為提升湖羊的福利化養(yǎng)殖水平和推動動物福利事業(yè)健康發(fā)展,提出了基于深度信念網(wǎng)絡(luò)（Deep Belief Network,DBN）的湖羊維持行為識別方法。挑選6只湖羊佩戴裝有姿態(tài)傳感器的頸環(huán),經(jīng)數(shù)據(jù)采集和整理,構(gòu)建了包括58 680個樣本的湖羊維持行為數(shù)據(jù)集,記錄了湖羊臥息、采食、飲水、反芻4種維持行為,結(jié)合錯誤率和重構(gòu)誤差兩項評價指標(biāo),構(gòu)建了逐層貪婪二次劃分算法的DBN識別模型,經(jīng)訓(xùn)練后,在測試集上與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)（BPNN）、隨機森林（RF）、支持向量機（SVM）模型進行對比分析,同時對湖羊進行分組識別對比分析,結(jié)果表明:本文方法明顯優(yōu)于其他三種方法,4種維持行為的平均識別精度和靈敏度分別為0.991 6和0.991 5,驗證了該方法在湖羊維持行為識別上的有效性。本研究結(jié)果可為湖羊的福利化養(yǎng)殖、行為學(xué)研究、異常行為識別及疾病預(yù)警提供技術(shù)支持。 

【文章頁數(shù)】：7 頁

【文章目錄】：
1 湖羊行為特征采集
    1.1 基于姿態(tài)傳感器的湖羊行為特征采集
    1.2 實驗數(shù)據(jù)獲取方法
2 基于DBN的湖羊維持行為識別
    2.1 湖羊維持行為識別體系結(jié)構(gòu)
    2.2 數(shù)據(jù)集預(yù)處理
    2.3 基于DBN的維持行為識別模型
    2.4 模型構(gòu)建與參數(shù)訓(xùn)練
3 實驗與結(jié)果分析
    3.1 DBN結(jié)構(gòu)
    3.2 維持行為識別有效性檢驗
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的玉米品種識別[J]. 徐巖,劉林,李中遠,高照,李曉振.  江蘇農(nóng)業(yè)學(xué)報. 2020(01)
[2]基于改進DBN的發(fā)電機旋轉(zhuǎn)整流器故障特征提取技術(shù)[J]. 崔江,郭瑞東,張卓然,王莉,孟颯颯.  中國電機工程學(xué)報. 2020(07)
[3]基于集成深度置信網(wǎng)絡(luò)的精細化電力系統(tǒng)暫態(tài)穩(wěn)定評估[J]. 李寶琴,吳俊勇,邵美陽,張若愚,郝亮亮.  電力系統(tǒng)自動化. 2020(06)
[4]基于支持向量機分類模型的奶牛行為識別方法[J]. 任曉惠,劉剛,張淼,司永勝,張馨月,馬麗.  農(nóng)業(yè)機械學(xué)報. 2019(S1)
[5]基于深度信念網(wǎng)絡(luò)的高維傳感器數(shù)據(jù)異常檢測算法[J]. 金鵬,夏曉峰,喬焰,崔信紅.  傳感技術(shù)學(xué)報. 2019(06)
[6]計算機視覺技術(shù)在豬行為識別中應(yīng)用的研究進展[J]. 李丹,陳一飛,李行健,蒲東.  中國農(nóng)業(yè)科技導(dǎo)報. 2019(07)
[7]基于性能改善深度信念網(wǎng)絡(luò)的棉花病蟲害預(yù)測方法[J]. 王獻鋒,丁軍,朱義海.  浙江農(nóng)業(yè)學(xué)報. 2018(10)
[8]基于最優(yōu)二叉決策樹分類模型的奶牛運動行為識別[J]. 王俊,張海洋,趙凱旋,劉剛.  農(nóng)業(yè)工程學(xué)報. 2018(18)
[9]支持向量機在舍飼肉牛反芻行為分析中的應(yīng)用[J]. 陳春玲,楊天嬌,郭雷,郭宇峰,周雅婷,劉棟.  沈陽農(nóng)業(yè)大學(xué)學(xué)報. 2017(06)
[10]基于融合圖像與運動量的奶牛行為識別方法[J]. 顧靜秋,王志海,高榮華,吳華瑞.  農(nóng)業(yè)機械學(xué)報. 2017(06)



本文編號：3726391