基于颈环采集节点的母羊产前行为识别方法

摘要

针对目前母羊产前行为监测费时费力、精准度较低、可识别行为类型单一等问题,以颈环采集节点获得的加速度数据为研究对象,提出了一种基于区间阈值与遗传算法优化支持向量机(Genetic Algorithm-Support Vector Machine,GA-SVM)分类模型的母羊产前行为识别方法.该方法首先对合加速度数据进行小波降噪和提取轮廓线预处理,再利用区间阈值分类法,识别出行走、趴卧2种行为.在此基础上,采用GA-SVM分类模型实现饮水、采食、反刍3种行为的准确识别.试验表明,颈环采集节点能够实时采集和传输产前母羊颈部的活动信息,并能有效区分5种产前行为活动.可识别行为类型增多,且在适用性方面有了较大提升,平均准确率达到97.88％,比传统的决策树算法、K最近邻(K-Nearest Neighbor,KNN)算法、支持向量机(Support Vector Machine,SVM)算法分别提高了31.26％、21.87％、21.9％.该研究对建立产前母羊运动量及健康评估模型、提高繁殖及工作效率、实现智能化管理等方面具有十分重要的意义.