加速度傳感器在畜禽行為識別中的應用

李 芳

(肇慶學院，廣東 肇慶 526061)

引言

隨著養(yǎng)殖業(yè)的不斷發(fā)展，智能化養(yǎng)殖方式日益完善，動物的健康和福利關系越發(fā)受到研究者的重視。作為動物生理健康狀況的主要外在表現(xiàn)，動物行為能夠在一定程度上反映動物對環(huán)境的適應情況，是評價動物福利的重要考核指標[1]。隨著大規(guī)模的智能養(yǎng)殖快速發(fā)展，依靠人畜跟蹤的方法對畜禽個體行為監(jiān)測效率低下，飼養(yǎng)人員由于專業(yè)素質(zhì)的局限性和差異性等原因，導致畜禽個體異常行為無法被有效的統(tǒng)一定義，導致科學合理的養(yǎng)殖方法和應對異常行為的決策難以實現(xiàn)，養(yǎng)殖業(yè)效益低下。為應對這一問題，動物福利水平的評估方法和畜禽行為信息的自動獲取受到研究學者的廣泛關注。作為機器學習的圖像監(jiān)測技術與聲音監(jiān)測技術由于其優(yōu)異的判斷決策能力成為了本領域中強有力的解決方案，然而機器學習需要的數(shù)據(jù)量大，且特征提取算法復雜，信息的傳輸和處理的效率問題巨大[2]。隨著畜禽行為監(jiān)測的不斷發(fā)展，利用體積小價格便宜的加速度傳感器在動物的不同部位連續(xù)采集各種行為數(shù)據(jù)是一個有效手段。加速度傳感器在畜禽運動過程中測量出三向加速度值，然后結合機器學習算法對畜禽生理、健康和福利狀況進行準確高效的分析。當前，加速度傳感器技術已被應用于人體跌倒[3]、心率檢測和運動行為識別[4]，以及豬、牛、羊、肉雞和鴿子等家畜個體運動行為識別。本文立足于數(shù)據(jù)驅(qū)動的畜禽行為識別技術，以加速度傳感器的工作機理為核心，詳細闡述和分析基于機器學習的家禽行為動態(tài)識別方法，并對數(shù)據(jù)驅(qū)動的畜禽行為識別算法的發(fā)展方向及應用前景進行統(tǒng)一一致的歸納、總結和展望，為畜禽行為識別與分類研究提供理論依據(jù)和實踐參考。

1 加速度傳感器工作原理

加速度是定義速度變化的矢量。運動通過對加速計內(nèi)的小晶體施加應力來產(chǎn)生電壓。傳感器解釋電壓的大小，以確定運動的速度和方向。在三軸加速度計中，3個加速度傳感器正交布置，并且累積了三維(x，y和z軸)信息，除了測量加速力外，其還通過確定設備傾斜的角度來測量地球的引力。按工作原理一般分為一般壓電式、壓阻式、電容式、伺服式加速度傳感器。加速度傳感器的工作原理如圖1所示。

2 加速度傳感器在畜禽行為識別中的應用

2.1 在豬行為識別中的應用

在畜禽行為識別中，通過機器學習算法結合傳感器采集的加速度數(shù)據(jù)建立畜禽行為分類模型對智能養(yǎng)殖具有重大意義。國外ImkeT[5]等人將加速度傳感器貼在母豬的耳朵上來采集加速度數(shù)據(jù)，通過母豬CUSUM(尖點控制圖)檢測到母豬分娩開始前的筑巢行為，對于100%或85%的母豬產(chǎn)仔行為，在開始前48h或12h內(nèi)發(fā)出警報，有利于飼養(yǎng)人員為母豬的分娩提前做好準備。LiuLS等人[6]研究開發(fā)了一種用于母豬福利研究的低功耗耳掛式加速度傳感器。該傳感器僅重10.0g，由1個3軸加速度計、1個藍牙低功耗模塊、1個印刷電路板天線和1個3-V、230-mAh的CR2032電池組成。對8頭母豬現(xiàn)場測試，以評估傳感器在3種操作模式(連續(xù)、數(shù)據(jù)分組和節(jié)能)下的性能。結果表明，母豬主要有3種行為(休息、移動和進食)，行為模式因母豬而異。原則上，耳掛式傳感器可用于監(jiān)測和預測母豬分娩，同時不會引起母豬異常行為。與報道的同類加速度傳感器相比，這款新型傳感器的電池壽命增加了1倍以上，同時傳感器質(zhì)量減少了70%以上。閆麗等人[7]結合三軸加速度和陀螺儀發(fā)明了MPU6050傳感器并佩戴于母豬頸部下方，對母豬活動的姿態(tài)角進行采集，利用Haar小波算法提取行為數(shù)據(jù)的特征，通過SVM區(qū)分立、傾臥、側臥3種姿態(tài)，其中側姿總體正確識別率達到83.3%，由此可以看出，母豬姿態(tài)行為識別可以有效反映母豬的哺乳意愿。迄今為止，只有極少數(shù)研究人員嘗試開發(fā)基于豬的加速度數(shù)據(jù)的喂食行為算法。Fleming等人[8]是最早在仔豬中使用加速度計的研究人員之一。根據(jù)固定在脖子上的裝置收集的加速度數(shù)據(jù)，研究了唾液酸飲食和晝夜節(jié)律(晝夜)對24只人工飼養(yǎng)仔豬行為的影響。應用特定軟件根據(jù)活動確定閾值，以便能夠在第2步中評估豬是否處于睡眠狀態(tài)或清醒狀態(tài)。通過將自動檢測到的數(shù)據(jù)與手動標記行為的比例進行比較，證明該方法是有效的(p=0.07)。在豬中，側臥位被認為是完全放松和不活動的狀態(tài)，而胸骨臥位被認為是母豬經(jīng)常醒著，注意到并與其周圍環(huán)境相互作用的身體姿勢[9]。大多數(shù)研究報告正確分類的外側臥床百分比超過90%，F(xiàn)1分數(shù)在0.90～0.98。使用2個加速度計可獲得最佳結果：一個安裝在母豬的前部，一個安裝在母豬的后部，從而為可靠性評估提供了堅實的基礎。到目前為止，只有少數(shù)幾項研究描述了通過加速度計自動檢測豬的站立和行走行為。Thompson等人[10]使用2個分娩筆為傳感器，一個在母豬的前部，一個在母豬后部。

2.2 在牛行為識別中的應用

Barker Z E等人[11]設計了一種基于三軸加速度傳感器和決策樹算法的奶牛行為活動監(jiān)測系統(tǒng)，該系統(tǒng)以19頭奶牛為研究對象，其中10頭奶牛跛足，9頭奶牛正常。通過對不同類別的奶牛的每日平均喂養(yǎng)時間進行分析，建立快速檢測算法對跛足奶牛與非跛足奶牛進行分類。與非跛足奶牛相比，跛足奶牛的平均總進食時間顯著降低，下午不進食的總持續(xù)時間更高。Wolfger B等人[12]將Smartbow標簽佩戴于奶牛耳朵上設計了一種實時位置監(jiān)測系統(tǒng)，該標簽向接收器發(fā)送低頻信號，進一步將信息傳輸?shù)椒掌?；通過傳入的數(shù)據(jù)，服務器實時三角測量牛在牛舍環(huán)境中的位置；數(shù)據(jù)還可用于監(jiān)測奶牛對物理環(huán)境的反應，從而有可能改進設施設計；靠近重要牛舍特征(即飼料槽和水槽)的時間預算和行進距離可以計算并用于識別需要管理員注意的奶牛，以及識別奶牛在牛舍中的確切位置。HillTM等人[13]提出并設計了一種耳掛式加速度傳感器用于識別16頭雄性荷斯坦犢牛的反芻、進食和活動行為，使用回歸分析和方差分析法處理加速度數(shù)據(jù)，同時由3名訓練有素的觀察員使用現(xiàn)場觀察法來評估個別小牛的行為，結果表明，在4周齡的小牛中，傳感器與觀察時間的關系不顯著(R2<0.3)；然而，為了重新評估，對耳朵中的傳感器放置進行了更改；在斷奶前后的第6周，傳感器與觀察到的反芻(R2=0.91)、進食(R2=0.75)和不活動(R2=0.97)時間的簡單回歸分析的y截距與零和顯著的斜坡。該研究雖然可以有效區(qū)分犢牛的行為，但耗費了人力。Benaissa S等人[14]以10多頭奶牛為研究對象，使用頸掛式加速度計的數(shù)據(jù)開發(fā)了一種新的簡單決策樹(DT)算法，用于對奶牛的采食和反芻行為進行實時分類；將DT的性能與支持向量機(SVM)算法和RumiWatch鼻帶傳感器的性能進行了比較，并研究了降低加速度計采樣率對所開發(fā)算法分類精度的影響。本研究中使用了10頭經(jīng)產(chǎn)奶牛，每頭奶牛都配備了1個RumiWatch韁繩和1個連接到奶牛項圈的加速度計，2個傳感器都被編程為以10Hz的頻率記錄數(shù)據(jù)。奶牛行為的直接觀察被用作參考(基線數(shù)據(jù))。結果表明，2個傳感器在所識別的行為類別(如喂食、反芻和其它活動)中，基于SVM算法的行為識別準確率為93%，基于DT算法的行為識別準確率為90%，Rumiwatch傳感器的總體精度為91%。王俊等人[15]使用最優(yōu)二叉決策樹分類模型對奶牛運動行為進行識別，且行為識別的特征量包含加速度數(shù)值大小、對稱性、陡峭程度、變異程度、不確定性及夾角，通過構建ROC曲線獲得特征量的最佳行為分組和閾值，利用信息增益作為最優(yōu)二叉決策樹劃分屬性的選擇標準，構建最優(yōu)二叉決策樹分類模型對奶牛運動行為進行分類識別。試驗結果肯定了該算法的優(yōu)越性，包含站立、平躺、慢走、快走和躺臥等幾組動作均能被有效識別。

2.3 在羊行為識別中的應用

Giovanetti V等人[16]使用包括加速度傳感器的吊帶戴于綿羊的頭部，用于測量牧場奶羊的行為參數(shù)。在放牧條件下進行了簡短的測試，以在記錄綿羊行為活動(放牧、反芻和休息)的同時收集加速度計數(shù)據(jù)。使用逐步判別分析(SDA)、典型判別分析(CDA)和判別分析(DA)3種多元統(tǒng)計技術分析加速度數(shù)據(jù)建立綿羊放牧、反芻和休息行為分類模型，識別準確度均在85%以上。Jamie B等人[17]在綿羊脖子、腿部和耳部使用三軸加速度傳感器進行監(jiān)測，結合綿羊聲音鑒別跛行步態(tài)，數(shù)據(jù)被分成10s相互排斥的行為時期，并進行二次判別分析(QDA)。初步分析表明，在所有部署模式下，使用聲音放牧和站立的跛行放牧事件都存在高度錯誤分類。最終的分類模型包括跛行步行和所有聲音活動類別，對耳朵、項圈和腿部署的跛腳運動的預測準確度分別為82%、35%和87%。在腿加速度計數(shù)據(jù)集中對跛行行走的錯誤分類突出了耳朵附著模式在基于時間序列加速度計數(shù)據(jù)的跛足步態(tài)特征分類方面的優(yōu)越性。張曦宇等人[18]基于加速度傳感器的檢測數(shù)據(jù)設計了種公羊運動行為識別系統(tǒng)，該系統(tǒng)將實時檢測數(shù)據(jù)進行采集和分類，并通過無線傳輸?shù)姆绞郊虞d到服務器進行計算，結合K近鄰算法和區(qū)間閾值分類法對種公羊的行為進行識別，且靜立、行走和奔跑識別率分別達到95.96%、95.78%和96.89%。

3 展望

目前，加速度傳感器主要應用于家畜行為識別，而對于家禽行為的應用相對較少。加速度傳感器可以為用戶提供準確的畜禽行為數(shù)據(jù)，通過分析后養(yǎng)殖人員可以充分了解畜禽個體的健康狀態(tài)，一旦出現(xiàn)問題可以及時發(fā)現(xiàn)，減少經(jīng)濟損失，同時減輕了養(yǎng)殖人員的勞動力，實現(xiàn)高效養(yǎng)殖和管理。

但是，養(yǎng)殖環(huán)境多塵、高溫、高濕，為了保持良好的數(shù)據(jù)采集穩(wěn)定性，應克服因動物位置移動、姿態(tài)變化、應激反應造成的測量誤差；同時綜合考慮動物形態(tài)、行為、聲音、體溫、心率、排泄物、呼吸等生理特征中的幾個和多個特征對自動診斷結果的影響，并在各特征耦合的情況下，形成全面、高效、智能、精準的畜禽動物疫病綜合診斷方法。