綜述了聲音監(jiān)測技術(shù)、機器視覺技術(shù)、無線傳感網(wǎng)絡(luò)技術(shù)在牛行為監(jiān)測的研究與應(yīng)用現(xiàn)狀,分析了支持向量機（SVM）、K均值聚類（K-means）、人工神經(jīng)網(wǎng)絡(luò)（ANNs）等3種牛行為識別分類算法的優(yōu)缺點,結(jié)果表明:（1）機器視覺技術(shù)具有無接觸的識別,不外帶裝置,可以對動物行為進(jìn)行識別,對�；顒佑绊懶�,但對圖像視頻環(huán)境要求苛刻,動物行為識別精準(zhǔn)度不高;（2）無線傳感器技術(shù)應(yīng)用廣、技術(shù)成熟,可以監(jiān)測畜禽采食、反芻、休息、活動等行為,但適合動物穿戴、長期可靠工作的無線網(wǎng)絡(luò)傳感器技術(shù)有待突破;（3）支持向量機計算簡單,理論完善,所需樣本數(shù)據(jù)少,且識別精度高,分類效果好。人工神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)規(guī)則簡單,非線性擬合能力較強,但數(shù)據(jù)不足易出現(xiàn)運算時間長、過學(xué)習(xí)、容易陷入局部最小值等情況。 

【文章來源】：江西農(nóng)業(yè)學(xué)報. 2020,32(11)

【文章頁數(shù)】：7 頁

【文章目錄】：
1 行為監(jiān)測技術(shù)
    1.1 聲音監(jiān)測技術(shù)
    1.2 機器視覺技術(shù)
    1.3 無線傳感器網(wǎng)絡(luò)技術(shù)
2 行為分類方法
    2.1 K均值聚類算法
    2.2 支持向量機算法
    2.3 人工神經(jīng)網(wǎng)絡(luò)算法
3 討論及展望
    3.1 討論
        （1）聲音監(jiān)測技術(shù)。
        （2）機器視覺監(jiān)測技術(shù)。
        （3）無線傳感器網(wǎng)絡(luò)技術(shù)。
        （4）牛行為分類算法。
        （5）多傳感器信息融合。
    3.2 展望
4 結(jié)論



本文編號：3071336