基于WSN的蛋雞活動量監(jiān)測系統(tǒng)設(shè)計

劉燁虹 劉修林 侯若羿 黃永凱 陸輝山

摘要：【目的】設(shè)計一套基于無線傳感器網(wǎng)絡(luò)（Wireless sensor networks，WSN）的蛋雞活動量實時監(jiān)測系統(tǒng)，為通過蛋雞活動量變化確定蛋雞健康狀態(tài)提供技術(shù)支持?！痉椒ā肯到y(tǒng)的終端節(jié)點以ADXL345加速度傳感器對蛋雞活動量進行采集，以CC2530芯片為核心對數(shù)據(jù)進行處理與無線傳輸，并針對蛋雞獨特的體型設(shè)計背包式佩戴帶。系統(tǒng)選用低功耗ZigBee通訊協(xié)議，上位機使用Visual Studio 2012和SQL Server 2008對監(jiān)控管理端進行設(shè)計?！窘Y(jié)果】監(jiān)測系統(tǒng)能滿足在長×寬×高為50.0 m×6.0 m×3.5 m雞舍內(nèi)的通訊要求，測試期間平均丟包率僅為0.19%。5羽試驗蛋雞佩戴終端節(jié)點后6 h內(nèi)有一定程度的應(yīng)激反應(yīng)；監(jiān)測24 h后僅1號和4號蛋雞分別丟失3和11個數(shù)據(jù)包。通過對比監(jiān)控圖像，監(jiān)測系統(tǒng)對蛋雞的活動、產(chǎn)蛋及睡眠狀態(tài)下產(chǎn)生的加速度均能進行準確地采集與顯示?！窘ㄗh】對終端節(jié)點體積、佩戴帶材料進行進一步優(yōu)化，提高佩戴舒適性；加強網(wǎng)絡(luò)通信穩(wěn)定性，獲得更加準確的活動量數(shù)據(jù)；增加分類識別算法實現(xiàn)對蛋雞所患疾病的判別、報警，以實現(xiàn)對疫情進行預(yù)防。

關(guān)鍵詞： 蛋雞；活動量；無線傳感器網(wǎng)絡(luò)（WSN）；監(jiān)測裝置

中圖分類號： S126 文獻標志碼：A 文章編號：2095-1191（2018）07-1453-07

0 引言

【研究意義】相關(guān)研究表明，當?shù)半u處于病理狀態(tài)時會出現(xiàn)體溫及行為異常、活動減少等情況（李春花和劉英賢， 2009；楊威雄，2011），因此，在蛋雞養(yǎng)殖過程中要經(jīng)常通過人工觀察，判斷蛋雞行為狀態(tài)是否正常（王秀生等，2016），從而對家禽健康狀況進行評估。但該方法耗時長，對蛋雞行為的判斷存在主觀性強、準確性低的問題，不適用于大規(guī)模養(yǎng)殖模式下蛋雞生理健康狀況的診斷。因此，尋找和構(gòu)建出一種能夠?qū)Φ半u活動量數(shù)據(jù)進行實時監(jiān)測和收集的系統(tǒng)，對大規(guī)模集約化養(yǎng)殖模式下蛋雞生理狀況的及時掌握具有重要意義?！厩叭搜芯窟M展】目前，國內(nèi)外已有大量研究將無線傳感器網(wǎng)絡(luò)（Wireless sensor networks， WSN）應(yīng)用于家畜活動量采集過程中，但業(yè)內(nèi)對活動量的監(jiān)測尚無統(tǒng)一標準，現(xiàn)有研究中通常采用加速度的變化來表征活動量變化；而現(xiàn)有針對蛋雞活動量進行的研究多采用機器視覺技術(shù)對雞群的各項行為（啄食、飲水、扇翅等）進行識別及統(tǒng)計，從而確定雞體的健康狀態(tài)。Leroy等（2006）應(yīng)用相機與圖像處理技術(shù)設(shè)計一種對雞群行為進行分類識別的系統(tǒng)，成功實現(xiàn)了對單只雞站立、行走和抓撓3種行為的識別；勞鳳丹等（2012）采用機器視覺技術(shù)實現(xiàn)了對單只蛋雞運動、飲水、采食、休息和抖動等行為的自動識別，為蛋雞福利指標的評價提供了新方法。針對大型家畜應(yīng)用WSN進行的研究已有較多報道，如Nadimi等（2008）利用ZigBee通訊協(xié)議對傳感器節(jié)點的數(shù)據(jù)進行傳輸，通過分類樹實現(xiàn)對群體性動物行為分類；劉龍申等（2013）利用三軸加速度計并結(jié)合WSN設(shè)計了一種行為實時監(jiān)測系統(tǒng)，從而實現(xiàn)了對母豬產(chǎn)前行為特征的識別，系統(tǒng)的正確識別率可達87.93%；田富洋等（2013）采用多種傳感器結(jié)合無線傳輸模塊實時檢測奶牛的活動量、靜臥時間和體溫等參數(shù)，使用神經(jīng)網(wǎng)絡(luò)建立了對奶牛行為特征的辨識模型；李頎等（2017）設(shè)計了一種基于WSN的產(chǎn)前母豬行為特征監(jiān)測系統(tǒng)，通過支持向量機分析加速度數(shù)據(jù)從而識別母豬行為，對母豬分娩狀態(tài)進行確認；Nogami等（2017）將無線三軸加速計傳感器節(jié)點測量到的數(shù)據(jù)進行分析，從而判別牛的瘤胃運動是否出現(xiàn)異常，對牛瘤胃健康狀況進行評估；Wang等（2016）通過構(gòu)建WSN系統(tǒng)，對牛的體溫及加速度信息進行采集，判別出牛的飲食與飲水行為是否出現(xiàn)異常，從而反映牛體的健康狀況?！颈狙芯壳腥朦c】由于家畜體型較大，因此在已有研究中對其活動量進行采集所用的采集節(jié)點體積均較大，但其節(jié)點無法適應(yīng)于體型較小、活動靈活的蛋雞，且已有的研究并未開發(fā)出適配的PC端的監(jiān)控管理平臺，未能對采集到的數(shù)據(jù)進行實時反映，直觀程度差。其次，已有研究中采用機器視覺技術(shù)對雞群行為活動進行分析的過程中，都是在理想試驗條件下僅對單只雞的行為進行判別分析，并不能滿足在實際養(yǎng)殖環(huán)境中監(jiān)測雞活動行為的要求?！緮M解決的關(guān)鍵問題】針對蛋雞機體型設(shè)計出適用于蛋雞的小型化、低應(yīng)激的數(shù)據(jù)采集節(jié)點，對其活動量數(shù)據(jù)進行采集；應(yīng)用WSN技術(shù)、通信技術(shù)及自主設(shè)計的監(jiān)控管理端對活動量數(shù)據(jù)進行傳輸、存儲、分析和顯示，旨在實時掌握蛋雞的日常行為活動情況，為蛋雞生理狀況的確定提供數(shù)據(jù)支持。

1 系統(tǒng)硬件和軟件設(shè)計

1. 1 硬件設(shè)計

本研究設(shè)計的蛋雞活動量實時監(jiān)測系統(tǒng)實現(xiàn)了對蛋雞活動量的數(shù)據(jù)采集、數(shù)據(jù)傳輸和數(shù)據(jù)管理三大主要功能。首先，采用傳感器和電路設(shè)計技術(shù)，對蛋雞活動量信息采集節(jié)點、輔助通信節(jié)點進行設(shè)計，滿足數(shù)據(jù)采集與通信的要求。其次，為降低雞舍內(nèi)布線的繁瑣程度，選用無線通信方式將各節(jié)點采集到的活動量數(shù)據(jù)進行傳輸。第三，為滿足養(yǎng)殖人員實時掌握雞體活動量狀況的需求，使用計算機編程技術(shù)對數(shù)據(jù)管理端進行設(shè)計。蛋雞活動量監(jiān)測系統(tǒng)整體結(jié)構(gòu)如圖1所示，對蛋雞活動量進行采集時，雞舍內(nèi)搭建ZigBee無線網(wǎng)絡(luò)，雞舍外采用RS485有線傳輸協(xié)議的通信方案，確保整體數(shù)據(jù)鏈路傳輸質(zhì)量的穩(wěn)定；終端節(jié)點將采集到蛋雞活動量數(shù)據(jù)無線傳輸至簇頭節(jié)點；簇頭節(jié)點將數(shù)據(jù)匯總后無線傳輸至協(xié)調(diào)器節(jié)點；協(xié)調(diào)器節(jié)點將數(shù)據(jù)打包后通過RS485總線傳輸至控制室的上位機；在PC端設(shè)計監(jiān)控管理軟件，對采集到的活動量數(shù)據(jù)進行存儲、分析及實時顯示。

1. 1. 1 終端節(jié)點設(shè)計 終端節(jié)點在采集數(shù)據(jù)時需與蛋雞雞體直接接觸，因此，為降低對雞體的傷害及應(yīng)激反應(yīng)的產(chǎn)生，節(jié)點應(yīng)體積小、質(zhì)量輕。同時，為減少頻繁更換電池對雞體生理活動的影響，節(jié)點功耗應(yīng)足夠低，以便維持長時間監(jiān)測。

針對以上要求，本研究采用TI公司生產(chǎn)的CC2530芯片作為節(jié)點的主處理器，采用QFN封裝，其體積為6.0 mm×6.0 mm×0.8 mm。CC2530芯片集成了RF收發(fā)器，僅需很少的電路輔助元件便可實現(xiàn)無線收發(fā)數(shù)據(jù)的功能，簡化電路復(fù)雜度，減小了節(jié)點體積；芯片在接收數(shù)據(jù)時的電流為24 mA，發(fā)送數(shù)據(jù)時的電流為29 mA，且當芯片不工作時進入睡眠模式，最低僅需1 μA便可維持狀態(tài)。采用ADI公司的三軸加速度計ADXL345對蛋雞活動量進行采集，該加速度計體積小、功耗低、分辨率高（13位），測量范圍可達到±16 m/s2，可直接連接至處理器芯片，簡化電路復(fù)雜程度；另外，采用14引腳小型超薄塑料封裝時，體積（長、寬、高）僅為3 mm×5 mm×1 mm。在設(shè)計時，為了減輕終端節(jié)點重量，輔助電路的電氣元件均采用貼片式元件，采用PCB板載天線，成本低，體積小。整個終端節(jié)點使用CR2032紐扣電池供電，終端節(jié)點電路原理如圖2所示。

本研究采用背包式佩戴的方式將終端節(jié)點佩戴于雞體背部，背帶采用有彈性的軟橡膠帶，將終端節(jié)點嵌放中間橡膠囊腔中。佩戴時，類似穿馬甲，將囊腔背于雞體背部，將翅膀從囊腔兩側(cè)空洞穿出，于雞體胸下將固定帶扣好，可根據(jù)不同的雞體調(diào)整背帶松緊程度。如圖3所示，在俯視圖和主視圖上，添加了俯視角度和主視角度相應(yīng)的笛卡爾坐標系表明方向，佩戴后使三軸加速度計的X軸指向雞頭方向，Y軸與X軸在一個平面內(nèi)且垂直于X軸，Z軸垂直于X0Y平面且方向朝上。

1. 1. 2 簇頭節(jié)點與協(xié)調(diào)器節(jié)點設(shè)計 簇頭節(jié)點與協(xié)調(diào)器節(jié)點在工作時均無需與蛋雞雞體直接接觸，因此，對其體積大小沒有過多限制。終端節(jié)點采集到數(shù)據(jù)后，將數(shù)據(jù)傳輸至簇頭節(jié)點，簇頭節(jié)點將數(shù)據(jù)路由至協(xié)調(diào)器節(jié)點。協(xié)調(diào)器節(jié)點的獨特功能是發(fā)起和構(gòu)建網(wǎng)絡(luò)的作用，當網(wǎng)絡(luò)構(gòu)建成功后，協(xié)調(diào)器便作為路由器實現(xiàn)對數(shù)據(jù)的路由。協(xié)調(diào)器節(jié)點接收到簇頭節(jié)點傳輸?shù)降臄?shù)據(jù)后，將數(shù)據(jù)通過有線網(wǎng)絡(luò)（RS-485）發(fā)送至PC上位機。

為降低成本，簇頭節(jié)點和協(xié)調(diào)器節(jié)點依舊采用CC2530芯片作為處理中心，對數(shù)據(jù)進行處理和無線收發(fā)。由于簇頭節(jié)點與協(xié)調(diào)器節(jié)點在網(wǎng)絡(luò)中承擔著大量的數(shù)據(jù)路由工作，因此，在設(shè)計簇頭節(jié)點與協(xié)調(diào)器系統(tǒng)時均采用塑膠棒天線來加強信號的強度，以保證數(shù)據(jù)鏈路的傳輸質(zhì)量；因簇頭節(jié)點和協(xié)調(diào)器節(jié)點傳輸數(shù)據(jù)量較大，節(jié)點功耗大，因此簇頭節(jié)點采用可反復(fù)充電的鋰電池進行供電，而協(xié)調(diào)器節(jié)點與PC上位機相連，可直接由上位機直接進行供電。

1. 2 軟件設(shè)計

1. 2. 1 蛋雞活動量采集程序設(shè)計 如圖4所示，終端節(jié)點上電后先對設(shè)備進行初始化，檢測是否有網(wǎng)絡(luò)可加入；確定加入網(wǎng)絡(luò)后三軸加速度計開始采集數(shù)據(jù)，然后向簇頭節(jié)點傳輸數(shù)據(jù)；接收到簇頭節(jié)點成功接收的應(yīng)答消息后，確定數(shù)據(jù)成功發(fā)送，否則重新發(fā)送。終端節(jié)點的采集頻率及發(fā)送數(shù)據(jù)的時間間隔均可調(diào)整。

1. 2. 2 通訊網(wǎng)絡(luò)拓撲結(jié)構(gòu)設(shè)計 為降低維護網(wǎng)絡(luò)成本，在設(shè)計網(wǎng)絡(luò)的拓撲結(jié)構(gòu)時采用星型網(wǎng)拓撲結(jié)構(gòu)（圖5），即終端節(jié)點間不進行數(shù)據(jù)路由，只向簇頭發(fā)送數(shù)據(jù)，簇頭與簇頭間不進行數(shù)據(jù)路由，只向協(xié)調(diào)器節(jié)點傳輸數(shù)據(jù)。此外，為避免 “多對一”傳輸方式導致的網(wǎng)絡(luò)擁堵，采用分時機制進行數(shù)據(jù)傳輸，設(shè)置每個終端節(jié)點在不同的時間點發(fā)送數(shù)據(jù)包，避免簇頭同時接收到多個數(shù)據(jù)包而造成接收失敗。同理，簇頭節(jié)點向協(xié)調(diào)器節(jié)點傳輸數(shù)據(jù)包時也在不同的時間點進行上傳。

1. 2. 3 PC端監(jiān)控管理的實現(xiàn) 通過使用VisualStudio 2012和SQL Server 2008實現(xiàn)上位機監(jiān)測軟件的主要功能，即參數(shù)設(shè)置、數(shù)據(jù)顯示和歷史數(shù)據(jù)查詢等功能。如圖6所示，登錄家禽活動量信息監(jiān)控系統(tǒng)V1.0，為保證數(shù)據(jù)采樣的連續(xù)性和完整性，系統(tǒng)可對丟包閾值進行設(shè)定，當系統(tǒng)檢測到某個節(jié)點的丟包個數(shù)大于等于閾值時，則發(fā)出報警提示，通知管理人員對節(jié)點狀態(tài)進行檢查。

2 系統(tǒng)測試結(jié)果分析

2. 1 試驗場地

于山西省靈丘縣匯鑫養(yǎng)殖有限公司蛋雞養(yǎng)殖基地進行試驗。雞舍長×寬×高為50.0 m×6.0 m×3.5 m，舍內(nèi)設(shè)有木制產(chǎn)蛋籠及木制梯形棲息架。簇頭節(jié)點懸掛安裝于雞舍舍頂中心的橫梁上，協(xié)調(diào)器節(jié)點位于雞舍內(nèi)的控制室并與電腦相連。

2. 2 終端節(jié)點通訊距離測試

試驗人員手持終端節(jié)點在雞舍內(nèi)移動，分別在雞舍內(nèi)的空曠區(qū)域、產(chǎn)蛋籠內(nèi)及棲息架下進行數(shù)據(jù)發(fā)送，上位機均能成功接收到終端節(jié)點發(fā)送的數(shù)據(jù)，產(chǎn)蛋籠與棲息架并未造成嚴重影響傳輸鏈路質(zhì)量的屏蔽作用。因此，終端節(jié)點可對蛋雞在處于蛋籠中、上架狀態(tài)時的活動量進行采集和傳輸，且通訊距離滿足在整個雞舍內(nèi)使用的要求。

2. 3 通訊丟包率測試

由于在平養(yǎng)狀態(tài)下雞體的行為較活躍，為使獲得的數(shù)據(jù)能充分體現(xiàn)蛋雞的實時活動狀態(tài)，設(shè)置終端節(jié)點的采樣時間間隔為10 s，每5 min將數(shù)據(jù)打包發(fā)送一次，終端節(jié)點在采樣間隔期間進入休眠模式。在雞舍內(nèi)安裝5個終端節(jié)點，其中，3個隨機分布于雞舍內(nèi)空曠無遮擋區(qū)域，1個置于產(chǎn)蛋籠中，1個置于棲息架下，運行時間為2 d，結(jié)果如表1所示。由表1可看出，5個節(jié)點中最大丟包率為0.23%，最低丟包率為0.12%，即網(wǎng)絡(luò)平均丟包率為0.19%，能滿足日常監(jiān)測過程中對蛋雞活動量的采集要求，在監(jiān)控系統(tǒng)中設(shè)置丟包報警閾值為0.23%，應(yīng)用此閾值對系統(tǒng)工作穩(wěn)定性進行測試。

2. 4 監(jiān)測系統(tǒng)準確性測試

進行測試試驗時，對雞舍進行全方位視頻監(jiān)控，隨機選取5羽健康的蛋雞作為試驗個體，給其佩戴終端節(jié)點1～5號，使用無毒染料在蛋雞背部進行標記，蛋雞編號與所佩戴的終端節(jié)點的編號保持一致。同時，應(yīng)保證所做標記足夠清晰，確保從監(jiān)控視頻中可準確將其分辨出來。試驗個體在雞舍中與其他未佩戴終端節(jié)點的蛋雞個體一同飼養(yǎng)，進食、飲水均不受限制，可在舍內(nèi)自由活動。通過觀察監(jiān)控視頻發(fā)現(xiàn)，5羽試驗蛋雞個體在佩戴終端節(jié)點初期，均有強烈的應(yīng)激反應(yīng)，出現(xiàn)頻繁扇翅、抖身體和啄節(jié)點等行為；6 h后，5羽試驗蛋雞的應(yīng)激反應(yīng)均消退。在無應(yīng)激狀態(tài)下對試驗蛋雞進行連續(xù)24 h（8：00～次日8：00）監(jiān)測，設(shè)置終端節(jié)點采樣時間間隔為10 s，傳輸數(shù)據(jù)間隔為5 min。

在監(jiān)測過程中，PC端上的監(jiān)控系統(tǒng)軟件無報警提示，系統(tǒng)成功對1～5號試驗蛋雞完成監(jiān)測。查看PC監(jiān)控端，將5羽試驗蛋雞的終端節(jié)點數(shù)據(jù)傳輸情況進行統(tǒng)計，從表2可看出，在24 h的監(jiān)測過程中，只有1號和4號蛋雞終端節(jié)點分別丟失3和11個數(shù)據(jù)包，相對于總體8640個數(shù)據(jù)而言并不影響整體監(jiān)測結(jié)果。

從監(jiān)控軟件的數(shù)據(jù)查詢窗口中將2號蛋雞24 h的數(shù)據(jù)結(jié)果圖截取出來，如圖7所示，在試驗期間，X、Y和Z軸上正向加速度值較多，其中，11：00～12：00期間3個軸的值基本不發(fā)生變化，通過觀看視頻錄像發(fā)現(xiàn)此階段2號蛋雞處于產(chǎn)蛋狀態(tài)；18：00～19：00和23：00～24：00期間，Z軸加速度出現(xiàn)急劇上升的情況，查找對應(yīng)時間點的視頻圖像，發(fā)現(xiàn)其原因是由于2號蛋雞飛上棲息架時的起飛動作造成；24：00后進入睡眠狀態(tài)，3個軸上的加速度值均無劇烈變化，僅在很小范圍內(nèi)波動；次日7：00后醒來逐漸進入活動狀態(tài)，加速度值波動范圍又逐漸增大。

3 討論

本研究所設(shè)計的小型終端節(jié)點能對蛋雞活動量數(shù)據(jù)進行采集，但通過觀察試驗期間的視頻錄像發(fā)現(xiàn)，蛋雞在佩戴終端節(jié)點初期出現(xiàn)約6 h的適應(yīng)期。在目前應(yīng)用傳感器節(jié)點對家畜活動量進行采集的研究中，試驗個體在佩戴后均會產(chǎn)生較長時間的適應(yīng)期。尹令等（2011）應(yīng)用無線傳感器節(jié)點對奶牛活動量數(shù)據(jù)進行采集時，奶牛佩戴節(jié)點后有48 h的適應(yīng)期；郭東東等（2014）針對山羊行為活動量進行采集時設(shè)計的節(jié)點，山羊佩戴后需48～72 h后才能適應(yīng)。本研究認為終端節(jié)點體積會影響試驗個體佩戴后的適應(yīng)期長短，若活動量采集節(jié)點體積更小，蛋雞在佩戴后適應(yīng)期可能更短，節(jié)點可盡早獲得正常狀態(tài)下的活動量數(shù)據(jù)，提高節(jié)點使用效率。

此外，當?shù)半u在產(chǎn)蛋或休息狀態(tài)時，身體幾乎處于靜止狀態(tài)，但終端節(jié)點依舊采集到在一定范圍內(nèi)加速度活動值，與尹令等（2011）對奶牛活動量研究中對處于靜止狀態(tài)下的奶牛所采集到一定活動量數(shù)值的情況一致。在本研究中出現(xiàn)此種情況的原因可能是蛋雞呼吸運動引起身體輕微顫動導致加速度值變化，而節(jié)點靈敏度較高對此類變化值進行了記錄。

本研究采用ZigBee通訊協(xié)議作為整體網(wǎng)絡(luò)通訊基礎(chǔ)，通過配套協(xié)議棧進行一定開發(fā)，獲得了良好的網(wǎng)絡(luò)通信結(jié)果。本研究僅在一種雞舍中進行系統(tǒng)測試，但實際應(yīng)用中由于試驗場地大小的變化在客觀上會影響整體網(wǎng)絡(luò)的穩(wěn)定性與通信質(zhì)量。此外，對系統(tǒng)傳輸數(shù)據(jù)準確性驗證時采用試驗個體數(shù)目較少，網(wǎng)絡(luò)吞吐量小，因此網(wǎng)絡(luò)通訊質(zhì)量良好，而實際應(yīng)用中終端節(jié)點數(shù)目繁多，可能會造成網(wǎng)絡(luò)擁堵而不能對數(shù)據(jù)進行良好傳輸。

4 建議

4. 1 結(jié)合雞體特點對終端節(jié)點進行改進

本研究中蛋雞在佩戴所設(shè)計的終端節(jié)點后產(chǎn)生了6 h左右的輕微應(yīng)激反應(yīng)，因此需進一步優(yōu)化節(jié)點的電路設(shè)計，采用更加小型化的電路元器件，優(yōu)化電路布線排布，在保證測量結(jié)果準確性的前提下盡量縮小終端節(jié)點的整體體積。此外，在終端節(jié)點的佩戴方面，對佩戴帶的材料進行優(yōu)化選擇，使佩戴帶擁有更好的彈性及更輕的質(zhì)量，以便提高佩戴后的舒適程度，減小佩戴終端節(jié)點后對蛋雞的刺激，降低佩戴后的應(yīng)激反應(yīng)。

4. 2 提升數(shù)據(jù)傳輸準確性

為保證數(shù)據(jù)準確性，使采集的數(shù)據(jù)準確地反映蛋雞活動量的狀態(tài)，需在協(xié)議棧中對通訊協(xié)議進行進一步開發(fā)。在數(shù)據(jù)傳輸時增加校驗碼，設(shè)計錯誤重傳機制，當簇頭節(jié)點接收到的數(shù)據(jù)包所包含的校驗碼與預(yù)先設(shè)定校驗碼不同時，則向終端節(jié)點發(fā)送重傳應(yīng)答信號，直到接收到正確的數(shù)據(jù)包。同理，簇頭節(jié)點向協(xié)調(diào)器節(jié)點傳輸數(shù)據(jù)時也采用該機制，以保證系統(tǒng)最終能夠接收到準確的活動量數(shù)據(jù)。

4. 3 優(yōu)化數(shù)據(jù)處理過程

在對系統(tǒng)進行初步測試時，對處于孵蛋及休息狀態(tài)的蛋雞產(chǎn)生輕微加速度變化值也進行采集，而這種小范圍的波動值可視為一種噪聲，在一定程度上會影響對蛋雞活動狀態(tài)判斷的準確性。針對此問題，系統(tǒng)的后續(xù)研發(fā)中可在監(jiān)控管理端加入去除噪聲的算法（如平滑方法、聚類技術(shù)等），對采集的數(shù)據(jù)進行降噪處理，從而使數(shù)據(jù)能夠更加準確地表征蛋雞的行為活動狀態(tài)。

4. 4 增加疾病判斷算法

通過監(jiān)測獲得的數(shù)據(jù)對蛋雞是否處于患病狀態(tài)及患何種疾病進行判別，需在監(jiān)控管理端中引入數(shù)據(jù)分類的算法（如K-means、支持向量機等），通過構(gòu)建相應(yīng)的分類模型，然后進行多次訓練，逐步提高分類的準確性，從而實現(xiàn)對蛋雞生理健康狀態(tài)進行分類識別。當系統(tǒng)監(jiān)測到某一只蛋雞活動量狀況出現(xiàn)異常時，系統(tǒng)可進行報警提示，實現(xiàn)大規(guī)模家禽養(yǎng)殖過程中對疫情的預(yù)防。

參考文獻：

郭東東，郝潤芳，吉增濤，楊信廷，周超，梁旭姣. 2014. 基于三軸加速度傳感器的山羊行為特征分類與識別[J]. 家畜生態(tài)學報，35（8）： 53-57. [Guo D D， Hao R J， Ji Z T， Yang X T， Zhou C， Liang X J. 2014. Classification and recognition of goats daily behavior based on three-dimensional acceleration sensor[J]. Journal of Domestic Animal Ecology，35（8）： 53-57.]

李春花，劉英賢. 2009. 家禽系統(tǒng)臨診概述[J]. 畜牧與飼料科學，30（3）： 189-190. [Li C H， Liu Y X. 2009. Poultry system clinical overview[J]. Animal Husbandry and Feed Science，30（3）： 189-190].

李頎， 王志鵬， 竇軒，季雨薇. 2017. 基于無線傳感器網(wǎng)絡(luò)的產(chǎn)前母豬行為監(jiān)測系統(tǒng)[J]. 家畜生態(tài)學報， 38（3）： 75-79. [Li Q，Wang Z P，Dou X，Ji Y W. 2017. Monitoring system of sows behavior before farrowing based on wireless sensor networks[J]. Journal of Domestic Animal Ecology， 38（3）： 75-79.]

勞鳳丹， 滕光輝， 李軍， 余禮根，李卓. 2012. 機器視覺識別單只蛋雞行為的方法[J]. 農(nóng)業(yè)工程學報， 28（24）： 157-163. [Lao F D， Teng G H， Li J， Yu L G， Li Z. 2012. Behavior recognition method for individual laying hen based on computer vision[J]. Transactions of the Chinese Society for Agricultural Engineering， 28（24）： 157-163.]

劉龍申，沈明霞，姚文，陸明洲，楊曉靜，柏廣宇. 2013. 基于加速度傳感器的母豬產(chǎn)前行為特征采集與分析[J]. 農(nóng)業(yè)機械學報，44（3）： 192-196. [Liu L S， Shen M X， Yao W， Lu M Z，Yang X J，Bai G Y. 2013. Acquisition and analysis of sows behavior before farrowing based on acceleration sensor[J]. Transactions of the Chinese Society for Agricultural Machinery， 44（3）： 192-196.]

田富洋，王冉冉，劉莫塵， 王震， 李法德， 王中華. 2013. 基于神經(jīng)網(wǎng)絡(luò)的奶牛發(fā)情行為辨識與預(yù)測研究[J]. 農(nóng)業(yè)機械學報，44（S1）：277-281. [Tian F Y， Wang R R， Liu M C，Wang Z，Li F D，Wang Z H. 2013. Oestrus detection and prediction in dairy cows based on neural networks[J]. Transactions of The Chinese Society for Agricultural Machinery，44（S1）： 277-281.]

王秀生，馮增玉，王慶新，劉建文. 2016. 蛋雞疾病的診斷與預(yù)防研究[J]. 當代畜牧，（14）：101. [Wang X S， Feng Z Y，Wang Q X，Liu J W. 2016. Study on the diagnosis and prevention of laying hens disease[J]. Contemporary Animal Husbandry，（14）： 101.]

楊威雄. 2011. 影響蛋雞產(chǎn)蛋的主要疾病及預(yù)防措施[J]. 畜禽業(yè)，（2）：10-12. [Yang W X. 2011. The main diseases affecting laying hens and preventive measures[J]. Livestock and Poultry Industry，（2）： 10-12.]

尹令， 洪添勝， 劉迎湖， 劉財興. 2011. 基于無線傳感器網(wǎng)絡(luò)支持向量機奶牛行為特征識別[J]. 傳感技術(shù)學報， 24（3）：458-462. [Yin L，Hong T S，Liu Y H，Liu C X. 2011. Cow behavioral features recognition using binary decision tree support vector machines based on wireless sensor network[J]. Chinese Journal of Sensors and Actua-tors，24（3）：458-462.]

Leroy T，Vranken E，Brecht A V，Struelens E，Sonck B，Berckmans D. 2006. A computer vision method for on-line behavioral quantification of individually caged poultry[J]. Transactions of the American Society of Agricultural and Biological Engineers， 49（3）： 795-802.

Nadimi E S， S?gaard H T， Bak T. 2008. ZigBee-based wireless sensor networks for classifying the behaviour of a herd of animals using classification trees[J]. Biosystems Engineering， 100（2）： 167-176.

Nogami H，Arai S，Okada H，Zhan L，Itoh T. 2017. Minimized bolus-type wireless sensor node with a built-in three-axis acceleration meter for monitoring a cows rumen conditions[J]. Sensors（Basel），17（4）： 687.

Wang H，F(xiàn)apojuwo A O，Davies R J. 2016. A wireless sensor network for feedlot animal health monitoring[J]. IEEE Sensors Journal， 16（16）： 6433-6446.

（責任編輯 鄧慧靈）