基于IMU的细粒度奶牛行为判别

文献类型： 中文期刊

第一作者： 程国栋

作者： 程国栋;吴建寨;邢丽玮;朱孟帅;张建华;韩书庆

作者机构：

关键词： 奶牛;行为判别;卷积神经网络;IMU

期刊名称： 中国农业大学学报

ISSN： 1007-4333

年卷期： 2022 年 27 卷 004 期

页码： 179-186

收录情况： 北大核心 ; CSCD

摘要： 针对奶牛行为判别自动化水平不足、准确率低的问题,采用惯性测量单元(IMU)和卷积神经网络(CNN),对细粒度奶牛行为判别进行研究.结果表明:1)在KNN、SVM、BPNN、CNN和LSTM 5个模型中,CNN模型在奶牛行为分类测试集上的准确率最高.2)含有三轴加速度计、陀螺仪和磁力计的IMU更加适用于奶牛行为分类,其分类效果优于含一种传感器的IMU.3)传感器频率与分类模型的性能相关,频率越高,正确率越高,当传感器频率设置为25 Hz时,奶牛行为判别效果最好.4)在1、2和4 s这3种时间窗中,使用4 s时间窗的奶牛行为分类模型性能最好.5)采用最优配置时,卷积神经网络模型能够有效的判别奶牛站立、躺卧2种状态,正确率为99%;可以对奶牛卷食、咀嚼、站立反刍、躺卧反刍、躺卧休息、站立休息6类行为进行判别,正确率为85%.采用IMU和卷积神经网络算法,可以有效的对细粒度奶牛行为进行判别,为奶牛养殖的自动化、智能化管理提供支撑.

分类号： S24

  • 相关文献
作者其他论文 更多>>

微信小程序