奶牛發(fā)情識(shí)別是奶牛場(chǎng)生產(chǎn)活動(dòng)中的重要組成部分,直接關(guān)系到奶農(nóng)的經(jīng)濟(jì)效益,而現(xiàn)有的奶牛發(fā)情識(shí)別方法存在效率低、時(shí)效性差、準(zhǔn)確率低等問(wèn)題。針對(duì)這些問(wèn)題,基于大數(shù)據(jù)實(shí)時(shí)流式框架Storm設(shè)計(jì)并實(shí)現(xiàn)了奶牛發(fā)情實(shí)時(shí)監(jiān)測(cè)系統(tǒng)。利用阿菲金二代計(jì)步器獲取奶牛體征參數(shù),通過(guò)無(wú)線局域網(wǎng)傳輸?shù)椒⻊?wù)器,采用基于Storm的實(shí)時(shí)流式框架進(jìn)行處理,Java Web對(duì)處理后的體征參數(shù)可視化展示;以2 h作為單個(gè)時(shí)間片,6 h作為一個(gè)情期顯著滑動(dòng)窗口,選取窗口內(nèi)連續(xù)3個(gè)時(shí)間片單元的步數(shù)s1、s2、s3、累積靜臥時(shí)間t1、累積起臥次數(shù)b和累積站立時(shí)間t2為特征向量,建立了基于Storm的奶牛發(fā)情SVM預(yù)測(cè)模型。測(cè)試結(jié)果表明,設(shè)計(jì)的系統(tǒng)平均延遲在2 s內(nèi),平均準(zhǔn)確率在98.9%以上,奶牛發(fā)情預(yù)測(cè)準(zhǔn)確率為85.71%,奶牛發(fā)情預(yù)測(cè)周期縮短為6 h。該系統(tǒng)為奶牛發(fā)情預(yù)測(cè)提供了有效工具,對(duì)其他大型動(dòng)物的監(jiān)測(cè)也具有一定的指導(dǎo)意義。 

【文章來(lái)源】：中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào). 2018,20(12)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

奶牛發(fā)情實(shí)時(shí)監(jiān)測(cè)系統(tǒng)Fig．1Ｒeal-timemonitoringsystemforcowestrus．

問(wèn)??夜ぷ?穩(wěn)定、防水防污性能好，使用時(shí)間長(zhǎng)(3～5年)，故選擇AfiTagⅡ采集奶�；顒�(dòng)量數(shù)據(jù)。在裝有計(jì)步器奶牛所在的運(yùn)動(dòng)場(chǎng)附近裝有阿菲金數(shù)據(jù)接收器(reader)，該數(shù)據(jù)接收器每15min掃描一次，接收AfiTagⅡ采集的數(shù)據(jù)(無(wú)墻阻隔接收數(shù)據(jù)直徑200m)，實(shí)時(shí)記錄每小時(shí)奶�；顒�(dòng)量與躺臥次數(shù)與躺臥時(shí)長(zhǎng)。1．3數(shù)據(jù)傳輸設(shè)計(jì)考慮到奶牛場(chǎng)面積較大，遠(yuǎn)程傳輸會(huì)出現(xiàn)失效重傳、丟包等問(wèn)題，故采用二級(jí)天線橋接組建無(wú)線局域網(wǎng)，保證數(shù)據(jù)傳輸?shù)母呖煽啃耘c低延遲性，數(shù)據(jù)傳輸網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2所示。圖2數(shù)據(jù)傳輸?shù)木W(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig．2Topologystructureofdatatransmission．Ｒeader附近安裝有TP-LINKTL-BS210天線。Ｒeader與天線POE(poweroverEthernet)設(shè)備的數(shù)據(jù)接口相連，將獲取的數(shù)據(jù)通過(guò)天線發(fā)射，位于控制室的接收端天線無(wú)線接收信號(hào)后，通過(guò)POE設(shè)備經(jīng)交換機(jī)將數(shù)據(jù)上傳至應(yīng)用服務(wù)器。1．4奶牛發(fā)情預(yù)測(cè)方法奶牛情期活動(dòng)最劇烈時(shí)間會(huì)持續(xù)6～12h、活動(dòng)量急劇上升、站立時(shí)間增大、靜臥時(shí)間減少、起臥次數(shù)減少［16，17］，故本文提取相關(guān)特征，并建立SVM預(yù)測(cè)模型，實(shí)現(xiàn)奶牛發(fā)情信息的預(yù)測(cè)。實(shí)時(shí)獲取運(yùn)動(dòng)步數(shù)、靜臥時(shí)間、站立時(shí)間和起臥次數(shù)等奶牛活動(dòng)量參數(shù)。通過(guò)統(tǒng)計(jì)分析，以T=2h作為單個(gè)時(shí)間片，3T作為一個(gè)情期顯著窗口W，以一個(gè)情期顯著窗口W為單位，結(jié)合活動(dòng)量參數(shù)確定發(fā)情特征向量。由于奶牛發(fā)情與否為典型的二分類問(wèn)題，考慮SVM屬于非線性模型，可以解決小樣本情況下的機(jī)器學(xué)習(xí)問(wèn)題，且可避免神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇和局部極小點(diǎn)問(wèn)題［18，19］。故本文分別建立SVM和BP

圖5發(fā)情和未發(fā)情牛步數(shù)實(shí)時(shí)動(dòng)態(tài)圖Fig．5Statisticalstepsnumberofestrusandnon-estrusin24h．表1不同核函數(shù)下SVM模型預(yù)測(cè)結(jié)果(C=2，g=0．021)Table1PredictionresultsofSVMmodelwithdifferentkernelfunction(C=2，g=0．021)．核函數(shù)類型Functiontypeofkernel奶牛種類Typeofcow樣本數(shù)(測(cè)試集/訓(xùn)練集)Numberofsamples(Testset/trainset)預(yù)測(cè)結(jié)果Forecastresult發(fā)情Estrus未發(fā)情Non-estrus準(zhǔn)確率Accuracy線性linear發(fā)情Estrus40/200328未發(fā)情Non-estrus120/600299176．88%多項(xiàng)式Polynomial發(fā)情Estrus40/200337未發(fā)情Non-estrus120/6001810284．38%ＲBF發(fā)情Estrus40/200364未發(fā)情Non-estrus120/6001610487．50%sigmod發(fā)情Estrus40/2002317未發(fā)情Non-estrus120/600299171．25%表2SVM模型和BP網(wǎng)絡(luò)預(yù)測(cè)結(jié)果Table2PredictionresultsofSVMmodelandBPneuralnetwork．模型類型Typeofmodel奶牛種類Typeofcow樣本數(shù)(測(cè)試集/訓(xùn)練集)Samplesnumber(Testset/trainset)預(yù)測(cè)結(jié)果Forecastresult發(fā)情Estrus未發(fā)情Non-Estrus準(zhǔn)確率AccuracySVM(ＲBF)發(fā)情Estrus40/200364未發(fā)情Non-estrus120/6001610487．50%BP發(fā)情Estrus40/2002911未發(fā)情Non-estrus120/600229879．38%本系統(tǒng)測(cè)試結(jié)果中，20頭奶牛在對(duì)比時(shí)間段內(nèi)共發(fā)情42次，有4次將發(fā)情誤判為未發(fā)情，另外有3次將未發(fā)情誤判為發(fā)情，實(shí)時(shí)監(jiān)測(cè)系統(tǒng)的發(fā)情預(yù)測(cè)準(zhǔn)確率為85．71%。分析誤判數(shù)據(jù)集特征可知，造成誤判的主要原因如下:以6h的活動(dòng)窗口獲取信息時(shí)，存在發(fā)情信息只占部分時(shí)間的情況，該情況與未發(fā)?

【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的玉米種植密度和施肥量?jī)?yōu)化[J]. 王福林,董志貴,吳志輝,方堃.  農(nóng)業(yè)工程學(xué)報(bào). 2017(06)
[2]可穿戴設(shè)備技術(shù)在奶牛養(yǎng)殖中的應(yīng)用及發(fā)展趨勢(shì)[J]. 於少文,孔繁濤,張建華,趙志強(qiáng),韓書慶,劉佳佳.  中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào). 2016(05)
[3]SVM參數(shù)優(yōu)化方法分析與決策[J]. 郭克友,郭曉麗,王藝偉.  計(jì)算機(jī)測(cè)量與控制. 2016(06)
[4]基于物聯(lián)網(wǎng)平臺(tái)的小麥病蟲害診斷系統(tǒng)設(shè)計(jì)初探[J]. 蘇一峰,杜克明,李穎,孫忠富,鄭飛翔.  中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào). 2016(02)
[5]精準(zhǔn)畜牧業(yè)中動(dòng)物信息智能感知與行為檢測(cè)研究進(jìn)展[J]. 何東健,劉冬,趙凱旋.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2016(05)
[6]基于Redis的海量互聯(lián)網(wǎng)小文件實(shí)時(shí)存儲(chǔ)與索引策略研究[J]. 劉俊龍,劉光明,張黛,喻杰.  計(jì)算機(jī)研究與發(fā)展. 2015(S2)
[7]精準(zhǔn)農(nóng)業(yè)無(wú)線傳感器網(wǎng)絡(luò)的研究與實(shí)現(xiàn)[J]. 夏朝俊,顧春新,李彬.  機(jī)電工程. 2015(03)
[8]農(nóng)業(yè)大數(shù)據(jù)與農(nóng)產(chǎn)品監(jiān)測(cè)預(yù)警[J]. 許世衛(wèi).  中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào). 2014(05)
[9]改進(jìn)蟻群算法在SVM參數(shù)優(yōu)化研究中的應(yīng)用[J]. 高雷阜,張秀麗,王飛.  計(jì)算機(jī)工程與應(yīng)用. 2015(13)
[10]基于神經(jīng)網(wǎng)絡(luò)的奶牛發(fā)情行為辨識(shí)與預(yù)測(cè)研究[J]. 田富洋,王冉冉,劉莫塵,王震,李法德,王中華.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2013(S1)



本文編號(hào)：3532185