本文選題：母羊產(chǎn)前行為 + 加速度傳感器��； 參考：《農(nóng)機化研究》2017年09期

【摘要】：準(zhǔn)確獲取母羊臨產(chǎn)前行為活動方式及其規(guī)律對預(yù)測母羊分娩時間、判斷其在分娩時是否需要提供人工助產(chǎn)具有重要的意義。目前,在大規(guī)模集約化養(yǎng)殖環(huán)境下大多依靠飼養(yǎng)員對母羊產(chǎn)前行為進行連續(xù)觀察,耗時耗力,且主觀性較大。為此,設(shè)計了一種基于可穿戴數(shù)據(jù)檢測裝置的母羊產(chǎn)前行為特征實時監(jiān)測系統(tǒng)。該裝置以單片機STM8為主控芯片,采用MPU6050三軸加速度傳感器獲取母羊產(chǎn)前行為數(shù)據(jù),通過Wifi無線傳輸模塊USR-C2 1 5將數(shù)據(jù)傳輸至上位機。利用K均值聚類算法對母羊產(chǎn)前3種行為(趴臥、行走、站立)進行特征分析與識別。試驗表明:系統(tǒng)可以快速、準(zhǔn)確的獲取母羊產(chǎn)前行為的加速度信息,并對母羊的3種產(chǎn)前行為能夠正確的分類識別,識別率為82.69%,能夠滿足母羊產(chǎn)前行為識別的要求。
[Abstract]:It is of great significance to obtain accurately the behavior pattern and its regularity of ewe before delivery to predict the delivery time of ewe and to judge whether it is necessary to provide artificial midwifery during delivery. At present, in the large-scale intensive farming environment, most of them rely on the breeder to observe the antenatal behavior of ewe continuously, which is time-consuming and labor-consuming, and subjective. Therefore, a real-time monitoring system based on wearable data detection device for ewe antenatal behavior is designed. The device uses single chip computer (STM8) as main control chip, adopts MPU6050 three-axis acceleration sensor to acquire ewe prenatal behavior data, and transmits the data to upper computer through Wifi wireless transmission module USR-C2 15. K-means clustering algorithm was used to analyze and identify the characteristics of three prenatal behaviors (lying down, walking and standing) of ewe. The test results show that the system can obtain the acceleration information of ewe antenatal behavior quickly and accurately, and can correctly classify and recognize the three antenatal behaviors of ewe, and the recognition rate is 82.69, which can meet the requirements of ewe prenatal behavior recognition.
【作者單位】： 內(nèi)蒙古農(nóng)業(yè)大學(xué)機電工程學(xué)院;內(nèi)蒙古師范大學(xué)物理與電子信息學(xué)院;
【基金】：國家自然科學(xué)基金項目(61461042;11364029) 內(nèi)蒙古自然科學(xué)基金項目(2012MS0720) 內(nèi)蒙古“草原英才”產(chǎn)業(yè)創(chuàng)新人才團隊項目(內(nèi)組通字[2014]27號)
【分類號】：TP274;S826

【相似文獻】

相關(guān)期刊論文 前2條

1 申玉發(fā);張曉昱;趙立強;;密度K均值聚類算法及在復(fù)雜網(wǎng)絡(luò)分析中的應(yīng)用[J];河北科技師范學(xué)院學(xué)報;2013年04期

2 ;[J];;年期

相關(guān)會議論文 前9條

1 孫廣玲;唐降龍;;一種快速k-均值聚類算法[A];第六屆全國計算機應(yīng)用聯(lián)合學(xué)術(shù)會議論文集[C];2002年

2 陳曉山;朱建沖;翁輝;;一種改進的模糊C均值聚類算法及其應(yīng)用[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

3 葛繼科;余建橋;張帆;張蕊;;改進的K-均值聚類算法[A];’2004計算機應(yīng)用技術(shù)交流會議論文集[C];2004年

4 劉健莊;謝維信;;一種改進的快速模糊C均值聚類算法[A];中國系統(tǒng)工程學(xué)會模糊數(shù)學(xué)與模糊系統(tǒng)委員會第五屆年會論文選集[C];1990年

5 汪民樂;高曉光;李勇;;新型遺傳模糊C-均值聚類算法及其在導(dǎo)彈目標(biāo)選擇中的應(yīng)用[A];2007年中國智能自動化會議論文集[C];2007年

6 趙爽;李曉奇;沙秀艷;;特征加權(quán)模糊C均值聚類算法在劃分勞動報酬中的應(yīng)用[A];第三屆中國智能計算大會論文集[C];2009年

7 黃建軍;楊勛;謝維信;;基于類云模型的C均值聚類算法[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

8 羅小剛;彭承琳;劉婷;侯長軍;霍丹群;文利;;基于模糊C均值聚類算法的心臟扭轉(zhuǎn)運動中心室壁輪廓的自動提取[A];中國儀器儀表學(xué)會醫(yī)療儀器分會第四次全國會員代表大會暨2009年學(xué)術(shù)年會論文集[C];2009年

9 劉靖明;韓麗川;;粒子群優(yōu)化k均值的混合聚類算法研究[A];2004年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2004年

相關(guān)碩士學(xué)位論文 前10條

1 劉莉莉;K-均值聚類算法的研究與改進[D];曲阜師范大學(xué);2015年

2 許竣瑋;基于改進粒子群的K均值聚類算法研究[D];長沙理工大學(xué);2014年

3 王龍強;K均值聚類算法初始聚類中心的選取與改進[D];東北大學(xué);2013年

4 梁鵬;基于Spark的模糊c均值聚類算法研究[D];哈爾濱工業(yè)大學(xué);2015年

5 徐曼舒;基于改進人工蜂群的模糊C均值聚類算法研究[D];安徽大學(xué);2016年

6 孫釩;風(fēng)電場場站級有功功率優(yōu)化控制研究[D];華北電力大學(xué)(北京);2016年

7 蔣帥;K-均值聚類算法研究[D];陜西師范大學(xué);2010年

8 吳曉蓉;K-均值聚類算法初始中心選取相關(guān)問題的研究[D];湖南大學(xué);2008年

9 趙爽;改進的模糊C均值聚類算法及其應(yīng)用[D];東北大學(xué);2010年

10 歐陳委;K-均值聚類算法的研究與改進[D];長沙理工大學(xué);2011年

，

本文編號：1812109