基于鼻羁压力的奶牛反刍识别方法研究

发布时间：2023-04-17 01:00

　　反刍是反刍动物将植物资源转化为动物资源的重要行为,并且反映了动物的生理健康及福利水平。疾病、产犊、发情、日粮颗粒、应激反应等都会影响反刍行为的时长,因此可以通过监测反刍行为的变化来反馈动物的生理健康及福利水平。传统的人工监测方法耗时费力,效率不高,随着养殖规模的扩大和精准畜牧业研究的深入,对反刍自动监测系统的需求也日益增加。为了实现反刍行为的自动监测,本文以压力传感器为核心器件,设计了一套奶牛鼻羁压力信号获取设备。通过分析鼻羁压力信号的特点,选取短时能量、标准差、形状指数、均方根包络和极值包络作为鼻羁压力信号的时域特征,选取周期图法频谱、多窗口法频谱和最大熵法频谱作为鼻羁压力信号的频域特征,并利用经验模态分解获取了鼻羁压力信号的本征模态函数。采用Kruskal-Wallis检验方法分别计算各类特征参数之间的区分度,在不影响模型识别准确率的前提下,对9类特征参数进行优化,利用BP神经网络模型验证对识别准确率贡献小的参数,并将相应特征参数剔除。验证结果表明可以将区分度小的参数去掉,并且不影响识别结果,这就有效的去除了冗余参数。完成特征参数的优化后,分别利用BP神经网络、极限学习机和决策树分...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
英文摘要
1 前言
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 技术路线与主要研究内容
2 反刍监测系统总体设计
    2.1 系统整体架构设计
    2.2 鼻羁压力信号采集系统功能介绍
    2.3 无线数据传输层设计
        2.3.1 无线数据传输协议介绍
        2.3.2 无线传输网络拓扑结构
    2.4 反刍监控软件功能设计
    2.5 本章小结
3 鼻羁压力信号的采集与处理
    3.1 试验对象及反刍信息采集方法
    3.2 鼻羁压力信号处理分析
        3.2.1 鼻羁压力信号预处理
        3.2.2 鼻羁压力信号特点分析
    3.3 反刍鼻羁压力信号特征参数提取
        3.3.1 时域特征提取
        3.3.2 频域特征提取
        3.3.3 经验模态分解
    3.4 反刍鼻羁压力信号特征参数优化
        3.4.1 BP神经网络分类模型
        3.4.2 时域特征优化
        3.4.3 频域特征优化
        3.4.4 特征参数优化效果分析
    3.5 本章小结
4 反刍主要参数识别模型构建
    4.1 基于BP神经网络的反刍鼻羁压力信号识别
    4.2 基于极限学习机的反刍鼻羁压力信号识别
        4.2.1 极限学习机学习步骤
        4.2.2 基于极限学习机的反刍识别效果
    4.3 基于决策树的反刍鼻羁压力信号识别
        4.3.1 决策树学习步骤
        4.3.2 基于决策树的反刍识别效果
    4.4 反刍主要参数识别模型构建
        4.4.1 最佳反刍识别模型选择
        4.4.2 反刍主要参数识别模型
    4.5 本章小结
5 反刍监测系统测试及试验验证
    5.1 试验对象及反刍信息采集
    5.2 基于鼻羁压力的反刍识别算法性能分析
    5.3 本章小结
6 结论与展望
致谢
参考文献
攻读硕士学位期间发表的学术论文



本文编号：3792243