种方法,4种维持行为的平均识别精度和灵敏度分别为0.991 6和0.991 5,验证了该方法在湖羊维持行为识别上的有效性。本研究结果可为湖羊的福利化养殖、行为学研究、异常行为识别及疾病预警提供技术支持。 

【文章页数】：7 页

【文章目录】：
1 湖羊行为特征采集
    1.1 基于姿态传感器的湖羊行为特征采集
    1.2 实验数据获取方法
2 基于DBN的湖羊维持行为识别
    2.1 湖羊维持行为识别体系结构
    2.2 数据集预处理
    2.3 基于DBN的维持行为识别模型
    2.4 模型构建与参数训练
3 实验与结果分析
    3.1 DBN结构
    3.2 维持行为识别有效性检验
4 结论


【参考文献】：
期刊论文
[1]基于卷积神经网络的玉米品种识别[J]. 徐岩,刘林,李中远,高照,李晓振.  江苏农业学报. 2020(01)
[2]基于改进DBN的发电机旋转整流器故障特征提取技术[J]. 崔江,郭瑞东,张卓然,王莉,孟飒飒.  中国电机工程学报. 2020(07)
[3]基于集成深度置信网络的精细化电力系统暂态稳定评估[J]. 李宝琴,吴俊勇,邵美阳,张若愚,郝亮亮.  电力系统自动化. 2020(06)
[4]基于支持向量机分类模型的奶牛行为识别方法[J]. 任晓惠,刘刚,张淼,司永胜,张馨月,马丽.  农业机械学报. 2019(S1)
[5]基于深度信念网络的高维传感器数据异常检测算法[J]. 金鹏,夏晓峰,乔焰,崔信红.  传感技术学报. 2019(06)
[6]计算机视觉技术在猪行为识别中应用的研究进展[J]. 李丹,陈一飞,李行健,蒲东.  中国农业科技导报. 2019(07)
[7]基于性能改善深度信念网络的棉花病虫害预测方法[J]. 王献锋,丁军,朱义海.  浙江农业学报. 2018(10)
[8]基于最优二叉决策树分类模型的奶牛运动行为识别[J]. 王俊,张海洋,赵凯旋,刘刚.  农业工程学报. 2018(18)
[9]支持向量机在舍饲肉牛反刍行为分析中的应用[J]. 陈春玲,杨天娇,郭雷,郭宇峰,周雅婷,刘栋.  沈阳农业大学学报. 2017(06)
[10]基于融合图像与运动量的奶牛行为识别方法[J]. 顾静秋,王志海,高荣华,吴华瑞.  农业机械学报. 2017(06)



本文编号：3726391