基于神经网络的奶牛发情行为辨识与预测研究

及时和准确地识别奶牛发情在牛群管理中具有重要地位。根据奶牛发情期活动量上升、静卧时间变短和体温升高等生理学特性,采用振动传感器、姿态传感器和温度传感器实时检测奶牛的活动量、静卧时间和体温等参数。建立了以奶牛行走步数、静卧时间、行走时间、温度为输入,以奶牛行为特征为输出的LVQ神经网络发情行为辨识模型与预测模型。经过初步试验验证,设计的监测系统和神经网络辨识算法检测奶牛发情的准确率可达100%,发情预测率达到70%以上。

奶牛发情行为的检测研究

在奶牛养殖中,为增加牛奶产量,使奶牛及时受孕、产犊并提高泌乳期是非常重要的,而要达到上述目的,正确、高效地预测以及检测奶牛的发情期,并适时配种尤为关键。因此,奶牛发情的及时和准确识别则变得举足轻重,在牛群管理中具有重要地位。传统的奶牛发情检测方法愈加不能满足现代化奶牛养殖场的需求,基于微机系统的自动化电子检测技术迫切需要应用到奶牛发情检测中。对奶牛的发情行为的影响因素、传统检测方法以及数字化的检测方法进行了阐述,并对其数字化检测趋势进行了系统深入的探讨。

基于电参数与神经网络的奶牛乳腺炎检测方法

通过准确测量奶牛新鲜乳汁的温度、电导率、电容和乳汁中的体细胞含量,建立了温度、电导率、电容为输入,体细胞数为输出的四层BP神经网络模型。并将结果与没有电容参数的网络模型结果进行比较。结果表明:电容参数的加入使检测精度有显著提高,验证集奶牛乳腺炎等级的正确检出率达到100%。

奶牛阴道植入式电阻传感器与无线监测系统研究

针对人工监测奶牛发情费时、费力,仅依靠活动量和非接触式视频监测无法实现奶牛安静发情预警的问题,根据奶牛发情时阴道粘液生理特征变化,提出基于奶牛阴道电阻变化的奶牛发情监测方案。设计了由黄铜电阻探头、8爪防滑装置构成的奶牛阴道植入式电阻传感器,对阴道电阻值进行采集。借助2.4 GHz的ZigBee网络开发了无线传输系统,将阴道电阻无线传送给协调器节点,协调器经由RS485总线传输到监控中心。开发了奶牛阴道电阻上位机实时监测系统,实现了奶牛阴道电阻的精确采集和远程实时监测。分别对植入式电阻传感器和监测系统进行了准确性、稳定性、可靠性及能量可用性试验,结果表明,植入式电阻传感器电阻测量探头体积小、安装方便,可测定1~1000Ω范围的电阻,测量精度在±2%以内,24 h内电阻最大波动为2Ω;在450 m^2奶牛养殖区范围内,ZigBee网络数据发送成功率不低于98.5%;植入式电阻传感器终端节点在7.4 V/6500 mA·h锂电池能量供应下可连续工作38 d。监测系统运行稳定,能够精确、可靠、实时地监测奶牛阴道电阻的变化,为奶牛发情程度和排卵时间的准确预测提供了一种新的监测方法。

基于卷积神经网络的奶牛个体身份识别方法

视频分析技术已越来越多地应用于检测奶牛行为以给出养殖管理决策,基于图像处理的奶牛个体身份识别方法能够进一步提高奶牛行为视频分析的自动化程度。为实现基于图像处理的无接触、高精确度、适用性强的奶牛养殖场环境下的奶牛个体有效识别,提出用视频分析方法提取奶牛躯干图像,用卷积神经网络准确识别奶牛个体的方法。该方法采集奶牛直线行走时的侧视视频,用帧间差值法计算奶牛粗略轮廓,并对其二值图像进行分段跨度分析,定位奶牛躯干区域,通过二值图像比对跟踪奶牛躯干目标,得到每帧图像中奶牛躯干区域图像。通过理论分析和试验验证,确定了卷积神经网络的结构和参数,并将躯干图像灰度化后经插值运算和归一化变换为48×48大小的矩阵,作为网络的输入进行个体识别。对30头奶牛共采集360段视频,随机选取训练数据60 000帧和测试数据21 730帧。结果表明,在训练次数为10次时,代价函数收敛至0.0060,视频段样本的识别率为93.33%,单帧图像样本的识别率为90.55%。该方法可实现养殖场中奶牛个体无接触精确识别,具有适用性强、成本低的特点。

机器学习在奶牛临床疾病预测中的应用

机器学习是指计算机通过大量数据训练及分析来模拟人类的学习行为,从而获得新的知识和技能,是人工智能的核心。近年来,机器学习在奶牛疾病预测领域的应用已成为国际上的研究热点。论文介绍了利用奶牛机体生理指标和生产数据建立奶牛疾病预测模型的方法,重点阐述了如何利用决策树和神经网络筛选奶牛疾病风险因子、预测疾病和疾病分类。同时,综述了机器学习预测代谢性疾病、跛行、乳房炎、热应激和传染性疾病的进展。

BP神经网络在奶牛体强判别中的应用研究

根据专家知识从奶牛图象中提取了描述奶牛体强的１２个特征参数；设计了一个三层前向神经网络，选择了一组奶牛图象训练样本。网络训练试验表明，本网络收敛性好且学习次数少；对现场采集的１０头奶牛图象进行奶牛体强判别，判别结果和人工评定的结果基本一致；对全部输人特征参数进行了主变量分析，给出了采用不同数量特征参数的优化组合方案。作者认为神经网络可以取代人工评定奶牛体强。