基于多传感器融合的牛项圈设计

为监测牛只行为状态和体征信息,设计一种多传感器融合的牛项圈。选择基于蓝牙5.0的控制芯片,外接3种传感器设备,实现牛只行为姿态(加速度和角速度值)、体表温度、室内位置4项基本序列数据以及叫声(正常情况、发情情况)和吞咽声3项音频数据的采集。采用SVM、KNN、RFC对牛只行走、站立、进食和躺卧行为进行分类,其中RFC的准确率最高,达到99.59%,KNN和SVM次之,准确率分别为99.01%、85.23%。使用基于GRU的深度学习算法对牛只叫声与吞咽声进行分类,整体准确率达到90.72%。对采集的体表温度与直肠温度进行拟合校正,拟合度R^(2)均高于0.9。结果表明,基于多传感器融合的牛项圈不仅可以有效采集传统序列数据,还可以同步采集音频数据,为牛只行为学分析提供多维度的数据支持。